Minimum tahmin ediciyi iyileştirme


9

Ben olduğunu varsayalım tahmin etmek olumlu parametreleri ve onların tekabül tahmincileri tarafından üretilen tarafsız tahminler , yani , vb.nμ1,μ2,...,μnnμ1^,μ2^,...,μn^E[μ1^]=μ1E[μ2^]=μ2

Ben tahmin etmek istiyorum el altında tahminleri kullanılarak. Açıkça naif tahmin gibi düşük bastırılmaktadır min(μ1,μ2,...,μn)min(μ1^,μ2^,...,μn^)

E[min(μ1^,μ2^,...,μn^)]min(μ1,μ2,...,μn)

Aynı zamanda, ilgili tahmin ediciler kovaryans matrisim olduğunu varsayalım . Verilen tahminler ve kovaryans matrisi kullanılarak tarafsız (veya daha az önyargılı) bir minimum tahmin elde etmek mümkün müdür?Cov(μ1^,μ2^,...,μn^)=Σ


Bayesian MCMC yaklaşımını kullanmaya istekli misiniz veya kapalı formüle ihtiyacınız var mı?
Martin Modrák

Ancak basit bir örnekleme yaklaşımı tamam mı? (ayrıca, Bayes analizi için kesinlikle
önceliğe

@ MartinModrák Örnekleme yaklaşımları konusunda deneyimli değilim. Eğer bayes yaparsam genellikle basit eşlenik şeyler yaparım. Ama bunun yolun yolu olduğunu düşünüyorsanız, devam edeceğim ve öğreneceğim.
Çağdaş Özgenç

Bu tahminler hakkında başka ne biliyorsun? İfadeleri biliyor musunuz? Bu parametreleri tahmin etmek için kullanılan verilerin dağılımını biliyor musunuz?
wij

@wij Gerekirse tahmin edicilerin diğer anlarını tahmin etmeye çalışabilirim. Tahmin edicilerin dağılımı için analitik bir ifadem yok. Çözüm (benim için bir gereklilik olarak) verilerin kendisinin dağıtımına bağlı olmamalıdır.
Çağdaş Özgenç

Yanıtlar:


4

Tarafsız tahmin edicinin varlığı hakkında net bir cevabım yok. Ancak, tahmin hatası açısından, genel olarak zor bir sorundur.min(μ1,,μn)

Örneğin, ve . Let hedef miktarı ve olmak ait bir tahmindir . "Saf" tahmin edici burada , sonra tahmin hatası sabit. (Not her için tahmin hatası isimli ). Elbette, eğerY1,,YNN(μ,σ2I)μ=(μ1,,μn)θ=miniμiθ^θθ^=mini(Y¯i)Yi¯=1Nj=1NYi,jL2

E[θ^θ]2σ2lognN
μiσ2Nμi'ler birbirlerinden uzakta ve çok küçük, tahmin hatası olarak azaltılmalıdır . Ancak, en kötü durumda, hiçbir tahmin var naif tahmincisi daha iyi çalışır. Sen tam gösterilebileceği anlamına infimum tüm olası estiamte alır burada örnek göre ve sup tüm olası konfigürasyonu alır Var.σσ2Nθ
infθ^supμ1,,μnE[θ^θ]2σ2lognN
θY1,,YNμi

Bu nedenle saf kestirimci sabit olana kadar minimaks optimaldir ve bu anlamda daha iyi bir tahmini yoktur .θ


Sağlanan ek bilgiler hiç yardımcı olmuyor mu? Hangi ek istatistikler yardımcı olabilir?
Çağdaş Özgenç

Kafa karıştırıcı bir nokta yaptığım için üzgünüm. Ek bilgilerin (kovaryans) yardımcı olmadığı anlamına gelmiyordu. Sadece birkaç nüfusun asgari düzeyde zor olduğunu tahmin etmek istedim. Kovaryans bilgileri yardımcı olmalıdır. Örneğin, Normal durumda, tüm olası çiftler için mükemmel korelasyonlarımız varsa, rastgele gözlemler farklı ortalama + ortak bir gürültü teriminden gelir. Bu durumda, saf kestirimci (numune araçlarının minimum değeri) tarafsızdır.
JaeHyeok Shin

3

DÜZENLEME: Aşağıdaki sorulan sorudan farklı bir soruya cevap verir - rasgele kabul edilir gibi çerçevelenir , ancak sabit kabul edildiğinde çalışmaz , bu muhtemelen OP'nin aklında olan şeydir. Eğer sabittir, ben daha iyi bir cevabım yokμμμmin(μ^1,...,μ^n)


Yalnızca ortalama ve kovaryans tahminlerini dikkate alırsak, çok değişkenli normal dağılımdan tek bir örnek olarak ele alabiliriz. Minimumun bir tahminini almanın basit bir yolu, çok sayıda örnek çizmek , her örneğin minimumunu hesaplamak ve daha sonra bu minimanın ortalamasını almaktır.(μ1,...,μn)MVN(μ^,Σ)

Yukarıdaki prosedür ve sınırlamaları Bayes açısından anlaşılabilir - arasından gösterimini almak MVN'nin Wikipedia ise, tahmin edicileri bilinen kovaryans olan ve bir gözlem olan, ortak arka dağılımı burada ve önceki yerden kaynaklanmaktadır, herhangi bir veriyi gözlemlemeden önce ). Muhtemelen üzerinde sabıkası koymak için istekli olmadığından , biz sınırı alabilir düz öncesinde ve posterior olur sonuçlananΣμMVN(μ^+mλ01+m,1n+mΣ)λ0mμMVN(λ0,m1Σμm0μMVN(μ^,Σ). Bununla birlikte, önceki daire göz önüne alındığında, öğelerinin çok farklı olduğu varsayımını yapıyoruz (tüm gerçek sayılar eşit derecede olasıysa, benzer değerler elde etmek pek olası değildir).μ

Bir hızlı simülasyon programları, bu prosedür biraz abartılı ile tahmin unsurları çok ve hafife farklıdır elemanları benzerdir. Herhangi bir ön bilgi olmadan bunun doğru davranış olduğu söylenebilir. En azından bazı önceki bilgileri belirtmek istiyorsanız (örn. ), sonuçlar kullanım durumunuz için biraz daha iyi davranabilir.min(μ)μmin(μ)m=0.1

Daha fazla yapı almaya istekliyseniz, normalde çok değişkenli olandan daha iyi bir dağılım seçebilirsiniz. Ayrıca tahminlerine uyacak şekilde Stan veya diğer MCMC örnekleyiciyi kullanmak da mantıklı olabilir . Bu, kovaryans yapıları (muhtemelen MVN'nin sağlayabileceğinden daha zengin) dahil olmak üzere, tahmin edicilerdeki belirsizliği yansıtan bir dizi . Bir kez daha, minima üzerinde posterior dağılım elde etmek için her bir numunenin minimum değerini hesaplayabilir ve bir nokta tahminine ihtiyacınız varsa bu dağılımın ortalamasını alabilirsiniz.μ(μ1,...,μn)


N rasgele değişkenlerin minimum tahmin etmeye çalışmıyorum unutmayın. N parametreleri minimum tahmin etmeye çalışıyorum. Görünüşe göre öneriniz için bir tahmindir, oysaE[min(μ1^,μ2^,...,μn^)]min(μ1,μ2,...,μn)
Çağdaş Özgenç

Nedeni açıklamak için cevabı düzenlemeye çalıştım, umarım yardımcı olur
Martin Modrák

Bu örnekleme yöntemi , uzak olduğunda da iyi çalışan basit tahmin edicisine kıyasla daha iyi sonuçlar veren bu örnekleme yöntemidir. ayrı ve yakın olduklarında küçümsüyor. Yararlı olması için yakın olduklarında çalışmalıdır. min(μ1^,μ2^,...,μn^)μi
Çağdaş Özgenç

Ayrıca tüm sayılarının pozitif sayılar olduğunu, bu nedenle gerçek satırın negatif kısmına gerçekten ihtiyacınız olmadığını unutmayın. μi
Çağdaş Özgenç

1
İşaretleri görmezden geldiğimi ve onları karşılamak için basit bir yol göremiyorum doğru. Ayrıca önerdiğim tahminci rasgele kabul edildiğinde daha iyi performans gösterir , ancak sabit için daha kötüdür . Bunu kurtarabileceğimi sanmıyorum ve en iyi yolun ne olduğundan emin değilim - soruyu gerçekten cevaplamadığı için silmeye çalışıyorum, ancak (umarım) cevap da bazı fikirler içeriyor birisi için yararlı olabilir. μmin(μ^)μ
Martin Modrák
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.