Questions marquées «asymptotics»

La théorie asymptotique étudie les propriétés des estimateurs et teste les statistiques lorsque la taille de l'échantillon approche de l'infini.

1
Y a-t-il un résultat qui indique que le bootstrap est valide si et seulement si la statistique est lisse?
Partout, nous supposons que notre statistique est une fonction de certaines données qui est tirée de la fonction de distribution ; la fonction de distribution empirique de notre échantillon est . Donc est la statistique considérée comme une variable aléatoire et est la version bootstrap de la statistique. Nous utilisons …
2
Pourquoi l'épreuve de Wilks de 1938 ne fonctionne-t-elle pas pour les modèles mal spécifiés?
Dans le célèbre article de 1938 (« La distribution à grand échantillon du rapport de vraisemblance pour tester les hypothèses composites », Annals of Mathematical Statistics, 9: 60-62), Samuel Wilks a dérivé la distribution asymptotique de 2×LLR2×LLR2 \times LLR (log log vraisemblance ratio ) pour les hypothèses imbriquées, sous l'hypothèse …
4
Comment projeter un nouveau vecteur sur l'espace PCA?
Après avoir effectué l'analyse des composants principaux (PCA), je souhaite projeter un nouveau vecteur sur l'espace PCA (c'est-à-dire trouver ses coordonnées dans le système de coordonnées PCA). J'ai calculé PCA en langage R en utilisant prcomp. Maintenant, je devrais pouvoir multiplier mon vecteur par la matrice de rotation PCA. Les …
21 r  pca  r  variance  heteroscedasticity  misspecification  distributions  time-series  data-visualization  modeling  histogram  kolmogorov-smirnov  negative-binomial  likelihood-ratio  econometrics  panel-data  categorical-data  scales  survey  distributions  pdf  histogram  correlation  algorithms  r  gpu  parallel-computing  approximation  mean  median  references  sample-size  normality-assumption  central-limit-theorem  rule-of-thumb  confidence-interval  estimation  mixed-model  psychometrics  random-effects-model  hypothesis-testing  sample-size  dataset  large-data  regression  standard-deviation  variance  approximation  hypothesis-testing  variance  central-limit-theorem  kernel-trick  kernel-smoothing  error  sampling  hypothesis-testing  normality-assumption  philosophical  confidence-interval  modeling  model-selection  experiment-design  hypothesis-testing  statistical-significance  power  asymptotics  information-retrieval  anova  multiple-comparisons  ancova  classification  clustering  factor-analysis  psychometrics  r  sampling  expectation-maximization  markov-process  r  data-visualization  correlation  regression  statistical-significance  degrees-of-freedom  experiment-design  r  regression  curve-fitting  change-point  loess  machine-learning  classification  self-study  monte-carlo  markov-process  references  mathematical-statistics  data-visualization  python  cart  boosting  regression  classification  robust  cart  survey  binomial  psychometrics  likert  psychology  asymptotics  multinomial 
5
Quand le théorème de la limite centrale et la loi des grands nombres ne sont pas d'accord
Il s'agit essentiellement d'une réplication d' une question que j'ai trouvée sur math.se , qui n'a pas obtenu les réponses que j'espérais. Soit une séquence de variables aléatoires indépendantes et distribuées de manière identique, avec et .{Xi}i∈N{Xi}i∈N\{ X_i \}_{i \in \mathbb{N}}V [ X i ] = 1E[Xi]=1E[Xi]=1\mathbb{E}[X_i] = 1V[Xi]=1V[Xi]=1\mathbb{V}[X_i] = …
3
Distribution asymptotique de la variance de l'échantillon d'un échantillon non normal
Il s'agit d'un traitement plus général de la question posée par cette question . Après avoir dérivé la distribution asymptotique de la variance de l'échantillon, nous pouvons appliquer la méthode Delta pour arriver à la distribution correspondante pour l'écart type. Soit un échantillon de taille de iid variables aléatoires non …
2
Pourquoi dans la définition de la normalité asymptotique?
Une séquence d'estimateurs pour un paramètre est asymptotiquement normale si . ( source ) On appelle alors la variance asymptotique de . Si cette variance est égale à la borne de Cramer-Rao , nous disons que l'estimateur / séquence est asymptotiquement efficace. θ √UnUnU_nθθ\thetan−−√(Un−θ)→N(0,v)n(Un−θ)→N(0,v)\sqrt{n}(U_n - \theta) \to N(0,v)U nvvvUnUnU_n Question: …
3
Consistance asymptotique avec variance asymptotique non nulle - qu'est-ce que cela représente?
La question a déjà été soulevée, mais je veux poser une question spécifique qui tentera d'obtenir une réponse qui la clarifiera (et la classera): Dans "Poor Man's Asymptotics", on garde une distinction claire entre (a) une séquence de variables aléatoires qui converge en probabilité vers une constante contrairement à (b) …
2
La matrice d'information observée est un estimateur cohérent de la matrice d'information attendue?
J'essaie de prouver que la matrice d'information observée évaluée à l'estimateur du maximum de vraisemblance faiblement cohérent (MLE) est un estimateur faiblement cohérent de la matrice d'information attendue. C'est un résultat largement cité mais personne ne donne de référence ou de preuve (j'ai épuisé je pense les 20 premières pages …
5
Erreur d'approximation de l'intervalle de confiance pour la moyenne lorsque
Soit {Xi}ni=1{Xi}i=1n\{X_i\}_{i=1}^n une famille de variables aléatoires iid prenant des valeurs dans [0,1][0,1][0,1] , ayant une moyenne μμ\mu et une variance σ2σ2\sigma^2 . Un intervalle de confiance simple pour la moyenne, utilisant σσ\sigma chaque fois qu'elle est connue, est donné par P(|X¯−μ|>ε)≤σ2nε2≤1nε2(1).P(|X¯−μ|>ε)≤σ2nε2≤1nε2(1). P( | \bar X - \mu| > \varepsilon) …
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.