В чем логика метода моментов?


21

Почему в «Методе моментов» мы приравниваем выборочные моменты к моментам совокупности для нахождения оценщика точек?

Где за этим стоит логика?


2
Было бы неплохо, если бы в нашем сообществе был физик, чтобы заняться этим.
Mugen

4
@ Муген, я не вижу никакого отношения к физике.
Аксакал

2
@Aksakal они тоже используют моменты функций в физике, и всегда приятно, когда кто-то проводит параллель для лучшей интерпретации.
Mugen

1
Как упомянуто в этом ответе , закон больших чисел обеспечивает обоснование (хотя и асимптотическое) для оценки момента населенности по выборочному моменту, что приводит к (часто) простым, последовательным оценкам
Glen_b -Reinstate Monica

Разве не вся идея состоит в том, чтобы представлять параметры с помощью моментов? Например, если вы попытаетесь оценить параметр распределения Пуассона, найдя среднее значение (первый момент), вы можете использовать его в качестве оценки для вашего параметра лямбда.
denis631

Ответы:


14

Выборка, состоящая из реализаций от одинаково и независимо распределенных случайных величин, является эргодической. В таком случае «выборочные моменты» являются последовательными оценками теоретических моментов общего распределения, если теоретические моменты существуют и являются конечными. n

Это означает, что

(1)μ^k(n)=μk(θ)+ek(n),ek(n)p0

Таким образом, приравнивая теоретический момент с соответствующим моментом выборки, мы имеем

μ^К(N)знак равноμК(θ)θ^(N)знак равноμК-1(μ^К(N))знак равноμК-1[μК(θ)+еК(N)]

Так ( не зависит от ) nμКN

Plimθ^(N)знак равноPlim[μК-1(μК(θ)+еК)]знак равноμК-1(μК(θ)+PlimеК(N))

знак равноμК-1(μК(θ)+0)знак равноμК-1μК(θ)знак равноθ

Таким образом, мы делаем это, потому что мы получаем непротиворечивые оценки для неизвестных параметров.


что значит "плим"? Я не знаком с "p" в еК(N)п0
пользователь 31466

предел вероятности @leaf
Алекос Пападопулос

Что бы произошло, если бы это был обычный предел вместо предела вероятности?
пользователь 31466

Это говорит нам о том, что оценщик становится константой, а не вероятностно стремится к одному. Возможно, вам стоит поискать способы сходимости случайных величин, в Википедии есть достойное введение, en.wikipedia.org/wiki/Convergence_of_random_variables
Alecos Papadopoulos

1
@AlecosPapadopoulos Согласен. Тогда мне интересно, имеет ли смысл помещать что-то простое, например, "... и при определенных условиях "? μК
Джером Баум

12

Эконометрики называют это «принципом аналогии». Вы вычисляете среднее население как ожидаемое значение относительно распределения населения; Вы вычисляете оценку как ожидаемое значение по отношению к распределению выборки, и оно оказывается средним по выборке. У вас есть унифицированное выражение в которое вы подключаете либо совокупность , скажем или образец , так что является группой дельты -функции и интеграл (по Лебегу) поF ( x ) F ( x ) = x 1

Т(F)знак равноT(Икс)dF(Икс)
F(Икс)F n ( x ) = 1F(Икс)знак равноИкс12πσ2ехр[-(U-μ)22σ2]dUdFn(x)dFn(x)1FN(Икс)знак равно1NΣязнак равно1N1{ИксяИкс}dFN(Икс)dFN(Икс)это пример суммы . Если ваш функционал (слабо) дифференцируем и сходится в соответствующем смысле к , то легко установить, что оценка непротиворечива, хотя, конечно, нужно больше шуток для получить, скажем, асимптотическую нормальность.T()Fn(x)F(x)1NΣязнак равно1NT(Икся)Т()FN(Икс)F(Икс)

1
Я не слышал, чтобы это называлось «принципом аналогии», но на самом деле это часто используемый шаблон эконометрического анализа: включайте оценщик выборки всякий раз, когда параметр совокупности необходим, но неизвестен.
Аксакал

@Aksakal: «подключайте образец оценщика всякий раз, когда параметр совокупности необходим, но неизвестен». разве этот подход не называется статистикой?
user603

@ user603: Нет, нет. Существуют и другие альтернативные подходы, и оценки плагинов могут быть плохими.
kjetil b halvorsen
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.