Théorie asymptotique
La théorie asymptotique étudie le comportement des estimateurs et des tests lorsque la taille de l'échantillon croît indéfiniment, offrant des approximations traitables lorsque les distributions exactes sont intraitables.
Definition
La théorie asymptotique est la branche des statistiques mathématiques qui dérive les distributions limites et les approximations pour les procédures statistiques lorsque la taille de l'échantillon tend vers l'infini, et les utilise pour comparer et justifier ces procédures.
Scope
Ce domaine couvre les modes de convergence et les théorèmes de l'application continue (continuous mapping) et de Slutsky, la consistance des estimateurs, la normalité asymptotique et la méthode delta, l'estimation M et Z comme cadre unificateur pour les estimateurs définis par maximisation ou par des équations d'estimation, la théorie des processus empiriques et les lois uniformes et théorèmes centraux limites sur des classes de fonctions, la contiguïté, la normalité asymptotique locale, ainsi que les théorèmes de convolution et du minimax asymptotique local qui définissent l'efficacité asymptotique.
Sub-topics
Core questions
- Que signifie pour un estimateur d'être convergent et asymptotiquement normal ?
- Comment la méthode delta propage-t-elle la normalité asymptotique à travers des transformations lisses ?
- Comment l'estimation M unifie-t-elle les estimateurs du maximum de vraisemblance, des moindres carrés et robustes ?
- Qu'est-ce que l'efficacité asymptotique, et comment la théorie de Le Cam caractérise-t-elle la meilleure variance limite ?
Key theories
- Consistance et normalité asymptotique
- Sous des conditions de régularité, les estimateurs convergent en probabilité vers le vrai paramètre et, après rééchelonnement par la racine carrée de la taille de l'échantillon, convergent vers une distribution normale, justifiant ainsi les erreurs standard et les intervalles de confiance de Wald.
- Estimation M et processus empiriques
- Les estimateurs maximisant un critère d'échantillon ou résolvant des équations d'estimation sont analysés de manière uniforme via la théorie des processus empiriques, qui fournit les lois uniformes des grands nombres et les théorèmes centraux limites nécessaires aux arguments.
- Normalité asymptotique locale et efficacité
- La normalité asymptotique locale de Le Cam réduit un modèle lisse proche de la vérité à une expérience normale ; les théorèmes de convolution et du minimax asymptotique local définissent ensuite la meilleure variance asymptotique réalisable.
Clinical relevance
Les approximations asymptotiques fournissent les erreurs standard, les intervalles de confiance de Wald et du rapport de vraisemblance, ainsi que les tests pour grands échantillons rapportés par la quasi-totalité des logiciels statistiques. Par conséquent, la validité de l'inférence de routine dans les sciences repose sur la bonne approximation de ces théorèmes limites.
History
S'appuyant sur le théorème central limite classique, Le Cam a développé la théorie de la contiguïté, de la normalité asymptotique locale et de l'efficacité asymptotique à partir des années 1950. Le théorème de convolution de Hajek et le programme des processus empiriques de la fin du XXe siècle, synthétisés par van der Vaart, ont complété le cadre moderne.
Key figures
- Lucien Le Cam
- Aad van der Vaart
- Jaroslav Hajek
- Peter J. Bickel
Related topics
Seminal works
- vanderVaart1998
Frequently asked questions
- Pourquoi se fier aux asymptotiques plutôt qu'aux distributions exactes ?
- Les distributions exactes pour des échantillons finis sont généralement inconnues ou intraitables, tandis que les approximations normales et du chi-deux limites sont simples, largement applicables et précises pour des tailles d'échantillon modérées.
- Quelle doit être la taille de l'échantillon pour que les asymptotiques s'appliquent ?
- Il n'y a pas de réponse universelle ; cela dépend du modèle, du paramètre et de l'asymétrie des données. Les approximations peuvent être excellentes pour quelques dizaines d'observations ou médiocres pour des centaines près d'une frontière, c'est pourquoi les vérifications par rééchantillonnage sont courantes.