Słyszałem o prawdopodobieństwie empirycznym Owena, ale do niedawna nie zwracałem na to uwagi, dopóki nie natknąłem się na nie w interesującej pracy ( Mengersen i in. 2012 ).
W moich wysiłków, aby zrozumieć, jakie zebrała, że prawdopodobieństwo obserwowanego danych jest reprezentowana jako , gdzie ∑ i p i = 1 oraz p i > 0 .
Nie udało mi się jednak dokonać mentalnego skoku łączącego tę reprezentację z tym, jak można ją wykorzystać do wnioskowania na temat obserwacji. Być może jestem zbyt zakorzeniony w myśleniu o parametrach modelu prawdopodobieństwa wrt?
Niezależnie od tego szukałem w Google Scholar jakiegoś papieru, w którym istnieje prawdopodobieństwo empiryczne, które pomogłoby mi zinternalizować tę koncepcję ... bezskutecznie. Oczywiście jest książka Art Owena na temat empirycznego prawdopodobieństwa , ale Google Books pomija wszystkie pyszne kawałki i wciąż jestem powolny w procesie otrzymywania pożyczki międzybibliotecznej.
W międzyczasie, czy ktoś może uprzejmie wskazać mi dokumenty i dokumenty, które jasno ilustrują przesłankę prawdopodobieństwa empirycznego i sposób jej wykorzystania? Przykładowy opis samego EL byłby również mile widziany!
Odpowiedzi:
Nie mogę wymyślić lepszego miejsca niż książka Owena, aby dowiedzieć się o prawdopodobieństwie empirycznym.
Książka Owena szczegółowo to omawia i zapewnia rozszerzenie bardziej skomplikowanych problemów statystycznych oraz innych interesujących parametrów.
źródło
W ekonometrii wiele zastosowanych artykułów zaczyna się od założenia, że gdzie jest wektorem danych, jest znanym układem równań , a jest nieznanym parametrem . Funkcja pochodzi z modelu ekonomicznego. Celem jest oszacowanie .
Tradycyjne podejście, w ekonometrii, do szacowania i wnioskowania na temat polega na zastosowaniu ogólnej metody momentów: gdzie jest dodatnią, określoną macierzą ważenia, a Dostawcy prawdopodobieństwa empirycznego stanowią alternatywę dla GMM. Chodzi o to, aby wymusić warunek momentu jako ograniczenie przy maksymalizacji prawdopodobieństwa nieparametrycznego. Najpierw napraw a . Następnie rozwiąż zastrzeżeniemθ
Istnieje oczywiście wiele innych powodów, dla których EL zwrócił uwagę w ekonometrii, ale mam nadzieję, że jest to przydatne miejsce początkowe. Modele równości momentów są bardzo powszechne w ekonomii empirycznej.
źródło
W analizie przeżycia krzywa Kaplana-Meiera jest najbardziej znanym nieparametrycznym estymatorem funkcji przeżycia , gdzie oznacza losową zmienną czasu do zdarzenia. Zasadniczo jest uogólnieniem funkcji rozkładu empirycznego, która umożliwia cenzurę. Można go wyprowadzić heurystycznie, jak podano w większości praktycznych podręczników. Ale można go również formalnie wyprowadzić jako estymator największego prawdopodobieństwa (empiryczny). Oto więcej szczegółów .S(t)=Pr(T>t) T S^
źródło