Profil olasılığına göre güven aralıkları oluşturmak


25

Benim ilkokul istatistikte Tabii ki nüfus ortalama olarak böyle aralığı% 95 güven inşa etmek öğrendim μ dayalı asimptotik normallik "büyük" örnek boyutları için. Bunun dışında yöntem yeniden örnekleme (örneğin, ön-yükleyici olarak), dayalı bir başka yaklaşım yoktur "profil olasılığı" . Birisi bu yaklaşımı açıklayabilir mi?

Hangi durumlarda, asimptotik normalliğe ve profil olasılığına dayanarak oluşturulan% 95 CI karşılaştırılabilir mi? Bu konuda herhangi bir referans bulamadım, önerilen referansları bulamadım, lütfen? Neden daha yaygın kullanılmıyor?

Yanıtlar:


23

Genel olarak, standart hataya dayanan güven aralığı kuvvetli bir şekilde tahmin edicinin normallik varsayımına bağlıdır. "Profil olabilirlik güven aralığı" bir alternatif sunar.

Bunun için dökümantasyon bulabileceğinize eminim. Mesela burada ve burada referanslar var.

İşte kısa bir bakış.

Bize veriler iki (vektörleri) parametreleri bağlıdır diyelim θ ve δ , θ ilgi ve δ bir sıkıntı parametredir.

profil olasılığı, θile tanımlanır.

Lp(θ)=maxδL(θ,δ)

burada 'tam olasılık' dır. artık çıkarıldığından bağlı değil.L(θ,δ)Lp(θ)δ

Boş bir hipotez ve olasılık oranı istatistiği olsunH0:θ=θ0

LR=2(logLp(θ^)logLp(θ0))

burada , profil olasılığını maksimize eden değeridir .θ^θLp(θ)

için bir "profil olabilirlik güven aralığı" , testin anlamlı olmadığı değerlerden oluşur .θθ0


3
@ ocram- Açıklama için teşekkürler. Görünüşe göre bu yöntem bazı yoğun hesaplamalar gerektiriyor ve profil olasılığını en üst düzeye çıkarıyor. Tahmin edicinin normal olarak dağıtılmadığı durumlarda neden sadece bootstrap yöntemine başvurmadığınızı merak etmek.

2
Önyükleme aynı zamanda bir asimptotik yöntemdir ve kendi içinde yoğun bir hesaplama yapar, bu nedenle yoğun hesaplamalardan kaçınmak istiyorsanız doğal cevap değildir ...
kjetil b halvorsen

1
Asimptotik standart normale dayanan kapama olasılığından daha büyük olan profil güven aralığı kapsama olasılığını söyleyebilir misiniz?
saat

1
@ time: Bilmiyorum ... Sanırım asimptotik standart normal dağılımın geçerli olup olmamasına bağlı. Küçük bir simülasyon çalışması biraz fikir edinmek için yerine koymak oldukça kolay olmalıdır.
ocram
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.