점근 이론
점근 이론은 표본 크기가 무한히 증가할 때 추정량과 검정이 어떻게 작동하는지 연구하며, 정확한 분포를 다루기 어려울 때 다루기 쉬운 근사치를 제공합니다.
PaperMind(으)로 주제 찾기곧 제공Find papers & topics
Tools & resources
Learn & explore
동영상곧 제공
Definition
점근 이론은 표본 크기가 무한대로 갈 때 통계적 절차에 대한 극한 분포와 근사치를 도출하고, 이를 사용하여 해당 절차를 비교하고 정당화하는 수리 통계학의 한 분야입니다.
Scope
이 분야는 수렴 모드와 연속 사상 정리 및 슬러츠키 정리, 추정량의 일치성, 점근 정규성 및 델타 방법, 최대화 또는 추정 방정식으로 정의되는 추정량에 대한 통합 프레임워크로서의 M-추정 및 Z-추정, 함수 클래스에 대한 경험 과정 이론 및 균일 법칙과 중심 극한 정리, 근접성, 국소 점근 정규성, 그리고 점근 효율성을 정의하는 합성곱 정리 및 국소 점근 최소극대 정리를 다룹니다.
Sub-topics
Core questions
- 추정량이 일치하고 점근적으로 정규성을 띠는 것은 무엇을 의미합니까?
- 델타 방법은 매끄러운 변환을 통해 점근 정규성을 어떻게 전파합니까?
- M-추정은 최대 우도, 최소 제곱, 강건 추정량을 어떻게 통합합니까?
- 점근 효율성이란 무엇이며, Le Cam의 이론은 최적의 극한 분산을 어떻게 특징짓습니까?
Key theories
- 일치성 및 점근 정규성
- 정규성 조건 하에서 추정량은 참 모수에 확률적으로 수렴하며, 표본 크기의 제곱근으로 재조정될 때 정규 분포에 수렴하여 표준 오차와 Wald 신뢰 구간을 정당화합니다.
- M-추정 및 경험 과정
- 표본 기준을 최대화하거나 추정 방정식을 푸는 추정량은 경험 과정 이론을 통해 통일적으로 분석되며, 이는 논증에 필요한 대수의 균일 법칙과 중심 극한 정리를 제공합니다.
- 국소 점근 정규성 및 효율성
- Le Cam의 국소 점근 정규성은 참값 근처의 매끄러운 모형을 정규 실험으로 환원시킵니다. 합성곱 정리와 국소 점근 최소극대 정리는 달성 가능한 최적의 점근 분산을 정의합니다.
Clinical relevance
점근 근사치는 본질적으로 모든 통계 소프트웨어에서 보고하는 표준 오차, Wald 및 우도비 신뢰 구간, 대규모 표본 검정을 제공하므로, 과학 분야에서 일상적인 추론의 유효성은 이러한 극한 정리가 좋은 근사치로 유지되는지에 달려 있습니다.
History
고전적인 중심 극한 정리를 기반으로, Le Cam은 1950년대부터 근접성, 국소 점근 정규성 및 점근 효율성 이론을 발전시켰습니다. Hajek의 합성곱 정리와 20세기 후반의 경험 과정 프로그램은 van der Vaart에 의해 통합되어 현대적 프레임워크를 완성했습니다.
Key figures
- Lucien Le Cam
- Aad van der Vaart
- Jaroslav Hajek
- Peter J. Bickel
Related topics
Seminal works
- vanderVaart1998
Frequently asked questions
- 정확한 분포 대신 점근 이론에 의존하는 이유는 무엇입니까?
- 정확한 유한 표본 분포는 일반적으로 알려져 있지 않거나 다루기 어렵지만, 극한 정규 및 카이제곱 근사치는 간단하고 광범위하게 적용 가능하며 적당한 표본 크기에서 정확합니다.
- 점근 이론을 적용하려면 표본 크기가 얼마나 커야 합니까?
- 보편적인 답은 없습니다. 이는 모형, 모수, 데이터의 왜도에 따라 달라집니다. 근사치는 수십 개의 관측치에 대해서는 매우 우수할 수 있지만, 경계 근처에서 수백 개의 관측치에 대해서는 좋지 않을 수 있으므로 재표본 추출 검사가 흔히 사용됩니다.