ความสอดคล้องเชิงเส้นกำกับที่มีความแปรปรวนเชิงเส้นกำกับที่ไม่ใช่ศูนย์ - มันแสดงถึงอะไร?


18

ปัญหาเกิดขึ้นก่อนหน้านี้ แต่ฉันต้องการถามคำถามเฉพาะที่จะพยายามล้วงเอาคำตอบที่จะทำให้ชัดเจน (และจำแนก):

ใน "Asymptotics ของคนจน" คนหนึ่งรักษาความแตกต่างที่ชัดเจนระหว่าง

  • (a)ลำดับของตัวแปรสุ่มที่รวมความน่าจะเป็นเป็นค่าคงที่

ตรงกันข้ามกับ

  • (b)ลำดับของตัวแปรสุ่มที่รวมความน่าจะเป็นเข้ากับตัวแปรสุ่ม

แต่ใน "Asymptotics ของ Wise Man" เราสามารถมีกรณีของ

  • (c)ลำดับของตัวแปรสุ่มที่รวมความน่าจะเป็นเป็นค่าคงที่ในขณะที่รักษาความแปรปรวนที่ไม่ใช่ศูนย์ที่ขีด จำกัด

คำถามของฉันคือ (ขโมยจากคำตอบเชิงสำรวจของฉันเองด้านล่าง):

เราจะเข้าใจตัวประมาณที่สอดคล้องกันเชิงเส้นกำกับ แต่ก็มีความแปรปรวนที่ไม่ใช่ศูนย์และ จำกัด ได้อย่างไร ความแปรปรวนนี้สะท้อนถึงอะไร? พฤติกรรมของมันแตกต่างจากตัวประมาณ "ปกติ" ที่สอดคล้องกันอย่างไร

หัวข้อที่เกี่ยวข้องกับปรากฏการณ์ที่อธิบายไว้ใน (c) (ดูในความคิดเห็นด้วย):


วิธีที่คุณใช้ประโยชน์จาก "Asymptotics ของคนจน" ทำให้ฉันคิดว่าฉันจะต้องขาดความรู้ในการอ้างอิง (หรืออาจจะเคยเห็นมัน แต่ลืมมันไปแล้ว ไม่ว่าจะเป็นหนังสือหรือกระดาษจริงหรืออาจเป็นเพียงการอ้างอิงทางวัฒนธรรม ฉันรู้ว่า "การเพิ่มข้อมูลของชายยากจน" (แทนเนอร์และเหว่ย) แต่ฉันไม่คิดว่านี่จะเชื่อมโยงกับสิ่งที่คุณได้รับ ฉันพลาดอะไรไป
Glen_b -Reinstate Monica

@Glen_B คุณไม่พลาดอะไรเลย - ฉันเพิ่งสร้างคำขึ้นมาเพื่อเปรียบเทียบระดับความรู้ของ (= การเข้าถึงทางปัญญาไปยัง) ทฤษฎี Asymptotic ที่คนอย่างฉันมีต่อต้านพูดว่าคนที่มีความสำคัญ การใช้อักษรตัวพิมพ์ใหญ่เป็นเพียงกลยุทธ์ทางการตลาด
Alecos Papadopoulos

คำตอบ:


8

ฉันจะไม่ให้คำตอบที่น่าพอใจสำหรับคำถามของคุณเพราะดูเหมือนว่าฉันจะเปิดกว้างเกินไป แต่ขอให้ฉันลองอธิบายเกี่ยวกับสาเหตุที่คำถามนี้เป็นคำถามที่ยาก

ฉันคิดว่าคุณกำลังดิ้นรนกับความจริงที่ว่าทอพอโลยีแบบดั้งเดิมที่เราใช้กับการแจกแจงความน่าจะเป็นและตัวแปรสุ่มนั้นไม่ดี ฉันได้เขียนสิ่งที่ยิ่งใหญ่เกี่ยวกับสิ่งนี้ในบล็อกของฉันแต่ให้ฉันพยายามสรุป: คุณสามารถมาบรรจบกันในความรู้สึกที่อ่อนแอ (และความแปรปรวนรวม) ในขณะที่ละเมิดสมมติฐานทั่วไปเกี่ยวกับการบรรจบกัน

ตัวอย่างเช่นคุณสามารถมาบรรจบกันในโทโพโลยีที่อ่อนแอไปยังค่าคงที่ในขณะที่มีความแปรปรวน = 1 (ซึ่งเป็นสิ่งที่Z nของคุณZnลำดับกำลังทำอยู่) จากนั้นจะมีการแจกแจง จำกัด (ในทอพอโลยีที่อ่อนแอ) นั่นคือตัวแปรสุ่มที่เลวร้ายนี้ซึ่งส่วนใหญ่เท่ากับ 0 แต่ infinitesimally ไม่ค่อยเท่ากับอินฟินิตี้

โดยส่วนตัวผมใช้สิ่งนี้เพื่อแสดงให้เห็นว่าโครงสร้างที่อ่อนแอ (และโทโพโลยีการเปลี่ยนแปลงรวมเกินไป) เป็นแนวคิดที่ไม่ดีของการบรรจบที่ควรทิ้ง คอนเวอร์เจนซ์ส่วนใหญ่ที่เราใช้จริงนั้นแข็งแกร่งกว่านั้น อย่างไรก็ตามฉันไม่รู้จริง ๆ ว่าเราควรใช้อะไรแทนที่จะเป็นโทโพโลยีที่อ่อนแอเช่นนี้ ...

ถ้าคุณอยากจะพบความแตกต่างที่สำคัญระหว่างθ = ˉ X + Z nและ~ θ = ˉ Xที่นี่เป็นเวลาของฉัน: ทั้งสองประมาณเทียบเท่าสำหรับ [0,1] -loss (เมื่อขนาดของความผิดพลาดของคุณ ไม่สำคัญ) อย่างไรก็ตาม~ θจะดีกว่ามากถ้าขนาดของความผิดพลาดของคุณสำคัญเพราะθบางครั้งล้มเหลวย่อยยับθ^=X¯+Znθ~=X¯θ~θ^


8

27-10-2014:น่าเสียดาย (สำหรับฉันนั่นคือ) ไม่มีใครมีคำตอบที่นี่ - บางทีอาจเป็นเพราะมันดูเหมือนแปลกประเด็นทางทฤษฎี "พยาธิวิทยา" และไม่มีอะไรเพิ่มเติม?

ดีที่จะพูดถึงความคิดเห็นสำหรับผู้ใช้ที่สำคัญ (ซึ่งฉันจะสำรวจในภายหลัง)

"นี่เป็นเรื่องเหลวไหลที่ยอมรับ แต่ง่ายตัวอย่างเช่นความคิดที่จะแสดงให้เห็นว่าสิ่งที่สามารถไปผิดและทำไม.. มันไม่ได้มีการใช้งานจริง (เน้นของฉัน) ตัวอย่าง:. พิจารณารูปแบบ IID ทั่วไปที่มีช่วงเวลาที่สองแน่นอนอนุญาต. θ n = ˉ X n + Z nที่Z nเป็นอิสระจาก ˉ X n θθ^n=X¯n+ZnZnX¯nและแต่ละคนมีความน่าจะเป็น1 / n 2และเป็นศูนย์อื่นด้วย> 0พล. แล้วZn=±an1/n2a>0เป็นที่เป็นกลางมีความแปรปรวนทางทิศด้านล่างโดย 2และ θ n →การμเกือบแน่นอน (มันสอดคล้องอย่างยิ่ง) ฉันออกไปออกกำลังกายในกรณีที่เกี่ยวกับอคติ " θ^na2θ^nμ

ตัวแปรสุ่มที่ไม่ฝักใฝ่ฝ่ายใดนี่คือดังนั้นเรามาดูสิ่งที่เราสามารถพูดเกี่ยวกับมัน ตัวแปรที่มีการสนับสนุน{ - n , 0 , n }กับความน่าจะเป็นที่สอดคล้องกัน{ 1 /Zn
{an,0,an} } มันสมมาตรประมาณศูนย์ดังนั้นเรามี{1/n2,12/n2,1/n2}

E(Zn)=0,Var(Zn)=(an)2n2+0+(an)2n2=2a2

ช่วงเวลาเหล่านี้ไม่ได้ขึ้นอยู่กับดังนั้นฉันเดาว่าเราได้รับอนุญาตให้เขียนเล็กน้อยn

limnE(Zn)=0,limnVar(Zn)=2a2

ใน Asymptotics ของ Poor Man เรารู้ว่ามีเงื่อนไขสำหรับขอบเขตของช่วงเวลาที่จะเท่ากับช่วงเวลาของการกระจายที่ จำกัด หากช่วงเวลา -th ของการกระจายตัวเคส จำกัด มาเป็นค่าคงที่ (ดังเช่นกรณีของเรา) จากนั้นถ้ายิ่งกว่านั้นr

δ>0:limsupE(|Zn|r+δ)<

ขีด จำกัด ของโมเมนต์ -th จะเป็นโมเมนต์r -th ของการแจกแจง จำกัด ในกรณีของเราrr

E(|Zn|r+δ)=|an|r+δn2+0+|an|r+δn2=2ar+δnr+δ2

สำหรับ diverges นี้สำหรับδ >ใด ๆr2ดังนั้นเงื่อนไขที่เพียงพอนี้ไม่ได้เก็บค่าความแปรปรวน ใช้วิธีอื่น: การกระจายซีมโทติคของ Z nคืออะไร? CDF ของ Z nรวมเข้ากับ CDF ที่ไม่เสื่อมคุณภาพหรือไม่?δ>0
ZnZn

ดูเหมือนว่า: การสนับสนุนที่ จำกัด จะเป็น (ถ้าเราได้รับอนุญาตให้เขียนนี้) และความน่าจะเป็นที่สอดคล้องกัน { 0 , 1 , 0 } ดูเหมือนว่าคงที่สำหรับฉัน แต่ถ้าเราไม่มีข้อ จำกัด ในตอนแรกเราจะพูดถึงช่วงเวลาของมันได้อย่างไร {,0,}{0,1,0}

จากนั้นจะกลับไปประมาณการθ nตั้งแต่θ^nยังลู่ไปอย่างต่อเนื่องก็ปรากฏว่าX¯n

ไม่ได้ (ไม่น่ารำคาญ) กระจาย จำกัด แต่จะมีความแปรปรวนในวงเงิน หรือความแปรปรวนนี้อาจไม่มีที่สิ้นสุด? แต่ความแปรปรวนอนันต์ที่มีการแจกแจงแบบคงที่?θ^n

เราจะเข้าใจสิ่งนี้ได้อย่างไร มันบอกอะไรเราเกี่ยวกับตัวประมาณ อะไรคือสิ่งที่แตกต่างที่สำคัญในวงเงินระหว่างθ n = ˉ X n + Zและ ~ θ n =θ^n=X¯n+Zn?θ~n=X¯n


คำขออ้างอิงโง่ ๆ : คุณมีแหล่งข้อมูล (ดี) สำหรับ: "หรือไม่ถ้าช่วงเวลา r-th แปรเปลี่ยนเป็นค่าคงที่จากนั้นช่วงเวลาทั้งหมดที่มีดัชนีต่ำกว่า r มาบรรจบกับช่วงเวลาของการแจกแจง จำกัด " ฉันรู้ว่ามันเป็นเรื่องจริง แต่ฉันไม่เคยพบแหล่งที่ดีเลย
Guillaume Dehaene

ประการที่สองทฤษฎีบทคุณพยายามที่จะใช้งานไม่สามารถนำมาใช้ในกรณีนี้เพราะ r = 2 (ซึ่งเป็นกรณีที่คุณต้องการที่จะใช้: คุณต้องการที่จะพิสูจน์ว่าลู่แปรปรวน) สำหรับในเชิงบวกอย่างเคร่งครัดใดที่E ( | Z n | r + δ diverge!δE(|Zn|r+δ
Guillaume Dehaene

บางทีมันอาจเป็นการดีที่จะปิง @cardinal (ในการแชท) เพื่อให้เขาเข้าร่วมการสนทนานี้
อะมีบาพูดว่า Reinstate Monica

@amoeba Cardinal เป็นผู้ประมาณที่มาบรรจบกับคำตอบที่แท้จริงที่นี่ แต่ฉันจำได้ว่าพยายามมีส่วนร่วมกับเขาในอดีตโดยไม่ประสบความสำเร็จ
Alecos Papadopoulos

@ GuillaumeDehaene การอ้างอิงคือ AW Van der Vaart (1998) "สถิติเชิงเส้นกำกับ", ch. 2.5 "การบรรจบกันของช่วงเวลา" มันได้รับเป็นตัวอย่าง 2.21 ของทฤษฎีบท 2.20 และคุณพูดถูก: ฉันตกอยู่ภายใต้ความประทับใจว่ามันเพียงพอที่จะ จำกัด ขอบเขตสำหรับ - แต่มันเป็น limsup ที่ต้อง จำกัด ฉันกำลังแก้ไขโพสต์ของฉัน n
Alecos Papadopoulos

2

ตัวประมาณมีความสอดคล้องกันในความน่าจะเป็น แต่ไม่ได้อยู่ใน MSE หากมีความน่าจะเป็นแบบเล็กโดยพลการของตัวประมาณ "การกระจาย" ในขณะที่ความอยากรู้ทางคณิตศาสตร์ที่น่าสนใจสำหรับจุดประสงค์ในทางปฏิบัติใด ๆ สิ่งนี้ไม่ควรรบกวนคุณ สำหรับวัตถุประสงค์เชิงปฏิบัติใด ๆ ตัวประมาณนั้นมีการสนับสนุนที่แน่นอนและทำให้ไม่สามารถระเบิดได้ (โลกแห่งความจริงไม่เล็กและใหญ่)

หากคุณยังต้องการที่จะเรียกร้องการประมาณของ "โลกแห่งความจริง" อย่างต่อเนื่องและการประมาณของคุณเป็นเช่นนั้นซึ่งมาบรรจบกันในความน่าจะเป็นและไม่ได้อยู่ใน MSE ให้ลองใช้ตามที่มันเป็น: ตัวประมาณของคุณ จะมีโอกาสน้อยมากที่จะเกิดการระเบิดขึ้นโดยพลการ โชคดีที่มันเกิดขึ้นคุณจะสังเกตเห็นเพื่อมิฉะนั้นคุณสามารถไว้วางใจมันได้ :-)


θ^=X¯+Zn
limE(θ^2)=2a2

คำถามเกี่ยวข้องเฉพาะกับการตีความของตัวประมาณที่รวมอยู่ในความน่าจะเป็นและไม่ใช่ใน MSE (เนื่องจากความแปรปรวนที่ไม่ใช่การหายตัวไป)
JohnRos

คุณพูดถูกฉันแค่สับสนกับเครื่องหมายบวกด้วยเครื่องหมายลบ
Alecos Papadopoulos
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.