W otoczeniu, w którym obserwujemy rozproszone z rozkładu o gęstości , zastanawiam się, czy istnieje obiektywny estymator (oparty na ) odległości Hellingera do innego rozkładu o gęstości , mianowicie
20
W otoczeniu, w którym obserwujemy rozproszone z rozkładu o gęstości , zastanawiam się, czy istnieje obiektywny estymator (oparty na ) odległości Hellingera do innego rozkładu o gęstości , mianowicie
Odpowiedzi:
Dla f nie istnieje żaden obiektywny estymator ani ani H 2H H2 f z dowolnego stosunkowo szerokim nieparametrycznego klasy dystrybucji.
Możemy to pokazać za pomocą pięknie prostego argumentu
Napraw niektóre rozkłady , F i G o odpowiednich gęstościach f 0 , f i g . Niech H ( F ) oznaczają H ( f , f 0 ) , niech H ( X ) jest nieco estymatorem H ( F ), na podstawie n próbek IID x ı ~ F .F0 F G f0 f g H(F) H(f,f0) H^(X) H(F) n Xi∼F
Załóżmy, że H jest obiektywne dla próbek z każdego podziału formy M alfa : = α F + ( 1 - α ) G . Ale potem Q ( α )H^
Now, let's specialize to a reasonable case and show that the correspondingQ is not polynomial.
LetF0 be some distribution which has constant density on [−1,1] : f0(x)=c for all |x|≤1 . (Its behavior outside that range doesn't matter.)
Let F be some distribution supported only on [−1,0] ,
and G some distribution supported only on [0,1] .
Now
Likewise, because1−α−−√BF−1−α−−−−−√BG is also not a polynomial,
there is no estimator for H2 which is unbiased on all of the distributions Mα with finitely many samples.
This excludes pretty much all reasonable nonparametric classes of distributions, except for those with densities bounded below (an assumption nonparametric analyses sometimes make). You could probably kill those classes too with a similar argument by just making the densities constant or something.
źródło
I don't know how to construct (if it exists) an unbiased estimator of the Hellinger distance. It seems possible to construct a consistent estimator. We have some fixed known densityf0 , and a random sample X1,…,Xn from a density f>0 . We want to estimate
źródło