[Bence bu, sorunuzda tartışılan durumun bir örneği olabilir.]
Tutarsız ML tahmincilerinin sayısız örneği vardır. Tutarsızlık yaygın olarak çeşitli hafif karışık karışım problemleri ve sansür problemlerinde görülür.
[Bir testin tutarlılığı temel olarak sadece (sabit) bir yanlış hipotez için testin gücünün olarak bire yükselmesidir .]n→∞
Radford Neal, 2008-08-09 Tutarsız Maksimum Olabilirlik Tahmini: “Sıradan” Bir Örnek olan blog girişinde bir örnek veriyor . parametresinin tahminini içerir :θ
X | θ ∼ (1/2)N(0,1) + (1/2)N(θ,exp(−1/θ2)2)
(Neal kullanan nerede sahip ), burada ML tahmini eğiliminde olacaktır olarak (ve aslında ihtimali oldukça mütevazi bir örneği için de geçerlidir değerde daha 0'a yakın bir zirve ile çok daha yüksek olabilir, boyutları). Gerçek değer yakınında bir tepe var ki yine de böyledir , bu 0'a yakın olandan sadece küçük.tθθ0n→∞θ
Şimdi bu durumla ilgili iki vakayı düşünün:
a) alternatif karşısında olabilirlik oranı testi ;H0:θ=θ0H1:θ<θ0
b) alternatif karşısında olabilirlik oranı testi .H0:θ=θ0H1:θ≠θ0
Durumda, (a) olarak, hayal doğru (alternatif doğrudur ve böylece doğru diğer tarafı ). Daha sonra rağmen çok yakın 0 olasılığı o aşacağı de, olasılığını yine de en olasılığını aşan hatta küçük numunelerde ve oran olarak daha büyümeye devam edecektir , olasılık oran testinde ret olasılığını 1 yapacak şekilde yapar.θ<θ00θθθθ0n→∞
Gerçekten de, (b) durumunda bile sabit ve uzakta olduğu sürece , olabilirlik oranının bir olasılık oranı testinde de reddetme olasılığını yapacak şekilde büyüyeceği de olmalıdır. yaklaşım 1.θ00
Dolayısıyla bu, bir gücünün yine de 1'e gitmesi gereken ( hariç) tutarsız ML tahmininin bir örneği gibi görünecektir .θ0=0
[Bu durumun, daha önce netlik örneği olduğunu düşündüğüm ve test tutarlılığı ile bir tahmin edicinin tutarlılığı arasındaki farkı anlamak için çok daha basit olan hiçbir şeyin cevabı olmayan bir şey olmadığını unutmayın. Spesifik örnekteki tutarsız tahmin edicinin ML olmadığı gerçeği, bu farkı anlamak ve burada yapmaya çalıştığım gibi, özellikle ML olan tutarsız bir tahminciyi getirmek kadar önemli değil. herhangi bir şekilde açıklama. Buradaki örnekteki tek gerçek nokta, bir ML tahmincisi kullanma konusundaki endişenizi giderdiğini düşünüyorum.]