سازگاری و نرمالیتی مجانبی
سازگاری بیان میکند که یک برآوردگر با انباشت دادهها به حقیقت نزدیک میشود؛ نرمالیتی مجانبی بیان میکند که خطای آن، با مقیاسبندی مناسب، تقریباً نرمال میشود، که این امر به خطاهای استاندارد معنا میبخشد.
Definition
یک برآوردگر سازگار است اگر با افزایش اندازه نمونه، در احتمال به پارامتر واقعی همگرا شود، و از نظر مجانبی نرمال است اگر خطای برآورد مقیاسبندی شده در توزیع به یک قانون نرمال همگرا شود.
Scope
این موضوع شامل همگرایی در احتمال و در توزیع، قانون ضعیف اعداد بزرگ و قضیه حد مرکزی به عنوان موتورهای سازگاری و نرمالیتی مجانبی، قضیه نگاشت پیوسته و قضیه اسلاتسکی، روش دلتا برای توزیع مجانبی توابع هموار یک برآوردگر، تبدیلهای تثبیتکننده واریانس، و معنای خطاهای استاندارد و فواصل اطمینان حاصل از آن است.
Core questions
- چگونه قانون اعداد بزرگ و قضیه حد مرکزی به سازگاری و نرمالیتی مجانبی منجر میشوند؟
- قضیه اسلاتسکی و قضیه نگاشت پیوسته به شما اجازه میدهند چه چیزهایی را ترکیب و تبدیل کنید؟
- چگونه روش دلتا واریانس مجانبی یک تابع از یک برآوردگر را ارائه میدهد؟
- تبدیل تثبیتکننده واریانس چیست و چرا استفاده میشود؟
Key theories
- سازگاری
- بر اساس قانون اعداد بزرگ و استدلالهای پیوستگی، برآوردگرهای خوشرفتار در احتمال به پارامتری که هدف قرار میدهند همگرا میشوند، که حداقل نیاز نمونههای بزرگ برای یک برآوردگر معقول است.
- نرمالیتی مجانبی و روش دلتا
- قضیه حد مرکزی خطای مقیاسبندی شده بسیاری از برآوردگرها را از نظر مجانبی نرمال میکند، و روش دلتا آن نرمالیتی را، با واریانس تبدیل شده، به توابع هموار برآوردگر منتقل میکند.
Clinical relevance
نرمالیتی مجانبی همان چیزی است که اجازه میدهد یک برآورد با خطای استاندارد و فاصله اطمینان والد گزارش شود؛ روش دلتا به ویژه خطاهای استاندارد را برای مقادیر مشتق شده مانند نسبت شانس، نسبت میانگینها، و احتمالات پیشبینی شده در سراسر علوم کاربردی فراهم میکند.
History
قضیه حد مرکزی از لاپلاس تا لیاپانوف و لیندبرگ در اوایل قرن بیستم تکامل یافت. رساله کرامر در سال 1946 سازگاری، نرمالیتی مجانبی و روش دلتا را در مرکز آمار ریاضی قرار داد، جایی که همچنان باقی ماندهاند.
Key figures
- Pierre-Simon Laplace
- Aleksandr Lyapunov
- Harald Cramer
- Aad van der Vaart
Related topics
Seminal works
- vanderVaart1998
Frequently asked questions
- آیا سازگاری به معنای نااریب بودن برآوردگر است؟
- خیر. یک برآوردگر سازگار میتواند در نمونههای محدود اریب باشد؛ سازگاری تنها مستلزم آن است که اریبی و واریانس هر دو با افزایش اندازه نمونه ناپدید شوند، به طوری که برآوردگر در حد به مقدار واقعی متمرکز شود.
- روش دلتا چه کاری انجام میدهد؟
- این روش توزیع تقریبی یک تابع هموار از یک برآوردگر مجانبی نرمال را با خطیسازی تابع ارائه میدهد و مقدار تابع به علاوه یک خطای نرمال را تولید میکند که واریانس آن با مشتق مربع مقیاسبندی شده است.