کارایی مجانبی و نظریه لو کام

نظریه لو کام با تقریب زدن یک مدل هموار نزدیک به حقیقت با یک آزمایش نرمال ساده، دقیقاً مشخص می‌کند که یک برآوردگر چه زمانی از نظر مجانبی بهترین است.

Definition

یک برآوردگر منظم از نظر مجانبی کارا است اگر واریانس حدی آن به کران پایین تعیین شده توسط قضایای کانولوشن و مینیمکس مجانبی محلی، یا به طور معادل، به معکوس اطلاعات فیشر در یک مدل پارامتری هموار، دست یابد.

Scope

این موضوع شامل پیوستگی و لم‌های لو کام، نرمالیته مجانبی محلی مدل‌های پارامتری هموار، آزمایش انتقال گاوسی حدی، قضیه کانولوشن هاجک که نشان می‌دهد حد هر برآوردگر منظم، برآوردگر کارا به علاوه نویز مستقل است، قضیه مینیمکس مجانبی محلی، تعریف متعاقب کارایی مجانبی، و نقش تابع تأثیر کارا و فراکارایی می‌شود.

Core questions

• نرمالیته مجانبی محلی چیست و چرا یک مدل را به یک آزمایش نرمال کاهش می‌دهد؟
• قضیه کانولوشن چگونه بهترین توزیع حدی ممکن یک برآوردگر را مشخص می‌کند؟
• قضیه مینیمکس مجانبی محلی چه چیزی را در مورد بدترین حالت ریسک اضافه می‌کند؟
• چرا فراکارایی فقط در یک مجموعه ناچیز ممکن است و تابع تأثیر کارا چیست؟

Key theories

نرمالیته مجانبی محلی

برای مدل‌های هموار، نسبت درست‌نمایی لگاریتمی در امتداد اغتشاشات پارامتری محلی مانند یک آزمایش انتقال گاوسی رفتار می‌کند، بنابراین سؤالات مربوط به مدل اصلی به یک مسئله نرمال قابل حل کاهش می‌یابد.

قضایای کانولوشن و مینیمکس مجانبی محلی

قضیه کانولوشن هاجک نشان می‌دهد که قانون حدی هر برآوردگر منظم، قانون نرمال کارا کانولوشن شده با نویز مستقل است، و قضیه مینیمکس مجانبی محلی ریسک محلی بدترین حالت را محدود می‌کند و به طور مشترک کارایی مجانبی را تعریف می‌کنند.

Clinical relevance

نظریه لو کام معیار کارایی مجانبی را فراهم می‌کند که بر اساس آن برآوردگرها قضاوت می‌شوند و زیربنای ساخت برآوردگرهای کارا و نیمه‌پارامتری کارا، از جمله روش‌های تابع تأثیر مورد استفاده در استنتاج علّی و یادگیری هدفمند، است.

History

لو کام پیوستگی و نرمالیته مجانبی محلی را از دهه ۱۹۵۰ توسعه داد و معماهای دیرینه مانند فراکارایی را حل کرد. هاجک قضایای کانولوشن و مینیمکس مجانبی محلی را حدود سال ۱۹۷۰ اثبات کرد و این چارچوب بعدها در همان قرن به مدل‌های نیمه‌پارامتری گسترش یافت.

Key figures

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

Seminal works

• vanderVaart1998

Frequently asked questions

فراکارایی چیست؟

این پدیده‌ای است که با مثال هاجز نشان داده شده است، مبنی بر اینکه یک برآوردگر در مقادیر پارامتری منفرد، واریانس مجانبی کارا را شکست می‌دهد؛ قضیه کانولوشن نشان می‌دهد که این فقط می‌تواند در مجموعه‌ای با اندازه صفر و به قیمت رفتار بدتر در نزدیکی آن رخ دهد.

چرا یک مدل را با یک آزمایش نرمال تقریب می‌زنیم؟

زیرا آزمایش انتقال گاوسی حدی کاملاً درک شده است، بنابراین سؤالات بهینه‌سازی که در مدل اصلی غیرقابل حل هستند، می‌توانند در آنجا پاسخ داده شوند و از طریق نرمالیته مجانبی محلی به مدل اصلی بازگردانده شوند.