Công cụ ước lượng không thiên vị về số mũ của tập hợp?


12

Giả sử chúng ta có một bộ (có thể đo lường được và hoạt động tốt phù hợp) , trong đó nhỏ gọn. Hơn nữa, giả sử chúng ta có thể vẽ các mẫu từ phân phối đồng đều trên , hãy đo số đo Lebesgue và chúng ta biết số đo . Ví dụ, có lẽ là một hộp chứa .SBRnBBλ()λ(B)B[c,c]nS

Đối với cố định , có cách đơn giản nào để ước tính bằng cách lấy mẫu các điểm trong và kiểm tra xem chúng có ở trong hay ngoài không?αReαλ(S)BS

Ví dụ về một cái gì đó không hoạt động tốt, giả sử chúng tôi lấy mẫu điểm . Sau đó, chúng ta có thể sử dụng ước tính Monte Carlo Nhưng, trong khi là một công cụ ước tính không thiên vị của , tôi không nghĩ đó là trường hợp mà là một công cụ ước tính không thiên vị của . Có cách nào để sửa đổi thuật toán này?kp1,,pkUniform(B)

λ(S)λ^:=#{piS}kλ(B).
Bước sóng bước sóng(S)e-alpha bước sóng điện tử-alphabước sóng(S)λ^λ(S)eαλ^eαλ(S)

Câu trả lời:


11

Giả sử rằng bạn có sẵn các tài nguyên sau:

  1. Bạn có quyền truy cập vào công cụ ước tính .λ^
  2. λ^ không thiên vị cho .λ(S)
  3. λ^ gần như chắc chắn bị chặn trên bởi .C
  4. Bạn biết hằng số , vàC
  5. Bạn có thể hình thành nhận thức độc lập về bao nhiêu lần tùy thích.λ^

Bây giờ, lưu ý rằng với bất kỳ , các lần giữ sau (theo bản mở rộng Taylor của ):u>0expx

eαλ(S)=eαCeα(Cλ(S))=eαCk0(α[Cλ(S)])kk!=eαCeuk0eu(α[Cλ(S)])kk!=euαCk0ukeuk!(α[Cλ(S)]u)k

Bây giờ, làm như sau:

  1. Mẫu .KPoisson(u)
  2. Biểu mẫu vì tôi ước tính không thiên vị của .λ^1,,λ^Kλ(S)
  3. Trả lại công cụ ước tính

Λ^=euαC(αu)Ki=1K{Cλ^i}.

Λ^ bước sóng(S) sau đó là một công cụ ước tính không âm, không thiên vị của . Đây là vìλ(S)

E[Λ^|K]=euαC(αu)KE[i=1K{Cλ^i}|K]=euαC(αu)Ki=1KE[Cλ^i]=euαC(αu)Ki=1K[Cλ(S)]=euαC(αu)K[Cλ(S)]K

và như vậy

E[Λ^]=EK[E[Λ^|K]]=EK[euαC(αu)K[Cλ(S)]K]=euαCk0P(K=k)(αu)K[Cλ(S)]K=euαCk0ukeuk!(α[Cλ(S)]u)k=eαλ(S)

bằng cách tính toán trước đó.


Hấp dẫn! Không phải công cụ ước tính cho được mô tả trong câu hỏi ở đây, vì nó được giới hạn ở trên bởi ? Ngoài ra, tại sao điều này không mâu thuẫn với câu trả lời của @whuber bên dưới? Có một lập luận dễ dàng tại sao điều này là không thiên vị? Xin lỗi vì nhiều câu hỏi, lý thuyết xác suất của tôi rất yếu :-)λ^λ(B)<
Justin Solomon

1
Công cụ ước tính mà bạn mô tả hoạt động, vì bạn biết . Tôi nghĩ rằng điều này không mâu thuẫn với câu trả lời khác vì giả định ; được cấp quyền truy cập hữu hạn vào các công cụ ước tính không thiên vị, tôi không nghĩ rằng công trình này sẽ hoạt động. Sự không thiên vị đến bằng cách so sánh kỳ vọng của với chuỗi sức mạnh ở trên; Tôi sẽ làm cho nó rõ ràng hơn trong câu trả lời. λ(B)5Λ^
πr8

Bạn có chắc chắn rằng bạn có thể trao đổi sản phẩm và kỳ vọng trong dòng thứ hai của bằng chứng về sự không thiên vị?
jbowman

2
Có vẻ như nó ổn vì họ đã tính iid, phải không?
Justin Solomon

2
+1 Tôi nghĩ rằng đây là một ví dụ thú vị và mang tính hướng dẫn. Nó thành công bằng cách không đưa ra một giả định ngầm định cho câu trả lời của tôi: rằng cỡ mẫu được chỉ định hoặc ít nhất là bị ràng buộc.
whuber

10

Câu trả lời là trong tiêu cực.

Một thống kê đầy đủ cho một mẫu thống nhất là số của các điểm được quan sát nằm trong Số này có phân phối Binomial . Viết vàXS.(n,λ(S)/λ(B))p=λ(S)/λ(B)α=αλ(B).

Đối với kích thước mẫu là hãy để là bất kỳ công cụ ước tính (không thương hiệu) nào của Kỳ vọng làn,tnexp(αλ(S))=exp((αλ(B))p)=exp(αp).

E[tn(X)]=x=0n(nx)px(1p)nxtn(x),

bằng một đa thức bậc của nhiều nhất trong Nhưng nếu thì hàm mũ không thể được biểu thị dưới dạng đa thức trong (Một bằng chứng: lấy các đạo hàm Kết quả cho kỳ vọng sẽ bằng 0 nhưng đạo hàm của hàm mũ, bản thân nó là một số mũ trong không thể bằng 0.)np.αp0,exp(αp)p.n+1p,

Trình diễn cho các công cụ ước tính ngẫu nhiên gần như giống nhau: khi lấy kỳ vọng, chúng ta lại nhận được một đa thức trongp.

Do đó, không có ước tính không thiên vị tồn tại.


1
Ah, đó là một downer! Cảm ơn bằng chứng tốt đẹp. Nhưng, loạt Taylor cho hội tụ khá nhanh --- có lẽ có một công cụ ước tính "gần như không thiên vị" ngoài kia? Không chắc điều đó có nghĩa là gì (Tôi không phải là một nhà thống kê :-))exp(t)
Justin Solomon

Làm thế nào nhanh chóng, chính xác? Câu trả lời phụ thuộc vào giá trị của - và vấn đề nằm ở chỗ bạn, vì bạn không biết giá trị đó là gì. Bạn chỉ biết rằng nó nằm trong khoảng từ đến Bạn có thể sử dụng điều đó để thiết lập một ràng buộc về sự thiên vị nếu bạn muốn. 0 α .αp0α.
whuber

Trong ứng dụng của tôi, tôi hy vọng để chiếm một phần lớn của . Tôi muốn sử dụng giá trị này trong tỷ lệ chấp nhận giả đô-đô-la giả, không chắc phương pháp đó có thể xử lý các mức độ thiên vị có thể kiểm soát được không ...BSB
Justin Solomon

4
BTW Tôi thực sự đánh giá cao suy nghĩ của bạn về câu trả lời khác cho câu hỏi này!
Justin Solomon
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.