Eficiencia Asintótica y Teoría de Le Cam

La teoría de Le Cam precisa lo que significa que un estimador sea asintóticamente el mejor, aproximando un modelo suave cerca de la verdad con un experimento normal simple.

Definition

Un estimador regular es asintóticamente eficiente si su varianza límite alcanza el límite inferior establecido por los teoremas de convolución y local-asintótico-minimax, o equivalentemente, la información inversa de Fisher en un modelo paramétrico suave.

Scope

Este tema abarca la contigüidad y los lemas de Le Cam, la normalidad asintótica local de los modelos paramétricos suaves, el experimento de desplazamiento gaussiano límite, el teorema de convolución de Hajek que muestra que el límite de cualquier estimador regular es el eficiente más ruido independiente, el teorema local-asintótico-minimax, la definición consecuente de eficiencia asintótica y el papel de la función de influencia eficiente y la supereficiencia.

Core questions

• ¿Qué es la normalidad asintótica local y por qué reduce un modelo a un experimento normal?
• ¿Cómo caracteriza el teorema de convolución la mejor distribución límite posible de un estimador?
• ¿Qué añade el teorema local-asintótico-minimax sobre el riesgo en el peor de los casos?
• ¿Por qué la supereficiencia es posible solo en un conjunto despreciable y qué es la función de influencia eficiente?

Key theories

Normalidad asintótica local

Para modelos suaves, la razón de verosimilitud logarítmica a lo largo de perturbaciones de parámetros locales se comporta como la de un experimento de desplazamiento gaussiano, por lo que las preguntas sobre el modelo original se reducen a un problema normal manejable.

Teoremas de convolución y local-asintótico-minimax

El teorema de convolución de Hajek muestra que la ley límite de cualquier estimador regular es la ley normal eficiente convolucionada con ruido independiente, y el teorema local-asintótico-minimax limita el riesgo local en el peor de los casos, definiendo conjuntamente la eficiencia asintótica.

Clinical relevance

La teoría de Le Cam proporciona el punto de referencia de eficiencia asintótica contra el cual se juzgan los estimadores y subyace a la construcción de estimadores eficientes y semiparamétricos-eficientes, incluidos los métodos de función de influencia utilizados en la inferencia causal y el aprendizaje dirigido.

History

Le Cam desarrolló la contigüidad y la normalidad asintótica local a partir de la década de 1950, resolviendo enigmas de larga data como la supereficiencia. Hajek demostró los teoremas de convolución y local-asintótico-minimax alrededor de 1970, y el marco se extendió a modelos semiparamétricos más tarde en el siglo.

Key figures

• Lucien Le Cam
• Jaroslav Hajek
• Aad van der Vaart
• Peter J. Bickel

Seminal works

• vanderVaart1998

Frequently asked questions

¿Qué es la supereficiencia?

Es el fenómeno, ilustrado por el ejemplo de Hodges, de un estimador que supera la varianza asintótica eficiente en valores de parámetros aislados; el teorema de convolución muestra que esto solo puede ocurrir en un conjunto de medida cero y a costa de un peor comportamiento en las cercanías.

¿Por qué aproximar un modelo mediante un experimento normal?

Porque el experimento de desplazamiento gaussiano límite se comprende completamente, por lo que las preguntas de optimización que son intratables en el modelo original pueden responderse allí y transferirse de nuevo a través de la normalidad asintótica local.