В статистике дельта-метод представляет собой результат, относящийся к приблизительному распределение для функции асимптотически нормальной статистической оценки на основе знания предельной дисперсии этой оценки.
Содержание
- 1 История
- 2 Одномерный дельта-метод
- 2.1 Доказательство в одномерном случае
- 2.1.1 Доказательство с явным порядком аппроксимации
- 3 Многомерный дельта-метод
- 4 Пример : биномиальная пропорция
- 5 Альтернативная форма
- 6 Метод дельты второго порядка
- 7 См. также
- 8 Ссылки
- 9 Дополнительная литература
- 10 Внешние ссылки
История
Дельта-метод был получен из распространения ошибки, и идея, лежащая в его основе, была известна в начале 19 века. Его статистическое применение можно проследить еще в 1928 году Т. Л. Келли. Формальное описание метода было представлено Дж. Л. Дуб в 1935 году. Роберт Дорфман также описал его версию в 1938 году.
Одномерный дельта-метод
В то время как дельта-метод легко обобщается на многомерный постановке, осторожная мотивация техники легче продемонстрировать в однофакторных терминах. Грубо говоря, если существует последовательность случайных величин X n, удовлетворяющая
где θ и σ - конечнозначные константы, а обозначает сходимость в распределении, тогда
для любой функции g удовлетворяет тому свойству, что g ′ (θ) существует и имеет ненулевое значение.
Доказательство в одномерном случае
Демонстрация этого результата довольно проста в предположении, что g '(θ) непрерывно. Для начала мы используем теорему о среднем значении (то есть: приближение первого порядка ряда Тейлора с использованием теоремы Тейлора ):
где лежит между X n и θ. Обратите внимание, что, поскольку и , должно быть так, что и поскольку g ′ (Θ) непрерывно, применение теоремы о непрерывном отображении дает
где обозначает сходимость по вероятности.
Перестановка членов и умножение на дает
Поскольку
по предположению из обращения к теореме Слуцкого сразу следует, что
Это завершает доказательство.
Доказательство с явным порядком приближения
В качестве альтернативы можно добавить еще один шаг в конце, чтобы получить порядок приближения :
Это говорит о том, что ошибки аппроксимации сходятся s до 0 по вероятности.
Метод многомерной дельты
По определению, согласованная оценка B сходится по вероятности к своему истинному значению β, и часто центральному предельная теорема может быть применена для получения асимптотической нормальности :
где n - количество наблюдений, а Σ - ковариационная матрица (симметричная положительно полуопределенная). Предположим, мы хотим оценить дисперсию скалярной функции h оценки B. Сохраняя только первые два члена ряда Тейлора и используя векторные обозначения для градиента, мы можем оценить час (B) как
, что означает, что дисперсия h (B) приблизительно равна
Можно использовать теорему о среднем значении (для действительных функций многих переменных), чтобы увидеть, что это не зависит от приближения первого порядка.
Таким образом, дельта-метод подразумевает, что
или в одномерном выражении
Пример: биномиальная пропорция
Предположим, что X n равно бином с параметрами и n. Поскольку
мы можем применить метод Delta с g (θ) = log (θ), чтобы увидеть
Следовательно, даже если для любого конечного n, дисперсия фактически не существует (поскольку X n может быть нулевым), асимптотическая дисперсия действительно существует и равен
Обратите внимание, что, поскольку p>0, как , поэтому с вероятностью сходящаяся к единице, конечно для больших n.
Кроме того, если и - оценки различных групповых показателей из независимых выборок размеров n и m соответственно, затем логарифм предполагаемого относительного риска имеет асимптотическую дисперсию, равную
Т Это полезно для построения проверки гипотез или для построения доверительного интервала для относительного риска.
Альтернативная форма
Дельта-метод часто используется в форме, которая по существу идентична приведенной выше, но без предположения, что X n или B асимптотически нормальны. Часто единственным контекстом является то, что дисперсия «мала». Тогда результаты просто дают приближения к средним и ковариациям преобразованных величин. Например, формулы, представленные в Klein (1953, p. 258), следующие:
где h r - это r-й элемент h (B) и B i - i-й элемент B.
дельта-метод второго порядка
Когда g '(θ) = 0, дельта-метод не может быть применен. Однако, если g ′ ′ (θ) существует и не равно нулю, можно применить дельта-метод второго порядка. По разложению Тейлора , так что дисперсия до 4-го момента .
Метод дельты второго порядка также полезен при проведении дополнительных точное приближение распределения при небольшом размере выборки. . Например, когда следует стандартному нормальному распределению, можно аппроксимировать как взвешенную сумму стандартной нормали и хи-квадрат со степенью свободы 1.
См. Также
Ссылки
Дополнительная литература
- Oehlert, GW (1992). «Примечание о методе дельты». Американский статистик. 46 (1): 27–29. doi : 10.1080 / 00031305.1992.10475842. JSTOR 2684406.
- Уолтер, Кирк М. (1985). «Методы серии Тейлора». Введение в оценку дисперсии. Нью-Йорк: Спрингер. С. 221–247. ISBN 0-387-96119-4.
Внешние ссылки