一致性と漸近正規性

一致性とは、データが蓄積されるにつれて推定量が真の値に収束することを示し、漸近正規性とは、適切にスケーリングされた推定誤差が近似的に正規分布に従うようになり、これにより標準誤差が意味を持つことを示します。

Definition

推定量は、標本サイズが増加するにつれて真のパラメータに確率収束する場合に一致性があり、再スケーリングされた推定誤差が正規分布に分布収束する場合に漸近正規性があると言えます。

Scope

このトピックでは、確率収束と分布収束、一致性と漸近正規性の原動力となる大数の弱法則と中心極限定理、連続写像定理とスルツキーの定理、推定量の滑らかな関数の漸近分布のためのデルタ法、分散安定化変換、および結果として得られる標準誤差と信頼区間の意味について扱います。

Core questions

• 大数の法則と中心極限定理は、どのようにして一致性と漸近正規性をもたらすのでしょうか？
• スルツキーの定理と連続写像定理は、何を結合し変換することを可能にするのでしょうか？
• デルタ法は、推定量の関数の漸近分散をどのように与えるのでしょうか？
• 分散安定化変換とは何であり、なぜそれが使用されるのでしょうか？

Key theories

一致性

大数の法則と連続性の議論により、適切に振る舞う推定量は、それが目標とするパラメータに確率収束します。これは、妥当な推定量にとって最小限の大標本要件です。

漸近正規性とデルタ法

中心極限定理は、多くの推定量のスケーリングされた誤差を漸近的に正規分布に従わせ、デルタ法はその正規性を、変換された分散とともに、推定量の滑らかな関数に伝達します。

Clinical relevance

漸近正規性は、推定値を標準誤差およびワルド信頼区間とともに報告することを可能にするものです。特にデルタ法は、オッズ比、平均の比、予測確率など、応用科学全体における派生量に対して標準誤差を提供します。

History

中心極限定理は、ラプラスからリャプノフ、そして20世紀初頭のリンデベルクを経て成熟しました。クレーマーの1946年の論文は、一致性、漸近正規性、およびデルタ法を数理統計学の中心に据え、それらは現在もその位置を占めています。

Key figures

• Pierre-Simon Laplace
• Aleksandr Lyapunov
• Harald Cramer
• Aad van der Vaart

Seminal works

• vanderVaart1998

Frequently asked questions

一致性は推定量の不偏性を意味しますか？

いいえ。一致性のある推定量は有限標本では偏りを持つことがあります。一致性は、標本サイズが増加するにつれて偏りと分散の両方が消失し、極限において推定量が真の値に集中することのみを要求します。

デルタ法は何をしますか？

漸近正規性を持つ推定量の滑らかな関数の近似分布を与えます。これは、関数を線形化し、関数の値と、その分散が導関数の二乗によってスケーリングされた正規誤差を生成することによって行われます。