อะไรคือข้อเสียของความน่าจะเป็นของโปรไฟล์?


19

พิจารณาเวกเตอร์ของพารามิเตอร์โดยมีพารามิเตอร์ที่น่าสนใจและ a พารามิเตอร์ที่สร้างความรำคาญθ 1 θ 2(θ1,θ2)θ1θ2

หากเป็นโอกาสที่สร้างขึ้นจากข้อมูลความน่าจะเป็นของโปรไฟล์สำหรับถูกกำหนดเป็นที่เป็น MLE ของสำหรับค่าคงที่ของ\x θ 1 L P ( θ 1 ; x ) = L ( θ 1 , θ 2 ( θ 1 ) ; x ) θ 2 ( θ 1 ) θ 2 θ 1L(θ1,θ2;x)xθ1LP(θ1;x)=L(θ1,θ^2(θ1);x)θ^2(θ1)θ2θ1

เพิ่มความน่าจะเป็นรายละเอียดที่เกี่ยวกับนำไปสู่การประมาณการเดียวกันเป็นหนึ่งที่ได้รับโดยการเพิ่มความเป็นไปได้พร้อม ๆ กันด้วยความเคารพและ\θ 1 θ 1 θ 2θ1θ^1θ1θ2

ฉันคิดว่าค่าเบี่ยงเบนมาตรฐานของอาจถูกประเมินจากอนุพันธ์อันดับสองของความน่าจะเป็นของโปรไฟล์θ^1

สถิติความน่าจะเป็นสำหรับสามารถเขียนได้ในแง่ของความน่าจะเป็นของโปรไฟล์:x)}) L R = 2 บันทึก( L P (H0:θ1=θ0LR=2log(LP(θ^1;x)LP(θ0;x))

ดังนั้นดูเหมือนว่าโปรไฟล์ความน่าจะเป็นสามารถใช้งานได้เหมือนกับว่ามันเป็นโอกาสที่แท้จริง เป็นกรณีจริงเหรอ? อะไรคือข้อเสียเปรียบหลักของวิธีการนั้น? และสิ่งที่เกี่ยวกับ 'ข่าวลือ' ที่ตัวประมาณที่ได้จากความน่าจะเป็นของโปรไฟล์นั้นมีอคติ (แก้ไข: แม้จะไม่แสดงอาการ)


2
แค่ทราบตัวประมาณจากความน่าจะเป็นยังสามารถลำเอียงตัวอย่างคลาสสิกคือการประมาณค่าความแปรปรวนของโอกาสสำหรับตัวอย่างปกติ
mpiktas

@mpiktas: ขอบคุณสำหรับความคิดเห็นของคุณ แท้จริง mle คลาสสิกยังสามารถลำเอียง ฉันจะแก้ไขคำถามเพื่อทำให้สิ่งต่าง ๆ ชัดเจนยิ่งขึ้น
ocram

อคติเชิงซ้อนคืออะไร? คุณกำลังพูดถึงตัวประมาณที่ไม่สอดคล้องกันหรือไม่?
mpiktas

@mpiktas: ใช่นี่คือสิ่งที่ฉันควรจะพูด ...
ocram

คำตอบ:


14

ค่าประมาณของจากความน่าจะเป็นของโปรไฟล์เป็นเพียง MLE การขยายด้วยความเคารพสำหรับแต่ละที่เป็นไปได้และจากนั้นการขยายด้วยความเคารพจะเหมือนกับการขยายใหญ่สุดที่เกี่ยวข้องกับร่วมกันθ 2 θ 1 θ 1 ( θ 1 , θ 2 )θ1θ2θ1θ1(θ1,θ2)

จุดอ่อนที่สำคัญคือถ้าคุณประเมินค่าของ SE ของบนความโค้งของความเป็นไปได้ของโปรไฟล์คุณจะไม่รับผิดชอบต่อความไม่แน่นอนในอย่างเต็มที่θ2θ^1θ2

McCullagh และ Nelder โมเดลเชิงเส้นทั่วไปรุ่นที่ 2มีส่วนสั้น ๆ เกี่ยวกับความน่าจะเป็นของโปรไฟล์ (วินาที 7.2.4, pgs 254-255) พวกเขาพูดว่า:

[A] ชุดความมั่นใจแบบ pproximate อาจได้รับตามปกติ .... ช่วงความเชื่อมั่นดังกล่าวมักจะเป็นที่น่าพอใจหาก [มิติของ ] มีขนาดเล็กเมื่อเทียบกับข้อมูลทั้งหมดของชาวประมง แต่มีแนวโน้มที่จะทำให้เข้าใจผิดอย่างอื่น .. .. น่าเสียดายที่ [โอกาสในการบันทึกโปรไฟล์] ไม่ใช่ฟังก์ชั่นบันทึกความเป็นไปได้ในแง่ปกติ สิ่งที่เห็นได้ชัดที่สุดคืออนุพันธ์ของมันไม่มีค่าเฉลี่ยเป็นศูนย์ซึ่งเป็นคุณสมบัติที่จำเป็นสำหรับการประมาณสมการθ2


ขอบคุณมากสำหรับคำตอบของคุณ. ก่อนที่จะยอมรับฉันขออะไรเพิ่มเติม อะไรคือความหมายของ ? ElP(θ1)θ10
ocram

คำถามที่น่าสนใจแม้ว่าจะต้องเดินทางไปที่ชั้นวางหนังสือ (ซึ่งฉันควรจะทำต่อไป) ฉันได้เพิ่มเล็กน้อยในคำตอบของฉันในจุดนี้
Karl

ขอบคุณมากสำหรับการแก้ไข ได้มีการกล่าวว่าทรัพย์สิน (คะแนนที่ประเมินที่ค่าพารามิเตอร์จริงมีค่าเป็นศูนย์) เป็นสิ่งจำเป็นสำหรับการประเมินสมการ แต่ถึงแม้ว่าโอกาสในการบันทึกโปรไฟล์จะไม่สมบูรณ์ตามคุณสมบัตินั้นมันจะสร้าง MLE มีอะไรที่ฉันคิดถึงไหม
ocram

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