Bir kişinin yoğunluğu olan bir dağılımdan dağıtıldığı bir , Hellinger mesafesinin yoğunluğu olan başka bir dağılıma yani tarafsız bir tahmincisi ( ' dayalı) olup olmadığını merak ediyorum. f X i f 0 H ( f , f 0 ) = { 1 - ∫ X √
Bir kişinin yoğunluğu olan bir dağılımdan dağıtıldığı bir , Hellinger mesafesinin yoğunluğu olan başka bir dağılıma yani tarafsız bir tahmincisi ( ' dayalı) olup olmadığını merak ediyorum. f X i f 0 H ( f , f 0 ) = { 1 - ∫ X √
Yanıtlar:
Her iki Hiçbir tarafsız tahmincisi veya H 2 için var f dağılımları herhangi bir makul geniş parametrik olmayan sınıfından.
Bunu güzel basit argümanı ile gösterebiliriz.
Bickel ve Lehmann (1969). Dışbükey ailelerde tarafsız tahmin . Annals Matematik İstatistikleri, 40 (5) 1523-1535. ( proje öklid )
Bazı dağılımlar , F ve G , karşılık gelen yoğunluklar f 0 , f ve g ile sabitlenir . Let , H ( F ) göstermektedirler H ( f , f 0 ) ve izin H ( x ) , bazı tahmin edilmesi H ( F ) göre , n IID örnekler X ı ~ F .
Varsayalım ki H formu, herhangi bir dağıtım örnekler için tarafsız bir M a : = α K + ( 1 - α ) G . Ama sonra Q ( α )
Şimdi, makul bir durum üzerinde uzmanlaşalım ve karşılık gelen polinom olmadığını gösterelim .
, [ - 1 , 1 ] üzerinde sabit yoğunluğa sahip bir dağılım olsun : f 0 ( x ) = c herkes için | x | ≤ 1 . (Bu aralığın dışındaki davranışı önemli değildir.) F, yalnızca [ - 1 , 0 ] üzerinde desteklenen bazı dağıtım ve G yalnızca [ 0 , 1 ] üzerinde desteklenen bazı dağıtım olsun .
Şimdi
is not a polynomial of any finite degree. Thus, no estimator can be unbiased for on all of the distributions with finitely many samples.
Likewise, because is also not a polynomial, there is no estimator for which is unbiased on all of the distributions with finitely many samples.
This excludes pretty much all reasonable nonparametric classes of distributions, except for those with densities bounded below (an assumption nonparametric analyses sometimes make). You could probably kill those classes too with a similar argument by just making the densities constant or something.
I don't know how to construct (if it exists) an unbiased estimator of the Hellinger distance. It seems possible to construct a consistent estimator. We have some fixed known density , and a random sample from a density . We want to estimate