Według (słabego / silnego) prawa dużych liczb, biorąc pod uwagę niektóre punkty próbki iid rozkładu, ich średnia próbka f ∗ ( { x i , i = 1 , … , N } ) : = 1zbieżne ze średnią rozkładu zarówno w prawdopodobieństwie, jak i w miarę, jak wielkość próbkiN idzie do nieskończoności.
Kiedy wielkość próbki jest ustalona, zastanawiam się, czy estymator LLN f ∗ jest w pewnym sensie najlepszym estymatorem? Na przykład,
- jego oczekiwanie jest średnią rozkładu, więc jest obiektywnym estymatorem. Jego wariancja wynosi gdzieσ2jest wariancją rozkładu. Ale czy to UMVU?
czy jest jakaś funkcja taka, że f ∗ ( { x i , i = 1 , … , N } ) rozwiązuje problem minimalizacji: f ∗ ( { x i , i = 1 , … , N } ) = argmin u ∈ R n
Innymi słowy, jest najlepszą opcją dla funkcji kontrastu l 0 w ramach minimalnego kontrastu (por. Rozdział 2.1 „Podstawowa heurystyka estymacji” w „ Statystyka matematyczna: podstawowe idee i wybrane tematy, tom 1 ” Bickle i Doksum).
Na przykład, jeśli rozkład jest znany / ograniczony z rodziny rozkładów Gaussa, wówczas średnia próbki będzie estymatorem MLE średniej rozkładu, a MLE należy do ramy minimalnego kontrastu, a jego funkcja kontrastu jest minus log funkcja wiarygodności.
czy jest jakaś funkcja taka, że f ∗ rozwiązuje problem minimalizacji: f ∗ = argmin f dla każdej dystrybucji P od x i w pewnym rodzinnym F rozkładów?
Innymi słowy, jest najlepszym rozwiązaniem dla niektórych utraconych funkcji 1 i niektórych rodzin F rozkładów w ramach teoretycznych decyzji (por. Sekcja 1.3 „Teoretyczne ramy decyzyjne” w „ Statystyka matematyczna: podstawowe idee i wybrane tematy, tom 1 ” autorstwa Bickle i Doksum).
Zauważ, że powyższe są trzema różnymi interpretacjami dla „najlepszej” oceny, którą znałem do tej pory. Jeśli znasz inne możliwe interpretacje, które mogą mieć zastosowanie do estymatora LLN, nie wahaj się o tym również wspomnieć.
Odpowiedzi:
Estymator minimalnego kontrastu jest, w pewnych warunkach technicznych, zarówno spójny, jak i asymptotycznie normalny. Dla średniej próbki wynika to już z LLN i centralnego twierdzenia granicznego. Nie wiem, czy estymatory minimalnego kontrastu są w jakikolwiek sposób „optymalne”. Zaletą estymatorów minimalnego kontrastu jest to, że wiele solidnych estymatorów (np. Mediana, estymatory Hubera, kwantyle próbne) należą do tej rodziny, i możemy stwierdzić, że są one spójne i asymptotycznie normalne, po prostu stosując ogólne twierdzenie o estymatorach minimalnego kontrastu, więc dopóki sprawdzimy niektóre warunki techniczne (choć często jest to o wiele trudniejsze niż się wydaje).
Jednym pojęciem optymalności, o którym nie wspominasz w pytaniu, jest wydajność, która, z grubsza mówiąc, dotyczy tego, jak duża próbka jest potrzebna do oszacowania określonej jakości. Zobacz http://en.wikipedia.org/wiki/Efficiency_(statistics)#Asymptotic_fficiency w celu porównania wydajności średniej i mediany (średnia jest bardziej wydajna, ale mediana jest bardziej odporna na wartości odstające).
źródło