Xây dựng khoảng tin cậy dựa trên khả năng hồ sơ


25

Trong khóa học thống kê sơ cấp của mình, tôi đã học cách xây dựng khoảng tin cậy 95% như trung bình dân số, , dựa trên quy tắc tiệm cận cho các cỡ mẫu "lớn". Ngoài các phương pháp lấy mẫu lại (như bootstrap), còn có một cách tiếp cận khác dựa trên "khả năng hồ sơ" . Ai đó có thể làm sáng tỏ phương pháp này?μ

Trong tình huống nào, CI 95% được xây dựng dựa trên tính bình thường tiệm cận và khả năng hồ sơ có thể so sánh được? Tôi không thể tìm thấy bất kỳ tài liệu tham khảo về chủ đề này, bất kỳ tài liệu tham khảo được đề xuất, xin vui lòng? Tại sao nó không được sử dụng rộng rãi hơn?

Câu trả lời:


23

Nói chung, khoảng tin cậy dựa trên sai số chuẩn phụ thuộc rất nhiều vào giả định về tính chuẩn cho công cụ ước tính. "Khoảng tin cậy khả năng hồ sơ" cung cấp một sự thay thế.

Tôi khá chắc chắn rằng bạn có thể tìm thấy tài liệu cho việc này. Ví dụ, ở đây và tài liệu tham khảo trong đó.

Dưới đây là một tổng quan ngắn gọn.

Giả sử dữ liệu phụ thuộc vào hai (vectơ), và , trong đó được quan tâm và là tham số phiền toái.θδθδ

Khả năng hồ sơ của được xác định bởiθ

Lp(θ)=maxδL(θ,δ)

trong đó là 'khả năng hoàn thành'. không còn phụ thuộc vào vì nó đã được lược tả.L(θ,δ)Lp(θ)δ

Đặt giả thuyết là và thống kê tỷ lệ khả năng làH0:θ=θ0

LR=2(logLp(θ^)logLp(θ0))

trong đó là giá trị của tối đa hóa khả năng hồ sơ .θ^θLp(θ)

"Khoảng tin cậy khả năng hồ sơ" cho bao gồm các giá trị đó mà thử nghiệm không đáng kể.θθ0


3
@ ocram- Cảm ơn đã làm rõ. Có vẻ như phương pháp này đòi hỏi một số tính toán chuyên sâu, tối đa hóa khả năng hồ sơ. Chỉ cần tự hỏi tại sao không chỉ đơn giản là sử dụng phương pháp bootstrap nếu công cụ ước tính không được phân phối bình thường.

2
Bootstrap cũng là một phương pháp tiệm cận và tự tính toán chuyên sâu, vì vậy không phải là câu trả lời tự nhiên nếu bạn muốn tránh tính toán chuyên sâu ...
kjetil b halvorsen 28/215

1
Bạn có thể vui lòng cho tôi biết xác suất bảo hiểm của khoảng tin cậy hồ sơ lớn hơn xác suất bảo hiểm dựa trên tiêu chuẩn tiệm cận bình thường không?
thời gian

1
@time: Tôi không biết ... Tôi đoán nó phụ thuộc vào việc phân phối chuẩn thông thường không có triệu chứng có hợp lệ hay không. Một nghiên cứu mô phỏng nhỏ nên khá dễ dàng để đưa vào để có được cái nhìn sâu sắc.
ocram
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.