ตัวอย่างของตัวประมาณค่าความน่าจะเป็นสูงสุดที่ไม่สอดคล้องกัน


13

ฉันกำลังอ่านความคิดเห็นต่อกระดาษและผู้เขียนกล่าวว่าบางครั้งถึงแม้ว่าตัวประมาณ (พบโดย ML หรือ quasilikelihood สูงสุด) อาจไม่สอดคล้องกันพลังของอัตราส่วนความน่าจะเป็นหรือการทดสอบอัตราส่วนกึ่งโอกาส 1 เมื่อจำนวนข้อมูลที่สังเกตมีแนวโน้มที่จะไม่มีที่สิ้นสุด (ความสอดคล้องของการทดสอบ) สิ่งนี้เกิดขึ้นได้อย่างไรและเมื่อไหร่? คุณรู้จักบรรณานุกรมบ้างไหม?


LR & QLR คืออะไร
gung - Reinstate Monica

อัตราส่วนความน่าจะเป็นและการทดสอบอัตราส่วน quasilikelihood;)
ชายชราในทะเล

พลังงานควรไปที่ 1 ทุกที่ยกเว้นในจุดเดียว สิ่งที่คุณไม่มีคืออัตราความผิดพลาดประเภท 1 เล็กน้อย
Glen_b -Reinstate Monica

@Glen_b คุณช่วยอธิบายเพิ่มเติมเกี่ยวกับความคิดเห็นของคุณได้ไหม? ขอบคุณ;)
ชายชราในทะเล

@Glen_b โชคไม่ดีและวิกิไม่มีรายการอยู่ ...
ชายแก่ในทะเล

คำตอบ:


10

[ฉันคิดว่านี่อาจเป็นตัวอย่างของสถานการณ์ภายใต้การสนทนาในคำถามของคุณ]

มีตัวอย่างมากมายของตัวประมาณค่า ML ที่ไม่สอดคล้องกัน ความไม่ลงรอยกันมักพบเห็นได้ทั่วไปในปัญหาการผสมผสานที่ซับซ้อนเล็กน้อยและปัญหาการเซ็นเซอร์

[ความสอดคล้องของการทดสอบนั้นโดยทั่วไปแล้วว่าพลังของการทดสอบสำหรับสมมติฐานที่ผิดพลาด (คงที่) จะเพิ่มขึ้นเป็นหนึ่งเมื่อ ]n

ราดโอนีลให้ตัวอย่างในรายการบล็อกของเขา 2008/08/09 ที่ไม่สอดคล้องกันสูงสุดโอกาสการประเมิน: เป็น“ธรรมดา” ตัวอย่าง มันเกี่ยวข้องกับการประมาณค่าพารามิเตอร์ใน:θ

X | θ    (1/2)N(0,1) + (1/2)N(θ,exp(1/θ2)2)

(โอนีลใช้ที่ฉันมี ) โดยที่ ML การประเมินของจะมีแนวโน้มที่เป็น (และแน่นอนความเป็นไปได้สูงกว่าในจุดสูงสุดใกล้ 0 มากกว่าที่ค่าจริงสำหรับตัวอย่างที่ค่อนข้างเล็กน้อย ขนาด) อย่างไรก็ตามในกรณีที่มีจุดสูงสุดใกล้กับค่าจริงมันมีขนาดเล็กกว่าค่าใกล้ 0θ θ 0 n →การθtθθ0nθ

ลองนึกภาพตอนนี้สองกรณีที่เกี่ยวข้องกับสถานการณ์นี้:

a) ดำเนินการทดสอบอัตราส่วนความน่าจะเป็นของกับทางเลือก ;H 1 : θ < θ 0H0:θ=θ0H1:θ<θ0

ข) การดำเนินการทดสอบอัตราส่วนความน่าจะเป็นของกับทางเลือก\H0:θ=θ0H1:θθ0

ในกรณี (a) ลองจินตนาการว่าจริง (เพื่อให้ทางเลือกเป็นจริงและเป็นอีกด้านหนึ่งของความจริง ) จากนั้นทั้งๆที่ข้อเท็จจริงที่ว่าโอกาสที่ใกล้เคียงกับ 0 จะมากกว่านั้นที่ , โอกาสที่ยังคงเกินความน่าจะเป็นที่แม้ในกลุ่มตัวอย่างขนาดเล็กและอัตราส่วนจะยังคงขยายใหญ่เป็นในลักษณะเช่นที่จะทำให้ความน่าจะปฏิเสธในโอกาสไปทดสอบอัตราส่วน 1θ<θ00θθθθ0n

แน่นอนแม้ว่าในกรณี (b) ตราบใดที่ได้รับการแก้ไขและ จำกัด ขอบเขตจากมันก็ควรจะเป็นเช่นนั้นว่าอัตราส่วนความน่าจะเป็นจะเติบโตในลักษณะที่จะทำให้ความน่าจะเป็นในการปฏิเสธในการทดสอบอัตราส่วนความน่าจะเป็นยัง วิธีที่ 1θ00

ดังนั้นนี่จะเป็นตัวอย่างของการประมาณค่า ML ที่ไม่สอดคล้องกันซึ่งอำนาจของ LRT ควรจะอยู่ที่ 1 (ยกเว้นเมื่อ )θ0=0

[โปรดทราบว่าไม่มีอะไรจริง ๆ ที่ไม่ได้อยู่ในคำตอบของ whuber ซึ่งฉันคิดว่าเป็นแบบอย่างที่ชัดเจนและง่ายกว่ามากสำหรับการทำความเข้าใจความแตกต่างระหว่างความสอดคล้องของการทดสอบและความสอดคล้องของตัวประมาณ ความจริงที่ว่าตัวประมาณที่ไม่สอดคล้องกันในตัวอย่างที่เฉพาะเจาะจงนั้นไม่ใช่ ML ไม่สำคัญเท่าที่จะเข้าใจความแตกต่างนั้นและการนำตัวประมาณที่ไม่สอดคล้องซึ่งเฉพาะ ML - อย่างที่ฉันพยายามทำที่นี่ - ไม่ได้เปลี่ยน คำอธิบายใด ๆ ที่สำคัญ จุดที่แท้จริงของตัวอย่างที่นี่คือฉันคิดว่ามันเกี่ยวข้องกับความกังวลของคุณเกี่ยวกับการใช้ตัวประมาณค่า ML]


ขอบคุณ Glen สำหรับคำตอบของคุณฉันยังคงมีคำถามหนึ่งข้อ สิ่งนี้คือโดยปกติแล้วในการพิสูจน์การ จำกัด การกระจายของ LRT ให้เป็นไคสแควร์มันจะสันนิษฐานว่าตัวประมาณค่า ML นั้นสอดคล้องกัน ในกรณีของคุณคุณจะพิสูจน์ได้อย่างไรว่าอัตราส่วนความน่าจะเป็นที่เพิ่มขึ้นจะทำให้ความน่าจะเป็นในการปฏิเสธเป็น 1 เมื่อไม่ทราบว่ามีการแจกแจง จำกัด หรือเป็นที่รู้จักกัน?
ชายชราในทะเล

สิ่งที่คุณต้องการสำหรับสถิติการทดสอบอัตราส่วนความน่าจะเป็นที่จะเติบโตโดยไม่มีข้อผูกมัดคือความน่าจะเป็นที่ค่าในตัวเศษที่จะเติบโตได้เร็วกว่าตัวที่เป็นตัวส่วน ความเข้าใจของฉันจากการสนทนาที่เชื่อมโยงคือโอนีลบอกเป็นนัย แต่ฉันไม่ได้ตรวจสอบรายละเอียดที่แท้จริง ฉันไม่คิดว่ามีเหตุผลที่ดีที่จะยืนยันว่าการทดสอบนั้นจะมีการแจกแจงแบบไคสแควร์ สมมติฐานของฉันจากสิ่งเล็ก ๆ น้อย ๆ ข้อมูลที่คุณให้ในคำถามก็คือว่าการทดสอบที่อธิบายกำลังทำราวกับว่ามันเป็น asymptotically ไคสแควร์ แต่ ... (CTD)θ
Glen_b -Reinstate โมนิกา

(ctd) ... คุณต้องถามผู้เขียนความคิดเห็นที่คุณอธิบายว่าเป็นสิ่งที่พวกเขาหมายถึงหรือไม่
Glen_b -Reinstate Monica

ที่จริงสิ่งที่ฉันพูดไม่ถูกต้องเนื่องจากเป็นไปได้ที่ตัวเศษจะเติบโตเร็วกว่าตัวส่วน แต่อัตราส่วนจะไม่เติบโตโดยไม่มีข้อผูกมัด (ในแง่ที่ว่าอัตราส่วนของทั้งสองอาจเติบโต แต่ถูกผูกไว้) ฉันควรจะพูดอะไรบางอย่างเช่น "เร็วพอ"
Glen_b -Reinstate Monica

8

อนุญาตให้ถูกดึง iid จากการแจกแจงแบบปกติพิจารณาตัวประมาณ(Xn)(μ,1)

T(x1,,xn)=1+x¯=1+1ni=1nxn.

การกระจายตัวของปกติ{n}) มันมาบรรจบกับโดยแสดงว่ามันไม่สอดคล้องกันT(X1,,Xn)=1+X¯(μ+1,1/n)μ+1μ

ในการเปรียบเทียบสมมติฐานที่จะเป็นทางเลือกที่ง่ายพูดอัตราส่วนบันทึกความเป็นไปได้จะเหมือนกับ LLR ขึ้นอยู่กับแทนT(ผลคือมีประโยชน์สำหรับการเปรียบเทียบสมมติฐานว่างกับสมมติฐานทางเลือก ) เนื่องจากการทดสอบโดยใช้ค่าเฉลี่ยมีอำนาจรวมเป็นสำหรับสิ่งใด ๆ ขนาดทดสอบและขนาดผลกระทบใด ๆ อำนาจของการทดสอบโดยใช้ตัวเองยังลู่ไป1 μ = μ A ˉ X T T μ + 1 = μ 0 + 1μ=μ0μ=μAX¯TTμ+1=μ0+11 α > 0 T 1μ+1=μA+11α>0T1


ขอบคุณสำหรับความสนใจในคำถามนี้ เราจะตั้งค่าทั่วไปมากขึ้นได้อย่างไรมั่นใจในความสอดคล้องของการทดสอบ? ฉันกำลังมองหาคำตอบทั่วไปมากขึ้นไม่ใช่เฉพาะกรณี และยังมีบรรณานุกรมบางส่วนถ้ามี ขอบคุณ;)
ชายชราในทะเล

นอกจากนี้ฉันอาจผิด แต่ตัวประมาณ T ดูเหมือนจะไม่ใช่ตัวประมาณ ML คำถามคือ«เมื่อใดที่เรามีความสม่ำเสมอในการทดสอบเมื่อตัวประมาณค่า ML หรือค่าตัวประมาณ quasilikelihood สูงสุดไม่สอดคล้องกัน»
ชายชราในทะเล

ฉันแก้ไขคำถามเนื่องจากอาจไม่ชัดเจนสิ่งที่ฉันต้องการ ขออภัย;)
ชายชราในทะเล
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.