Estimación Minimax

Un estimador minimax minimiza el riesgo más grande que puede incurrir, ofreciendo una garantía contra el peor de los casos cuando no se asume una distribución a priori sobre el parámetro.

Definition

Una regla de decisión minimax es aquella cuyo riesgo máximo sobre el espacio de parámetros es tan pequeño como el de cualquier otra regla; minimiza la pérdida esperada en el peor de los casos y suele ser bayesiana frente a una distribución a priori menos favorable.

Scope

Este tema cubre el criterio minimax de minimizar el riesgo en el peor de los casos, las distribuciones a priori menos favorables, la caracterización de una regla minimax como una regla de Bayes con riesgo constante frente a una distribución a priori menos favorable, el teorema minimax y el valor de la teoría de juegos del juego estadístico, el uso de distribuciones a priori limitantes y las tasas de convergencia minimax que describen el mejor riesgo alcanzable en problemas no paramétricos y de alta dimensión.

Core questions

• ¿Qué significa minimizar el riesgo en el peor de los casos y cuándo es este un criterio apropiado?
• ¿Qué es una distribución a priori menos favorable y cómo identifica una regla minimax?
• ¿Por qué una regla de Bayes con riesgo constante es automáticamente minimax?
• ¿Cuáles son las tasas de convergencia minimax en problemas no paramétricos?

Key theories

Reglas Minimax y distribuciones a priori menos favorables

Una regla que es bayesiana frente a una distribución a priori y tiene riesgo constante es minimax, y esa distribución a priori es la menos favorable; esta caracterización es la herramienta principal para encontrar estimadores minimax.

Tasas de convergencia Minimax

En problemas no paramétricos y de alta dimensión, el riesgo minimax disminuye a una tasa determinada por la suavidad o escasez de la clase, lo que proporciona un punto de referencia para la mejor precisión de estimación posible.

Clinical relevance

Las tasas minimax establecen el punto de referencia de "estándar de oro" para la regresión no paramétrica, la estimación de densidad y los métodos de alta dimensión, indicando a los profesionales la mejor precisión alcanzable para una suavidad o escasez dadas y si un estimador propuesto es óptimo en cuanto a la tasa.

History

Wald introdujo el criterio minimax y su interpretación en la teoría de juegos en la década de 1940. La teoría de las distribuciones a priori menos favorables maduró a mediados de siglo, y Le Cam, Pinsker y autores posteriores desarrollaron tasas minimax para problemas no paramétricos en las décadas siguientes.

Key figures

• Abraham Wald
• Lucien Le Cam
• Charles Stein
• James O. Berger

Seminal works

• berger1985

Frequently asked questions

¿Cuándo es apropiado el criterio minimax?

Cuando la robustez frente al peor de los casos es importante y no se dispone de una distribución a priori fiable; puede ser excesivamente conservador si el peor de los casos es inverosímil, por lo que es un criterio entre varios en lugar de una regla universal.

¿Qué es una distribución a priori menos favorable?

Es la distribución a priori que hace que el problema de estimación sea más difícil, maximizando el riesgo bayesiano; una regla de Bayes frente a ella con riesgo constante es minimax, por lo que encontrarla es clave para la estimación minimax.