Tôi đang cố gắng chứng minh rằng ma trận thông tin quan sát được đánh giá ở công cụ ước tính khả năng tối đa nhất quán yếu (MLE), là một công cụ ước tính nhất quán yếu của ma trận thông tin dự kiến. Đây là một kết quả được trích dẫn rộng rãi nhưng không ai đưa ra một tài liệu tham khảo hoặc bằng chứng (tôi đã hết tôi nghĩ rằng 20 trang đầu tiên của kết quả google và sách giáo khoa thống kê của tôi)!
Sử dụng một chuỗi MLE phù hợp yếu, tôi có thể sử dụng định luật yếu về số lượng lớn (WLLN) và định lý ánh xạ liên tục để có được kết quả mà tôi muốn. Tuy nhiên tôi tin rằng định lý ánh xạ liên tục không thể được sử dụng. Thay vào đó tôi nghĩ rằng luật thống nhất về số lượng lớn (ULLN) cần được sử dụng. Có ai biết một tài liệu tham khảo có bằng chứng về điều này? Tôi có một nỗ lực tại ULLN nhưng bây giờ bỏ qua nó cho ngắn gọn.
Tôi xin lỗi về độ dài của câu hỏi này nhưng ký hiệu phải được giới thiệu. Ký hiệu là như mọi người (bằng chứng của tôi là ở cuối).
Giả sử chúng ta có một mẫu iid của các biến ngẫu nhiên với mật độ , trong đó (ở đây chỉ là một biến ngẫu nhiên chung có cùng mật độ với bất kỳ thành viên nào trong mẫu). Vectơ là vectơ của tất cả các vectơ mẫu trong đó cho tất cả . Giá trị tham số thực của mật độ là và là công cụ ước tính khả năng tối đa nhất quán (MLE) củaθ N ( Y ) q 0. Theo các điều kiện đều đặn, ma trận Thông tin Fisher có thể được viết là
trong đó là ma trận Hessian. Mẫu tương đương là
trong đó . Ma trận thông tin quan sát được là;
,
(một số người yêu cầu ma trận được đánh giá tại nhưng một số thì không). Mẫu ma trận thông tin quan sát là;
trong đó .
Tôi có thể chứng minh sự hội tụ về xác suất của công cụ ước tính với , nhưng không phải là đến . Đây là bằng chứng của tôi cho đến nay;
Bây giờ là phần tử của , với bất kỳ . Nếu mẫu là iid, thì theo định luật yếu của số lượng lớn (WLLN), trung bình của các phép triệu hồi này hội tụ xác suất đến . Do đó cho tất cả , và vì vậy . Thật không may, chúng ta không thể đơn giản kết luận ( r , s ) J N ( θ ) r , s = 1 , ... , k - E θ [ ( H θ ( log f ( N - 1 ( J N ( θ ) ) r s P → ( I ( θ ) ) r s r , s = 1 , ... , k N N - 1 J N ( θ N (Y)) P → Tôi( θ 0 )bằng cách sử dụng định lý ánh xạ liên tục vì không cùng chức năng với .Tôi ( ⋅ )
Bất kì sự giúp đỡ nào trong việc này đều rất được trân trọng.