Informations de Fisher observées en cours de transformation


9

D'après "In All Lik vraisemblance: modélisation statistique et inférence utilisant la vraisemblance" de Y. Pawitan, la probabilité d'une re-paramétrisation θg(θ)=ψ est définie comme

L(ψ)=max{θ:g(θ)=ψ}L(θ)
sorte que si g est un- à un, puis L(ψ)=L(g1(ψ)) (p. 45). J'essaie de montrer l'exercice 2.20 qui déclare que si θ est scalaire (et je suppose que g est également censé être une fonction scalaire), alors
I(g(θ^))=I(θ^)|g(θ^)θ^|2,
I(θ)=2θ2l(θ)
est l'information de Fisher observée et l(θ)=logL(θ) .

Si g est un à un, cela est simple en utilisant la règle de chaîne et le principe d'invariance. Je me pose quelques questions:

  1. Pourquoi insiste-t-il pour écrire la valeur absolue? Cela pourrait être laissé de côté, non?
  2. Par g(θ^)θ^ il entend la fonction g(θ)θ évaluée à θ=θ^ , non? Si tel est le cas, n'est-ce pas un mauvais choix de notation? Je crois que la notation abrégée habituelle pour ce monde serait g(θ^)θ .
  3. Comment cela se manifeste-t-il lorsque g n'est pas nécessairement un à un?

Réponses:


4
  1. La valeur absolue n'est pas nécessaire. Ce n'est peut-être qu'une faute de frappe.

  2. Tu as raison. Une notation encore meilleure serait .dg(θ)dθ|θ=θ^

  3. Cela ne tient pas en général. Corrigez certains et définissez par . Le rhs serait indéfini car la dérivée est nulle pour chaque .ψ0g:RRg(θ)=ψ0θ

Un croquis du cas régulier:

Pour un bon-to-one avec . Depuis, , nous avons Par conséquent, gψ=g(θ)d/dψ=dθ/dψd/dθ

I(ψ)=d2L(ψ)dψ2=ddψ(dL(ψ)dψ)=ddψ(dL(ψ)dθdθdψ)=d2L(ψ)dθ2(dθdψ)2dL(ψ)dθd2θdψ2dθdψ.
I(g(θ^))=d2L(g(θ^))dθ2(dθdψ)2dL(g(θ^))dθd2θdψ2dθdψ=d2L(g1(g(θ^)))dθ2(dg(θ)dθ|θ=g1(g(θ^)))2dL(g1(g(θ^)))dθd2θdψ2dθdψ=I(θ^)(dg(θ)dθ|θ=θ^)2,
dans lequel nous avons utilisé .dL(g1(g(θ^)))/dθ=dL(θ^)/dθ=0

1
Merci d'avoir répondu à tous mes doutes et pour ce simple contre-exemple avec constant . Votre croquis du cas normal est similaire à ce que j'ai fait, donc tout va bien. Merci. g
Stefan Hansen
En utilisant notre site, vous reconnaissez avoir lu et compris notre politique liée aux cookies et notre politique de confidentialité.
Licensed under cc by-sa 3.0 with attribution required.