คุณคำนวณข้อผิดพลาดมาตรฐานสำหรับการแปลง MLE ได้อย่างไร?


9

ฉันจำเป็นต้องอนุมานเกี่ยวกับพารามิเตอร์ที่เป็นบวก p. เพื่อชดเชยความเป็นบวกที่ฉันได้ชดใช้ให้p=exp(q). การใช้รูทีน MLE ฉันคำนวณการประมาณค่าจุดแล้วค้นหาq. คุณสมบัติความแปรปรวนของ MLE ให้ค่าประมาณโดยตรงสำหรับฉันpแต่ฉันไม่แน่ใจว่าจะคำนวณได้อย่างไร p. ขอบคุณล่วงหน้าสำหรับคำแนะนำหรือการอ้างอิง


คุณไม่สามารถใช้รูทีน MLE เดียวกันเพื่อคำนวณการประมาณค่าจุดและค้นหา pโดยตรง?
whuber

คำตอบ:


20

วิธีเดลต้าถูกนำมาใช้เพื่อการนี้ ภายใต้สมมติฐานมาตรฐานสม่ำเสมอเรารู้ MLEθ^ สำหรับ θ มีการกระจายประมาณ (เช่น asymptotically) เป็น

θ^N(θ,I1(θ))

ที่ไหน I1(θ)เป็นค่าผกผันของข้อมูลฟิชเชอร์สำหรับตัวอย่างทั้งหมดซึ่งประเมินที่θ และ N(μ,σ2) หมายถึงการแจกแจงปกติด้วยค่าเฉลี่ย μ และความแปรปรวน σ2. แปรเปลี่ยนการทำงานของเอมิลี่บอกว่า MLE ของg(θ)ที่ไหน g ฟังก์ชั่นบางอย่างที่รู้จักกันคือ g(θ^) (ตามที่คุณชี้ให้เห็น) และมีการกระจายโดยประมาณ

ก.(θ^)~ยังไม่มีข้อความ(ก.(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

1
เพียงหมายเหตุด้านข้าง: ยังมีส่วนขยายหลายตัวแปรที่เหมาะสมโดยอนุพันธ์จะถูกแทนที่ด้วยการไล่ระดับสีและการคูณจะต้องเป็นการคูณเมทริกซ์ดังนั้นจึงมีอาการปวดหัวอีกเล็กน้อยในการหาตำแหน่งที่การเคลื่อนย้ายไป
StasK

1
ขอบคุณสำหรับการชี้ให้เห็นว่า StasK ฉันเชื่อในกรณีหลายตัวแปรความแปรปรวนเชิงซีโมติกของก.(θ^) คือ ก.(θ)'ผม(θ)-1ก.(θ)
มาโคร

(+1) ฉันเพิ่มลิงก์ไปยังสมมติฐานปกติ (และสิ่งอื่น ๆ ) เนื่องจากไม่ชัดเจนว่าสิ่งเหล่านี้พอใจในปัญหาของ OP หรือไม่ ฉันอาจจะบอกว่าθ^เป็นอาการปกติและไม่ปกติประมาณเนื่องจากอัตราการลู่เข้าอาจช้าในบางครั้ง
MånsT

ขอบคุณ @ MånsTฉันยังไม่ชี้แจงว่าฉันหมายถึง asymptotically เมื่อฉันกล่าวว่าประมาณ :)
มาโคร

6

มาโครให้คำตอบที่ถูกต้องเกี่ยวกับวิธีการแปลงข้อผิดพลาดมาตรฐานผ่านวิธีเดลต้า แม้ว่า OP จะขอข้อผิดพลาดมาตรฐานโดยเฉพาะ แต่ฉันสงสัยว่าวัตถุประสงค์คือเพื่อสร้างช่วงความมั่นใจสำหรับp. นอกเหนือจากการคำนวณข้อผิดพลาดมาตรฐานของp^ คุณสามารถเปลี่ยนช่วงความมั่นใจได้โดยตรง [q1,q2], ใน q-parametrization เป็นช่วงความมั่นใจ [exp(q1),exp(q2)] ใน p-parametrization นี่เป็นสิ่งที่ถูกต้องสมบูรณ์และอาจเป็นความคิดที่ดีกว่าทั้งนี้ขึ้นอยู่กับว่าการประมาณปกติที่ใช้ในการปรับช่วงความเชื่อมั่นเป็นอย่างไรนั้นขึ้นอยู่กับข้อผิดพลาดมาตรฐานที่ทำงานในq- parametrization เทียบกับ พี-parametrization นอกจากนี้ช่วงความเชื่อมั่นที่เปลี่ยนรูปโดยตรงจะทำให้เกิดข้อ จำกัด ด้านบวก

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