ตรรกะเบื้องหลังวิธีการของช่วงเวลาคืออะไร?


20

ทำไมใน "วิธีการของช่วงเวลา" เราเปรียบเทียบช่วงเวลาตัวอย่างกับช่วงเวลาของประชากรเพื่อหาตัวประมาณค่าจุด

ตรรกะอยู่เบื้องหลังสิ่งนี้อยู่ที่ไหน


2
มันคงจะดีถ้าเรามีนักฟิสิกส์ในชุมชนของเราจัดการเรื่องนี้
mugen

4
@ugen ฉันไม่เห็นว่าเกี่ยวข้องกับวิชาฟิสิกส์ แต่อย่างใด
Aksakal

2
@Aksakal พวกเขาใช้ช่วงเวลาของฟังก์ชั่นในวิชาฟิสิกส์ด้วยและมันก็ดีเสมอเมื่อมีคนทำการขนานกันเพื่อการตีความที่ดีขึ้น
mugen

1
ตามที่ระบุไว้ในคำตอบนี้ที่กฎหมายจำนวนมากมีเหตุผล (แม้ว่า asymptotic) สำหรับการประเมินเป็นช่วงเวลาที่ประชากรโดยช่วงเวลาที่กลุ่มตัวอย่างที่มีผลใน (มัก) ง่ายประมาณสอดคล้อง
Glen_b -Reinstate โมนิกา

ไม่ใช่แนวคิดทั้งหมดที่จะนำเสนอพารามิเตอร์โดยใช้ช่วงเวลาใช่ไหม เช่นถ้าคุณพยายามประเมินพารามิเตอร์ของการแจกแจงปัวซองโดยการหาค่าเฉลี่ย (ช่วงเวลาแรก) คุณสามารถใช้มันเป็นตัวประมาณสำหรับแลมบ์ดาพารามิเตอร์ของคุณ
denis631

คำตอบ:


14

ตัวอย่างที่ประกอบด้วยการรับรู้จากตัวแปรสุ่มแบบกระจายที่เหมือนกันและเป็นอิสระนั้นเป็นอัตลักษณ์ ในกรณีเช่นนี้ "ช่วงเวลาตัวอย่าง" เป็นตัวประมาณค่าที่สอดคล้องกันของช่วงเวลาเชิงทฤษฎีของการแจกแจงทั่วไปหากช่วงเวลาเชิงทฤษฎีมีอยู่และมีขอบเขต จำกัด n

ซึ่งหมายความว่า

(1)μ^k(n)=μk(θ)+ek(n),ek(n)p0

ดังนั้นโดยการเทียบช่วงเวลาเชิงทฤษฎีกับช่วงเวลาตัวอย่างที่สอดคล้องกันที่เรามี

μ^k(n)=μk(θ)θ^(n)=μk1(μ^k(n))=μk1[μk(θ)+ek(n)]

ดังนั้น ( ไม่ได้ขึ้นอยู่กับn )μkn

plimθ^(n)=plim[μk1(μk(θ)+ek)]=μk1(μk(θ)+plimek(n))

=μk1(μk(θ)+0)=μk1μk(θ)=θ

ดังนั้นเราทำเช่นนั้นเพราะเราได้ตัวประมาณที่สอดคล้องกันสำหรับพารามิเตอร์ที่ไม่รู้จัก


อีk(n)พี0

ขีดจำกัดความน่าจะเป็น @leaf
Alecos Papadopoulos

จะเกิดอะไรขึ้นถ้าเป็นขีด จำกัด ปกติแทนที่จะเป็นขีด จำกัด ความน่าจะเป็น
ผู้ใช้ 31466

มันจะบอกเราว่าตัวประมาณกลายเป็นค่าคงที่ไม่ใช่ว่ามันน่าจะเป็นหนึ่ง บางทีคุณควรมองหาโหมดการรวมตัวกันของตัวแปรสุ่มวิกิพีเดียมีการแนะนำที่ดีen.wikipedia.org/wiki/Convergence_of_random_variables
Alecos Papadopoulos

1
μk

12

T(F)=t(x)dF(x)
F(x)F(x)=x12πσ2exp[(uμ)22σ2]duFn(x)=1ni=1n1{xix}dFn(x)dFn(x)1ni=1nt(xi). If your functional T() is (weakly) differentiable, and Fn(x) converges in the appropriate sense to F(x), then it is easy to establish that the estimate is consistent, although of course more hoopla is needed to obtain say asymptotic normality.

1
I haven't heard this called "analogy principle", but it is an often used econometric analysis pattern indeed: plug the sample estimator whenever the population parameter is needed but unknown.
Aksakal

@Aksakal:"plug the sample estimator whenever the population parameter is needed but unknown." isn't this approach simply called statistics?
user603

@user603: No, not. There are other alternative approaches, and plu-in estimators can be bad.
kjetil b halvorsen
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.