Pytania otagowane jako consistency

Odnosi się ogólnie do właściwości procedury statystycznej, aby przejść do „właściwego” miejsca, ponieważ wielkość próby dąży do nieskończoności, głównie odnosząc się do estymatorów zbieżnych do prawdziwej wartości parametru, gdy wielkości próby się różnią. Użyj również dla spójności Fishera, właściwości, według której estymator zastosowany do całej populacji daje prawidłową odpowiedź.


1
Czy istnieje wynik, który zapewnia, że ​​bootstrap jest prawidłowy tylko wtedy, gdy statystyki są płynne?
W całym założeniu nasza statystyka jest funkcją niektórych danych która jest pobierana z funkcji dystrybucyjnej ; funkcja rozkładu empirycznego naszej próbki to . Więc to statystyka postrzegana jako zmienna losowa, a to wersja statystyki ładowania początkowego. Używamy jako odległości KSθ(⋅)θ(⋅)\theta(\cdot)X1,…XnX1,…XnX_1, \ldots X_nF θ ( F ) θ ( M ) …

1
Czy niespójne estymatory są kiedykolwiek preferowane?
Spójność jest oczywiście naturalnym i ważnym estymatorem nieruchomości, ale czy są sytuacje, w których lepiej byłoby zastosować niespójny estymator niż spójny? Mówiąc dokładniej, czy istnieją przykłady niespójnego estymatora, który przewyższa rozsądny spójny estymator dla wszystkich skończonych (w odniesieniu do jakiejś odpowiedniej funkcji straty)?nnn


3
Asymptotyczna spójność z niezerową wariancją asymptotyczną - co ona reprezentuje?
Problem pojawił się wcześniej, ale chcę zadać konkretne pytanie, które będzie próbowało uzyskać odpowiedź, która wyjaśni (i sklasyfikuje): W „Asymptotics Poor Man” zachowuje się wyraźne rozróżnienie (a) sekwencja zmiennych losowych, która zbiega się w prawdopodobieństwie do stałej w przeciwieństwie do (b) sekwencja zmiennych losowych, która jest zbieżna w prawdopodobieństwie ze …


4
Dlaczego potrzebujemy estymatora, aby był spójny?
Myślę, że zrozumiałem już matematyczną definicję spójnego estymatora. Popraw mnie, jeśli się mylę: WnWnW_n jest spójnym estymatorem dlaθθ\theta jeśli∀ϵ>0∀ϵ>0\forall \epsilon>0 limn→∞P(|Wn−θ|>ϵ)=0,∀θ∈Θlimn→∞P(|Wn−θ|>ϵ)=0,∀θ∈Θ\lim_{n\to\infty} P(|W_n - \theta|> \epsilon) = 0, \quad \forall\theta \in \Theta Gdzie jest przestrzenią parametryczną. Ale chcę zrozumieć, że estymator musi być spójny. Dlaczego niespójny estymator jest zły? Czy możesz …

1
Dlaczego definicja spójnego estymatora jest taka, jaka jest? Co z alternatywnymi definicjami spójności?
Cytat z wikipedii: W statystyce spójny estymator lub asymptotycznie spójny estymator jest estymatorem - regułą obliczania szacunków parametru mając właściwość, że wraz ze wzrostem liczby wykorzystywanych punktów danych w nieskończoność wzrasta wynikowa sekwencja estymacji z prawdopodobieństwem do .θ ∗θ∗θ∗θ^*θ∗θ∗θ^* Aby uczynić tę instrukcję precyzyjną, niech będzie wartością prawdziwego parametru, który …

2
Przykład niespójnego estymatora maksymalnego prawdopodobieństwa
Czytam komentarz do artykułu, a autor stwierdza, że ​​czasami, mimo że estymatory (znalezione przez ML lub maksymalne quasilikelihood) mogą nie być spójne, moc testu ilorazu wiarygodności lub quasi-ilorazu wiarygodności może nadal być zbieżna z 1, ponieważ liczba obserwowanych danych dąży do nieskończoności (spójność testu). Jak i kiedy to się dzieje? …

1
Jaka jest różnica między asymptotyczną bezstronnością a konsekwencją?
Czy każda z nich implikuje drugą? Jeśli nie, to czy jedno implikuje drugie? Dlaczego? Dlaczego nie? Ten problem pojawił się w odpowiedzi na komentarz do zamieszczonej tutaj odpowiedzi . Chociaż wyszukiwanie w Google odpowiednich haseł nie dało nic, co wydawałoby się szczególnie przydatne, zauważyłem odpowiedź na temat wymiany stosów matematycznych. …

2
Obliczanie spójności strzelania do NBA
Jaki byłby właściwy sposób oceny / ustalenia 3-punktowej spójności strzelania przez gracza NBA? Na przykład mam gracza, który strzela 37% z 3-punktowego zasięgu i podejmuje 200 prób przez cały rok. Zastanawiałem się nad zrobieniem ruchomej średniej 3-punktowej% dowolnej liczby strzałów (powiedzmy 20). Następnie za pomocą tych średnich określ standardowe odchylenie …

1
Twierdzenie o braku obiadu i zgodność K-NN
W uczeniu obliczeniowym twierdzenie NFL stwierdza, że ​​nie ma uniwersalnego ucznia. Dla każdego algorytmu uczenia się istnieje rozkład, który powoduje, że uczeń wysyła hipotezę z dużym błędem, z dużym prawdopodobieństwem (choć istnieje hipoteza o niskim błędzie). Wniosek jest taki, że aby się uczyć, klasa hipotez lub dystrybucje muszą być ograniczone. …

2
Założenia dotyczące najmniejszych kwadratów
Załóżmy następującą zależność liniową: , gdzie jest zmienną zależną, pojedynczą zmienną niezależną, a termin błędu.Yi=β0+β1Xi+uiYi=β0+β1Xi+uiY_i = \beta_0 + \beta_1 X_i + u_iYiYiY_iXiXiX_iuiuiu_i Według Stock &amp; Watson (Wprowadzenie do ekonometrii; Rozdział 4 ), trzecim najmniejszym kwadratem jest założenie, że czwarte momenty i są niezerowe i skończone .XiXiX_iuiuiu_i(0&lt;E(X4i)&lt;∞ and 0&lt;E(u4i)&lt;∞)(0&lt;E(Xi4)&lt;∞ and 0&lt;E(ui4)&lt;∞)(0<E(X_i^4)<\infty …

Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.