Ví dụ về công cụ ước tính khả năng tối đa không nhất quán


13

Tôi đang đọc một bình luận cho một bài báo, và tác giả nói rằng đôi khi, mặc dù các công cụ ước tính (được tìm thấy bởi ML hoặc quasilikabilities tối đa) có thể không nhất quán, sức mạnh của một tỷ lệ khả năng hoặc kiểm tra tỷ lệ gần như vẫn có thể hội tụ 1 là số lượng dữ liệu quan sát có xu hướng vô cùng (tính nhất quán thử nghiệm). Làm thế nào và khi nào điều này xảy ra? Bạn có biết một số thư mục?


LR & QLR là gì?
gung - Phục hồi Monica

Tỷ lệ khả năng sống và kiểm tra tỷ lệ quasilikabilities;)
Một ông già ở biển.

Quyền lực nên đi đến 1 ở mọi nơi trừ một điểm. Những gì bạn sẽ không có là tỷ lệ lỗi danh nghĩa loại 1.
Glen_b -Reinstate Monica

@Glen_b, bạn có thể vui lòng giải thích thêm về nhận xét của mình không? Cảm ơn;)
Một ông già ở biển.

@Glen_b, tiếc là không, và wiki dường như không có mục nào trên đó ...
Một ông già ở biển.

Câu trả lời:


10

[Tôi nghĩ rằng đây có thể là một ví dụ về loại tình huống đang thảo luận trong câu hỏi của bạn.]

Có rất nhiều ví dụ về các công cụ ước tính ML không nhất quán. Sự không nhất quán thường thấy với một loạt các vấn đề hỗn hợp hơi phức tạp và các vấn đề kiểm duyệt.

[Tính nhất quán của một bài kiểm tra về cơ bản là chỉ là sức mạnh của các thử nghiệm cho một (cố định) giả thuyết tăng lên một khi n .]

Radford Neal đưa ra một ví dụ trong bài viết trên blog của anh ấy về 2008-08-09 Ước tính khả năng tối đa không nhất quán: Một ví dụ thông thường . Nó bao gồm ước lượng của tham số θ in:

X | θ    (1/2)N(0,1) + (1/2)N(θ,exp(1/θ2)2)

(Neal sử dụng nơi tôi có θ ), nơi dự toán ML của θ sẽ có xu hướng 0 như n (và thực sự là khả năng có thể cao hơn ở mức đỉnh gần 0 hơn ở giá trị thực sự cho các kích cỡ mẫu khá khiêm tốn). Tuy nhiên, đó là trường hợp có một đỉnh gần giá trị thựctθθ0n , nó chỉ là nhỏ hơn so với gần 0.θ

Bây giờ hãy tưởng tượng hai trường hợp liên quan đến tình huống này:

a) thực hiện kiểm tra tỷ lệ khả năng của so với phương án H 1 : θ < θ 0H0:θ=θ0H1:θ<θ0 ;

b) thực hiện kiểm tra tỷ lệ khả năng của so với phương án H 1 : θ θ 0H0:θ=θ0H1:θθ0 .

Trong trường hợp (a), hãy tưởng tượng rằng đúng (để thay thế là đúng và 0 là phía bên kia của sự thật θ ). Sau đó, mặc dù thực tế là khả năng rất gần với 0 sẽ vượt qua con tại θ , khả năng tại θ vẫn vượt quá khả năng tại θ 0 thậm chí trong các mẫu nhỏ, và tỷ lệ này sẽ tiếp tục phát triển lớn như n θ<θ00θθθθ0n , trong đó một cách để làm cho xác suất loại bỏ trong thử nghiệm tỷ lệ khả năng đi đến 1.

Thật vậy, ngay cả trong trường hợp (b), miễn là được cố định và giới hạn từ 0θ00 , thì cũng có thể là tỷ lệ khả năng sẽ tăng theo cách để xác suất loại bỏ trong thử nghiệm tỷ lệ khả năng cũng cách tiếp cận 1.

Vì vậy, đây dường như là một ví dụ về ước lượng ML không nhất quán, trong đó sức mạnh của LRT vẫn phải là 1 (trừ khi ).θ0=0

[Lưu ý rằng thực sự không có gì cho điều này chưa có trong câu trả lời của người làm trắng, mà tôi nghĩ là một ví dụ rõ ràng và đơn giản hơn nhiều để hiểu sự khác biệt giữa tính nhất quán kiểm tra và tính nhất quán của công cụ ước tính. Thực tế là công cụ ước tính không nhất quán trong ví dụ cụ thể không phải là ML không thực sự quan trọng đến mức hiểu được sự khác biệt đó - và mang đến một công cụ ước tính không nhất quán mà cụ thể là ML - như tôi đã cố gắng thực hiện ở đây - không thực sự thay đổi giải thích theo bất kỳ cách thực chất nào. Điểm thực sự duy nhất của ví dụ ở đây là tôi nghĩ nó giải quyết mối quan tâm của bạn về việc sử dụng công cụ ước tính ML.]


Cảm ơn Glen cho câu trả lời của bạn. Tôi vẫn còn một câu hỏi. Vấn đề là thông thường trong bằng chứng cho việc phân phối giới hạn LRT là bình phương, người ta cho rằng các công cụ ước tính ML là nhất quán. Trong trường hợp của bạn, làm thế nào bạn có thể biện minh rằng tỷ lệ khả năng tăng lên sẽ làm cho xác suất từ ​​chối lên 1, khi phân phối giới hạn không xác định? Hay nó được biết đến?
Một ông già ở biển.

Tất cả bạn cần có cho khả năng kiểm tra tỷ lệ thống kê tăng trưởng mà không bị ràng buộc là khả năng tại giá trị trong tử số tăng trưởng nhanh hơn so với một trong những mẫu số. Sự hiểu biết của tôi từ các cuộc thảo luận được liên kết là Neal đã ám chỉ nó, nhưng tôi đã không kiểm tra thực tế các chi tiết. Tôi không nghĩ rằng có bất kỳ lý do chính đáng nào để khẳng định bài kiểm tra sẽ có phân phối chi bình phương; giả định của tôi từ những thông tin ít ỏi mà bạn đưa ra trong câu hỏi là bài kiểm tra được mô tả đang được thực hiện như thể nó không có triệu chứng chi bình phương, nhưng ... (ctd)θ
Glen_b -Reinstate Monica

(ctd) ... bạn phải hỏi tác giả của bình luận mà bạn mô tả cho dù đó là ý nghĩa của chúng.
Glen_b -Reinstate Monica

Trên thực tế, những gì tôi nói không hoàn toàn đúng, vì tử số có thể tăng nhanh hơn mẫu số nhưng tỷ lệ không tăng không bị ràng buộc (theo nghĩa là tỷ lệ của hai có thể tăng nhưng bị ràng buộc). Tôi nên nói một cái gì đó như "đủ nhanh hơn".
Glen_b -Reinstate Monica

8

Đặt được rút iid từ phân phối Bình thường ( μ , 1 ) . Xem xét công cụ ước tính(Xn)(μ,1)

T(x1,,xn)=1+x¯=1+1ni=1nxn.

Sự phân bố của là Normal ( μ + 1 , 1 / T(X1,,Xn)=1+X¯. Nó hội tụ đếnμ+1μ(μ+1,1/n)μ+1μ , cho thấy nó không phù hợp.

Khi so sánh một giả thuyết đến một giải pháp đơn giản, nói μ = μ A , tỷ lệ log likelihood sẽ được chính xác giống như các LLR dựa trên ˉ X thay vì T . (Trong thực tế, T là hữu ích để so sánh giả thuyết μ + 1 = μ 0 + 1 với giả thuyết thay thế μ + 1 = μ A + 1 ). Kể từ khi thử nghiệm dựa trên giá trị trung bình có sức mạnh hội tụ để 1 đối với bất kỳ kích thước kiểm tra αμ=μ0μ=μAX¯TTμ+1=μ0+1μ+1=μA+11 và bất kỳ kích thước hiệu ứng nào, sức mạnh của phép thử sử dụngchính T cũng hội tụ thành 1 .α>0T1


cảm ơn bạn đã quan tâm đến câu hỏi này Làm thế nào chúng ta có thể trong một thiết lập tổng quát hơn, chắc chắn về tính nhất quán của bài kiểm tra? Tôi đang tìm kiếm một câu trả lời tổng quát hơn, và không phải là một trường hợp cụ thể. Và cũng có một số thư mục nếu có. Cảm ơn;)
Một ông già ở biển.

Ngoài ra, tôi có thể sai, nhưng công cụ ước tính T dường như không phải là công cụ ước tính ML. Câu hỏi đặt ra là «khi nào chúng ta có tính nhất quán kiểm tra, khi các công cụ ước tính ML hoặc công cụ ước tính khả năng tối đa không nhất quán?»
Một ông già ở biển.

Tôi đã chỉnh sửa câu hỏi, vì nó có thể không rõ ràng những gì tôi muốn. Xin lỗi;)
Một ông già ở biển.
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.