Коррекция Фёрта эквивалентна указанию априорного значения Джеффри и поиску способа последующего распределения. Грубо говоря, он добавляет половину наблюдения к набору данных, предполагая, что истинные значения параметров регрессии равны нулю.
Работа Ферта является примером асимптотики высшего порядка. Нулевой порядок, так сказать, обеспечивается законами больших чисел: в больших выборках где - истинное значение. Возможно, вы узнали, что MLE асимптотически нормальны, примерно потому, что они основаны на нелинейных преобразованиях сумм переменных iid (баллов). Это приближение первого порядка: где - это нормальная переменная с нулевым средним и дисперсией (или матрицей var-cov), которая является обратной информацией Фишера для одного наблюдения. Статистика теста отношения правдоподобия асимптотическиthetas0thetasп=thetas0+О(п-θ^n≈θ0θ0θn=θ0+O(n−1/2)=θ0+v1n−1/2+o(n−1/2)v1σ21n(θ^n−θ0)2/σ21∼χ21 или какими бы то ни было многомерное расширение внутренних произведений и обратных ковариационных матриц.
Асимптотика более высокого порядка пытается узнать что-то об этом следующем слагаемом , обычно путем выявления следующего слагаемого . Таким образом, оценки и статистика тестов могут включать небольшие выборочные отклонения порядка (если вы видите статью с надписью «у нас беспристрастные MLE», эти люди, вероятно, не знают, о чем говорят). Наиболее известной коррекцией такого рода является коррекция Бартлетта для тестов отношения правдоподобия. Поправка Ферта также имеет такой порядок: она добавляет к вероятности фиксированное количество (начало стр. 30), а в больших выборках относительный вклад этой величины исчезает со скоростью из уменьшенный информацией об образце.o(n−1/2)O(n−1)1/n12lndetI(θ)1/n