Пример противоречивой оценки максимального правдоподобия


13

Я читаю комментарий к статье, и автор заявляет, что иногда, даже если оценки (найденные по ОД или максимальному квазиликтуализму) могут быть непоследовательными, сила отношения правдоподобия или теста отношения квази-правдоподобия все еще может сходиться к 1, поскольку число наблюдаемых данных стремится к бесконечности (непротиворечивость теста). Как и когда это происходит? Вы знаете какую-нибудь библиографию?


Что такое LR & QLR?
gung - Восстановить Монику

Проверка отношения правдоподобия и отношения квазилитек;)
Старик в море.

Мощность должна идти до 1 везде, кроме одной точки. То, что у вас не будет, это номинальная частота ошибок типа 1.
Glen_b

@Glen_b, не могли бы вы подробнее рассказать о своем комментарии? Спасибо;)
Старик в море.

@Glen_b, к сожалению, нет, и в вики, похоже, нет записи ...
Старик в море.

Ответы:


10

[Я думаю, что это может быть примером ситуации, обсуждаемой в вашем вопросе.]

Есть многочисленные примеры противоречивых оценок ML. Несоответствие обычно наблюдается с рядом слегка усложненных проблем со смешиванием и проблем с цензурой.

[Непротиворечивость теста в основном заключается только в том, что мощность теста для (фиксированной) ложной гипотезы увеличивается до единицы как .]n

Рэдфорд Нил приводит пример в своей записи в блоге 2008-08-09 « Непоследовательная оценка максимального правдоподобия:« обычный »пример» . Это предполагает оценку параметра в:θ

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

(Нил использует там, где у меня есть ), где оценка ML для будет стремиться к как (и действительно, вероятность может быть намного выше в пике около 0, чем при истинном значении для довольно скромной выборки) размеры). Тем не менее это тот случай, когда есть вершина около истинного значения , она просто меньше, чем около 0.θ θ 0 n θtθθ0nθ

Представьте теперь два случая, относящихся к этой ситуации:

a) выполнение теста отношения правдоподобия против альтернативного ;H 1 : θ < θ 0H0:θ=θ0H1:θ<θ0

б) выполнение теста отношения правдоподобия против альтернативного .H 1 : θ θ 0H0:θ=θ0H1:θθ0

В случае (a) представьте, что истина (так что альтернатива истинна, а - это другая сторона истинной ). Тогда, несмотря на то, что вероятность, очень близкая к 0, превысит вероятность в , вероятность в тем не менее, превышает вероятность в даже в небольших выборках, и отношение будет продолжать расти с ростом , таким образом, чтобы вероятность отклонения в тесте отношения правдоподобия была равна 1. 0 θ θ θ θ 0 n θ<θ00θθθθ0n

Действительно, даже в случае (b), пока является фиксированным и ограниченным от , также должен быть случай, когда отношение правдоподобия будет расти таким образом, чтобы сделать вероятность отклонения в тесте отношения правдоподобия также подход 1. 0θ00

Так что это может показаться примером противоречивой оценки ML, где мощность LRT должна, тем не менее, перейти к 1 (кроме случаев, когда ).θ0=0

[Обратите внимание, что в этом нет ничего такого, чего бы не было в ответе Уубера, который, я думаю, является примером ясности и намного проще для понимания разницы между последовательностью теста и непротиворечивостью оценки. Тот факт, что противоречивая оценка в конкретном примере не была ML, на самом деле не имеет значения, поскольку понимание этой разницы - и привнесение противоречивой оценки, которая является конкретно ML - как я пытался сделать здесь, - на самом деле не меняет объяснение любым существенным способом. Единственный реальный смысл приведенного здесь примера состоит в том, что я думаю, что он решает вашу проблему с использованием оценщика ML.]


Спасибо Глену за твой ответ. У меня все еще есть один вопрос. Дело в том, что обычно в доказательстве того, что предельное распределение LRT является хи-квадратом, предполагается, что оценки ML согласованы. В вашем случае, как бы вы обосновали, что из-за растущего отношения правдоподобия вероятность отклонения становится равной 1, когда предельное распределение неизвестно? Или это известно?
Старик в море.

Все, что вам нужно для того, чтобы статистика теста отношения правдоподобия росла без ограничений, - это чтобы вероятность при значении в числителе росла быстрее, чем в знаменателе. Мое понимание из связанной дискуссии состояло в том, что Нил намекал на это, но я не проверил детали. Я не думаю, что есть веская причина утверждать, что тест имел бы распределение хи-квадрат; Исходя из того небольшого количества информации, которое вы дали в этом вопросе, я предположил, что описанный тест проводится так, как если бы он был асимптотически хи-квадрат, но ... (ctd)θ
Glen_b -Reinstate Monica

(ctd) ... вам нужно спросить автора комментария, который вы описали, так ли это.
Glen_b

На самом деле, то, что я сказал, не совсем правильно, поскольку числитель может расти быстрее, чем знаменатель, но отношение не может расти без границ (в том смысле, что отношение двух может расти, но быть ограниченным). Я должен был сказать что-то вроде «достаточно быстро».
Glen_b

8

Пусть получено из нормального распределения. Рассмотрим оценку(Xn)(μ,1)

T(x1,,xn)=1+x¯=1+1ni=1nxn.

Распределение является нормальным . Это сходится к , показывая, что это противоречиво.T(X1,,Xn)=1+X¯(μ+1,1/n)μ+1μ

Сравнивая нулевую гипотезу к простой альтернативе, скажем , отношение правдоподобия журнала будет точно таким же , как на основе LLR вместо . (По сути, полезен для сравнения нулевой гипотезы с альтернативной гипотезой ) Поскольку тест на основе среднего имеет мощность, сходящуюся к для любого test size и любой размер эффекта, мощность теста с использованием самого также сходится к .μ=μ0μ=μAX¯TTμ+1=μ0+1μ+1=μA+11α>0T1


спасибо за ваш интерес к этому вопросу. Как мы можем в более общей обстановке быть уверенными в последовательности теста? Я искал более общий ответ, а не конкретный случай. А также некоторая библиография, если таковая имеется. Спасибо;)
Старик в море.

Кроме того, я могу ошибаться, но оценка T, похоже, не является оценкой ML. Вопрос в том, «когда у нас есть тестовая последовательность, когда оценки ML или максимальные оценки квазилимкостности не являются последовательными?»
Старик в море.

Я отредактировал вопрос, так как он мог не совсем ясно, что я хотел. Извините;)
Старик в море.
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.