วิธีเดลต้าถูกนำมาใช้เพื่อการนี้ ภายใต้สมมติฐานมาตรฐานสม่ำเสมอเรารู้ MLEθ^ สำหรับ θ มีการกระจายประมาณ (เช่น asymptotically) เป็น
θ^∼ N( θ ,ผม- 1( θ ) )
ที่ไหน ผม- 1( θ )เป็นค่าผกผันของข้อมูลฟิชเชอร์สำหรับตัวอย่างทั้งหมดซึ่งประเมินที่θ และ ยังไม่มีข้อความ( μ ,σ2) หมายถึงการแจกแจงปกติด้วยค่าเฉลี่ย μ และความแปรปรวน σ2. แปรเปลี่ยนการทำงานของเอมิลี่บอกว่า MLE ของก.( θ )ที่ไหน ก. ฟังก์ชั่นบางอย่างที่รู้จักกันคือ ก.(θ^) (ตามที่คุณชี้ให้เห็น) และมีการกระจายโดยประมาณ
ก.(θ^) ∼ N( กรัม( θ ) ,ผม- 1( θ ) [ก.'( θ )]2)
โดยที่คุณสามารถเสียบตัวประมาณค่าที่สอดคล้องกันสำหรับปริมาณที่ไม่รู้จัก (เช่นปลั๊กอิน θ^ ที่ไหน θปรากฏในความแปรปรวน) ฉันจะถือว่าข้อผิดพลาดมาตรฐานที่คุณมีตามข้อมูล Fisher (เนื่องจากคุณมี MLE) แสดงว่าข้อผิดพลาดมาตรฐานโดยs. จากนั้นข้อผิดพลาดมาตรฐานของอีθ^ในตัวอย่างของคุณคือ
s2อี2θ^----√
ฉันอาจตีความคุณย้อนหลังและในความเป็นจริงคุณมีความแปรปรวนของ MLE ของ θ และต้องการความแปรปรวนของ MLE ของ เข้าสู่ระบบ( θ ) ในกรณีที่มาตรฐานจะเป็น
s2/θ^2-----√