ผลที่ตามมาของความไม่เท่าเทียมกันแบบเกาส์ความสัมพันธ์สำหรับการคำนวณช่วงความเชื่อมั่นร่วมกัน


31

อ้างอิงจากบทความที่น่าสนใจมากในนิตยสาร Quanta: "หลักฐานอันยาวนาน, พบและหลงทาง" - ได้รับการพิสูจน์แล้วว่าได้รับเวกเตอร์มีหลายตัวแปร เสียนกระจายและช่วงเวลาที่กำหนดแน่นิ่งวิธีการของส่วนประกอบที่สอดคล้องกันของแล้วx=(x1,,xn)I1,,Inx

p(x1I1,,xnIn)i=1np(xiIi)

(ความไม่เท่าเทียมกันแบบเกาส์สหสัมพันธ์หรือ GCI ดูhttps://arxiv.org/pdf/1512.08776.pdfสำหรับการกำหนดทั่วไปมากขึ้น)

ดูเหมือนว่าจะเป็นเรื่องที่ดีและเรียบง่ายจริงๆและบทความบอกว่ามันมีผลที่ตามมาสำหรับช่วงความมั่นใจร่วม อย่างไรก็ตามดูเหมือนว่าไม่มีประโยชน์เลยสำหรับฉัน สมมติว่าเรากำลังประมาณค่าพารามิเตอร์ และเราพบตัวประมาณซึ่งเป็น (อาจจะไม่เชิง) ร่วมกัน (ตัวอย่างเช่น MLE ประมาณ) . จากนั้นถ้าฉันคำนวณช่วงเวลา 95% - ความมั่นใจสำหรับแต่ละพารามิเตอร์ GCI รับประกันว่า hypercubeเป็นพื้นที่ความเชื่อมั่นร่วมที่มีความครอบคลุมไม่น้อยกว่า ... ซึ่งค่อนข้างครอบคลุมต่ำ สำหรับในระดับปานกลางnθ1,,θnθ1^,,θn^I1×In(0.95)nn

ดังนั้นจึงไม่ใช่วิธีที่ชาญฉลาดในการค้นหาภูมิภาคที่มีความเชื่อมั่นร่วมกัน: ภูมิภาคที่มีความเชื่อมั่นตามปกติสำหรับ Gaussian หลายตัวแปรเช่นไฮเปอร์เซลล์ลิปลอยด์นั้นไม่ยากที่จะค้นหาว่าเมทริกซ์ความแปรปรวนร่วมเป็นที่รู้จักหรือไม่ อาจเป็นประโยชน์ในการค้นหาภูมิภาคที่มีความมั่นใจเมื่อไม่ทราบเมทริกซ์ความแปรปรวนร่วม? คุณสามารถแสดงตัวอย่างของความเกี่ยวข้องของ GCI ให้กับการคำนวณขอบเขตความเชื่อมั่นร่วมกันได้หรือไม่


2
คุณมีความคิดที่ถูกต้อง ช่วงความเชื่อมั่นของแต่ละบุคคลจะต้องสูงกว่า 95% สำหรับภูมิภาคร่วมเพื่อให้บรรลุ 95% แต่ละอย่างต้องมีค่าอย่างน้อย 0.95 ยกกำลัง 1 / nth
Michael R. Chernick

1
การแก้ไขเล็ก ๆ แต่สำคัญ: ช่วงเวลาทั้งหมดจะต้องแน่นิ่งศูนย์คือ\} IkIk={x:|x|xk}
Alex R.

1
@ amoeba ฉันไม่กังวลเกี่ยวกับความยากลำบากในการพิสูจน์ แต่เกี่ยวกับความเกี่ยวข้องกับสถิติที่ใช้ หากพิจารณาว่าไฮเปอร์แพเรนต์ทำให้ง่ายต่อการแสดงความเกี่ยวข้องดังกล่าวดี หากคุณคิดว่าความไม่เท่าเทียมนี้มีประโยชน์ในทางปฏิบัติเมื่อพิจารณารูปหลายเหลี่ยมโดยพลการเท่านั้นถือว่ายุติธรรมพอสมควร ฉันจะยอมรับคำตอบที่บอกว่า "ถ้าคุณพิจารณาเฉพาะไฮเปอร์เรนเจอร์เท่านั้น GCI ไม่ใช่เครื่องมือที่มีประโยชน์มากสำหรับนักสถิติประยุกต์เพราะ ... แต่ถ้าคุณพิจารณารูปหลายเหลี่ยมโดยพลการมันจะกลายเป็นสิ่งที่เกี่ยวข้องเพราะ ... "
DeltaIV

1
ฉันต้องการที่จะแก้ไขและดูในเอกสารที่มีหลักฐาน แต่ตอนนี้ฉันไม่แน่ใจ 100% อีกต่อไปถ้าไฮเปอร์แพรคติกเป็นกรณีพิเศษ / ง่ายหรือสูตรที่เทียบเท่า ฉันจะทิ้งไว้ก่อนและอาจกลับมาที่นี่ในภายหลัง
อะมีบาพูดว่า Reinstate Monica

1
จุดกึ่งกลางที่จุดกำเนิด (ที่จุดศูนย์กลางอยู่ที่จุดกำเนิดฉันหมายถึงช่วง 1D แต่ละช่วงซึ่งผลิตภัณฑ์คาร์ทีเซียนนิยามไฮเปอร์แพลตต์นั้นเป็นจุดเริ่มต้นสมมาตร) อย่างน้อยกรณีพิเศษ (ฉันไม่รู้ว่ามันเป็น กรณีเทียบเท่า) จากบทความของ arXiv นั้นความไม่เท่าเทียมนั้นใช้ได้กับเซตนูนสมมาตรทุกตัว hyperrectangleเป็นเซตนูนและถ้ามันอยู่กึ่งกลางที่จุดกำเนิดในความหมายที่กำหนดไว้ด้านบนมันก็สมมาตรนั่นคือH Hx=(x1,,xn)HxH
DeltaIV

คำตอบ:


2

ฉันคิดว่าคำถามมีความเกี่ยวข้องมากกว่า ในบางแง่มุมคุณกำลังดูการทดสอบสมมติฐานหลายรายการและเปรียบเทียบกับการทดสอบสมมติฐานหลายชุด

ใช่แน่นอนมีขอบเขตล่างซึ่งเป็นผลคูณของค่า p ของการทดสอบที่สมมติว่าเป็นอิสระ นี่เป็นพื้นฐานสำหรับการปรับค่า p ในการทดสอบหลายสมมติฐานเช่นการปรับ Bonferroni หรือ Holm แต่การปรับ Bonferroni และ Holm (สมมติว่าเป็นอิสระ) เป็นการทดสอบที่ใช้พลังงานต่ำเป็นพิเศษ

เราสามารถทำได้ดีกว่ามากในทางปฏิบัติ (และทำได้ผ่าน Bootstrap ดูตัวอย่างการตรวจสอบความเป็นจริงของ Bootstrap H White เอกสารจาก Romano-Wolf และชุดเอกสารล่าสุดในชุด Model-Confidence) แต่ละเหล่านี้เป็นความพยายามในการทดสอบสมมติฐานพลังงานที่สูงขึ้น (เช่นการใช้ความสัมพันธ์โดยประมาณจะทำได้ดีกว่าเพียงแค่ใช้ขอบเขตล่างนี้) และจึงมีความเกี่ยวข้องมากขึ้น

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