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
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 2 z dowolnego stosunkowo szerokim nieparametrycznego klasy dystrybucji.
Możemy to pokazać za pomocą pięknie prostego argumentu
Bickel and Lehmann (1969). Bezstronna ocena w rodzinach wypukłych . The Annals of Mathematical Statistics, 40 (5) 1523–1535. ( euclid projektu )
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 .
Załóżmy, że H jest obiektywne dla próbek z każdego podziału formy M alfa : = α F + ( 1 - α ) G . Ale potem Q ( α )
Now, let's specialize to a reasonable case and show that the corresponding is not polynomial.
Let be some distribution which has constant density on : for all . (Its behavior outside that range doesn't matter.) Let be some distribution supported only on , and some distribution supported only on .
Now
is not a polynomial of any finite degree. Thus, no estimator can be unbiased for on all of the distributions with finitely many samples.
Likewise, because is also not a polynomial, there is no estimator for which is unbiased on all of the distributions 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.
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 density , and a random sample from a density . We want to estimate