Оценка минимального расстояния - Minimum-distance estimation
Оценка минимального расстояния ( MDE ) - это концептуальный метод подгонки статистической модели к данным, обычно это эмпирическое распределение . Часто используемые оценки, такие как обычные методы наименьших квадратов, можно рассматривать как частные случаи оценки минимального расстояния.
Хотя оценки минимального расстояния являются согласованными и асимптотически нормальными , они обычно не являются статистически эффективными по сравнению с оценками максимального правдоподобия , поскольку они опускают якобиан, обычно присутствующий в функции правдоподобия . Однако это существенно снижает вычислительную сложность задачи оптимизации.
Определение
Позвольте быть независимой и одинаково распределенной (iid) случайной выборкой из совокупности с распределением и .
Позвольте быть эмпирической функцией распределения на основе выборки.
Позвольте быть оценкой для . Тогда это оценщик для .
Пусть будет функционалом, возвращающим некоторую меру «расстояния» между двумя аргументами . Функционал еще называют целевой функцией.
Если существует такое , что , то называется оценку минимального расстояния от .
( Дроссос и Филиппу 1980 , стр.121 )
Статистика, используемая в оценке
Большинство теоретических исследований оценки минимального расстояния, и большинство приложений, использовать меры «расстояния» , которые лежат в основе уже установленное СОГЛАСИЕ тестов: тест статистика используется в одном из этих испытаний используются в качестве меры расстояния , чтобы быть сведен к минимуму. Ниже приведены некоторые примеры статистических тестов, которые использовались для оценки минимального расстояния.
Критерий хи-квадрат
В хи-квадрате тест использует в качестве критерия суммы, более чем предварительно определенных групп, от квадрата разности между увеличением эмпирического распределения и предполагаемым распределением, взвешенным с увеличением оценки для этой группы.
Критерий Крамера – фон Мизеса
Критерий Крамер-Мизес используется интеграл от квадрата разности между эмпирическим и расчетными функциями распределения ( Parr & Schucany 1980 , стр. 616).
Критерий Колмогорова – Смирнова.
Тест Колмогорова-Смирнова использует супремум от абсолютной разности между эмпирическим и расчетными функциями распределения ( Parr & Schucany 1980 , стр. 616).
Критерий Андерсона – Дарлинга
Тест Андерсона – Дарлинга похож на критерий Крамера – фон Мизеса, за исключением того, что интеграл представляет собой взвешенную версию квадрата разности, где взвешивание связывает дисперсию эмпирической функции распределения ( Parr & Schucany 1980 , p. 616).
Теоретические результаты
Теория оценки минимального расстояния связана , что для асимптотического распределения соответствующей статистической СОГЛАСИИ испытаний. Часто случаи критерия Крамера-Мизеса , то тест Колмогорова-Смирнова и тест Андерсона-Дарлинга обрабатываются одновременно путем обработки их как частные случаи более общей формулировке меры расстояния. Примеры имеющихся теоретических результатов: согласованность оценок параметров; асимптотические ковариационные матрицы оценок параметров.
Смотрите также
использованная литература
- Боос, Деннис Д. (1982). «Минимальная оценка Андерсона». Коммуникации в статистике - теория и методы . 11 (24): 2747–2774. DOI : 10.1080 / 03610928208828420 . S2CID 119812213 .
- Блит, Колин Р. (июнь 1970 г.). «О моделях вывода и принятия решений в статистике» . Летопись математической статистики . 41 (3): 1034–1058. DOI : 10.1214 / АОМ / 1177696980 .
- Дроссос, Константин А .; Филиппу, Андреас Н. (декабрь 1980 г.). «Примечание об оценках минимального расстояния». Летопись Института статистической математики . 32 (1): 121–123. DOI : 10.1007 / BF02480318 . S2CID 120207485 .
- Парр, Уильям С .; Шукани, Уильям Р. (1980). «Минимальное расстояние и робастная оценка». Журнал Американской статистической ассоциации . 75 (371): 616–624. CiteSeerX 10.1.1.878.5446 . DOI : 10.1080 / 01621459.1980.10477522 . JSTOR 2287658 .
- Вулфовиц, Дж. (Март 1957 г.). «Метод минимального расстояния» . Летопись математической статистики . 28 (1): 75–88. DOI : 10.1214 / АОМ / 1177707038 .