27-10-2014: Ne yazık ki (benim için), hiç kimse burada henüz bir cevap vermedi - belki de garip, "patolojik" teorik bir konuya benziyor ve daha fazlası değil mi?
Kullanıcı Cardinal için bir yorum alıntılamak için (daha sonra keşfedeceğim)
"İşte bir kuşkusuz saçma, ama basit bir örnektir fikri yanlış gidebilir ve neden olabilir tam olarak ne göstermektir.. Pratik uygulamalar var (vurgu bana ait) Örnek:. Sonlu ikinci andan tipik iid modeli düşünün bakalım. Θ n = ˉ X n + Z n burada , ve bağımsızdır
ve her biri olasılığına sahiptir ve sıfırdır, aksi halde isteğe bağlıdır. Sonra tarafsızdır, varyans sınırlıdır Aşağıda veθ^n=X¯n+Znˉ X , n , Z , n = ± bir n 1 / n 2 , bir > 0 θ n birZnX¯nZn=±an1/n2a>0θ^na2θ^n→μneredeyse kesinlikle (kesinlikle tutarlı). Önyargı ile ilgili davayı tatbikat olarak bırakıyorum ".
Buradaki maverick rasgele değişkeni , bu yüzden bu konuda ne söyleyebileceğimizi görelim.
Değişkenin karşılık gelen olasılıkları olan . Sıfır etrafında simetrik, bu yüzden { - a n , 0 , a n } { 1 / n 2 ,Zn
{−an,0,an}{1/n2,1−2/n2,1/n2}
E(Zn)=0,Var(Zn)=(−an)2n2+0+(an)2n2=2a2
Bu anlar bağlı değil, bu yüzden sanırım önemsiz yazmamıza izin verildin
limn→∞E(Zn)=0,limn→∞Var(Zn)=2a2
Zavallı Adamın Asimptotik'te, anların sınırlarının, sınırlayıcı dağılımın anlarına eşit olması için bir koşul biliyoruz. Eğer sonlu durum dağılımının momenti sabittir (bizim durumumuzda olduğu gibi), o zaman, dahası,r
∃δ>0:limsupE(|Zn|r+δ)<∞
moment momentinin sınırı , sınır dağılımının moment momenti olacaktır . Bizim durumumuzdarrr
E(|Zn|r+δ)=|−an|r+δn2+0+|an|r+δn2=2ar+δ⋅nr+δ−2
İçin istediğiniz için bu ıraksadığını , bu yüzden yeterli koşul Varyans (Bu ortalama için beklemeye yapar) için tutmaz.
Diğer taraftan: asimptotik dağılımı ? Ait CDF'yi mu sınırında olmayan dejenere CDF yakınsama?δ > 0 Z n Z nr≥2δ>0
ZnZn
Öyle görünmüyor: sınırlama desteği (bunu yazma iznimiz varsa) ve ilgili olasılıklar . Bana bir sabit gibi görünüyor.
Ama ilk etapta sınırlayıcı bir dağılımımız yoksa, anları hakkında nasıl konuşabiliriz? { 0 , 1 , 0 }{−∞,0,∞}{0,1,0}
Daha sonra, tahmincisine geri , de bir sabite yaklaştığından, ˉ X , nθ^nX¯n
θ^n (önemsiz olmayan) sınırlayıcı bir dağılımı yoktur, ancak sınırda bir varyansı vardır. Ya da, belki bu varyans sonsuzdur? Fakat sabit bir dağılıma sahip sonsuz bir varyans?
Bunu nasıl anlayabiliriz? Tahminci hakkında bize ne anlatıyor? Sınırda, ve arasındaki temel fark nedir ? ~ θ n= ˉ X , nθ^n=X¯n+Znθ~n=X¯n