Profil olasılığının dezavantajları nelerdir?


19

Parametrelerin bir vektör düşünün ile, θ 1 ilgi parametresi ve θ 2 bir sıkıntı parametresi.(θ1,θ2)θ1θ2

Eğer veri yapılmış olasılığıdır x , için profil olabilirlik İçeride ISTV melerin RWMAIWi'nin 1 olarak tanımlanır L P ( θ 1 , x ) = L ( θ 1 , θ 2 ( θ 1 ) ; x ) burada θ 2 ( θ 1 ) maksimum olabilirlik tahmininin olan İçeride ISTV melerin RWMAIWi'nin 2L(θ1,θ2;x)xθ1LP(θ1;x)=L(θ1,θ^2(θ1);x)θ^2(θ1)θ2sabit bir değeri için .θ1

göre profil olasılığını maksimize İçeride ISTV melerin RWMAIWi'nin 1 aynı tahminine yol θ 1 ile ilgili olarak, aynı anda olasılığını en üst düzeye çıkararak elde olarak İçeride ISTV melerin RWMAIWi'nin 1 ve İçeride ISTV melerin RWMAIWi'nin 2 .θ1θ^1θ1θ2

I standart sapma düşünmek θ 1 ayrıca profil olasılığı ikinci türevi tahmin edilebilir.θ^1

için olabilirlik istatistik H 0 : θ 1 = θ 0 profil olabilirlik açısından yazılabilir: L R, = 2 log ( L P ( θ 1 ; X )H0:θ1=θ0.LR=2log(LP(θ^1;x)LP(θ0;x))

Yani, profil olasılığı tam olarak gerçek bir olasılıkmış gibi kullanılabilir. Gerçekten öyle mi? Bu yaklaşımın ana dezavantajları nelerdir? Peki ya profil olasılığından elde edilen kestirimcinin önyargılı olduğu 'dedikodu' hakkında ne dersiniz?


2
sadece bir not, olasılık tahmin edicileri de önyargılı olabilir, klasik örnek normal örnek için olasılık varyans tahminidir.
mpiktas

@mpiktas: Yorumunuz için teşekkürler. Gerçekten de klasik mle de önyargılı olabilir. Soruyu işleri daha net hale getirmek için düzenleyeceğim.
ocram

asimptotik yanlılık nedir? Tutarsız tahmin edicilerden mi bahsediyorsunuz?
mpiktas

@mpiktas: Evet, bunu söylemeliydim ...
ocram

Yanıtlar:


14

Profil olasılığından tahmini . İle ilgili olarak maksimize olası her için ve daha sonra göre maksimize göre maksimize aynıdır birlikte.θ 2 θ 1 θ 1 ( θ 1 , θ 2 )θ1θ2θ1θ1(θ1,θ2)

Önemli zayıf nokta, SE tahmininizi profil olasılığının eğriliğine , belirsizliği tam olarak hesaba .θ2θ^1θ2

McCullagh ve Nelder, Genelleştirilmiş doğrusal modeller, 2. baskı , profil olasılığı hakkında kısa bir bölüme sahiptir (Bölüm 7.2.4, sayfa 254-255). Onlar söylüyor:

θ2


Cevabınız için çok teşekkür ederim. Kabul etmeden önce, lütfen daha fazla bir şey sormama izin verin. nin sonuçları nelerdir?ElP(θ1)θ10

İlginç bir soru, olsa da (ki ben zaten yapmalıydım) kitaplık bir gezi gerekli. Bu noktaya cevabımı biraz ekledim.
Karl

Düzenleme için çok teşekkür ederim. Denklemlerin hesaplanması için özelliğin (gerçek parametre değerinde değerlendirilen puanın ortalama sıfır olduğu) gerekli olduğu söylenir. Ancak profil günlüğü olasılığı bu özelliği karşılamasa da MLE'yi üretir. Özlediğim bir şey var mı?
ocram

Bu özellik MLE'nin sağlanması için gerekli değildir.
Karl
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.