일치성 및 점근적 정규성

일치성은 데이터가 축적됨에 따라 추정량이 참값에 수렴함을 의미하며, 점근적 정규성은 적절히 스케일링된 추정량의 오차가 대략적으로 정규분포를 따른다는 것을 의미하며, 이는 표준 오차를 유의미하게 만듭니다.

Definition

추정량은 표본 크기가 증가함에 따라 참 매개변수에 확률 수렴하면 일치성을 가지며, 재조정된 추정 오차가 정규 분포에 분포 수렴하면 점근적으로 정규성을 가집니다.

Scope

이 주제는 확률 수렴 및 분포 수렴, 일치성 및 점근적 정규성의 원동력인 대수의 약법칙과 중심극한정리, 연속 사상 정리 및 슬러츠키 정리, 추정량의 매끄러운 함수의 점근 분포를 위한 델타 방법, 분산 안정화 변환, 그리고 결과적인 표준 오차 및 신뢰 구간의 의미를 다룹니다.

Core questions

• 대수의 법칙과 중심극한정리는 어떻게 일치성과 점근적 정규성을 도출하는가?
• 슬러츠키 정리와 연속 사상 정리는 무엇을 결합하고 변환할 수 있게 하는가?
• 델타 방법은 어떻게 추정량 함수의 점근 분산을 제공하는가?
• 분산 안정화 변환이란 무엇이며 왜 사용되는가?

Key theories

일치성

대수의 법칙과 연속성 논증에 의해, 잘 동작하는 추정량은 표본 크기가 커질수록 목표하는 모수에 확률 수렴하며, 이는 합리적인 추정량을 위한 최소한의 대규모 표본 요구 사항입니다.

점근적 정규성 및 델타 방법

중심극한정리는 많은 추정량의 스케일링된 오차를 점근적으로 정규분포하게 만들며, 델타 방법은 변환된 분산을 통해 그 정규성을 추정량의 매끄러운 함수로 전달합니다.

Clinical relevance

점근적 정규성은 추정치를 표준 오차 및 Wald 신뢰 구간과 함께 보고하는 것을 정당화합니다. 특히 델타 방법은 응용 과학 전반에 걸쳐 오즈비, 평균 비율, 예측 확률과 같은 파생량에 대한 표준 오차를 제공합니다.

History

중심극한정리는 라플라스(Laplace)를 거쳐 20세기 초 랴푸노프(Lyapunov)와 린데베르그(Lindeberg)에 의해 발전했습니다. 크라메르(Cramer)의 1946년 저서는 일치성, 점근적 정규성, 델타 방법을 수리 통계학의 중심에 두었으며, 이는 현재까지 이어지고 있습니다.

Key figures

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

Seminal works

• vanderVaart1998

Frequently asked questions

일치성은 추정량이 불편향임을 의미하는가?

아닙니다. 일치성 추정량은 유한 표본에서 편향될 수 있습니다. 일치성은 표본 크기가 증가함에 따라 편향과 분산이 모두 사라져, 추정량이 극한에서 참값에 집중하는 것만을 요구합니다.

델타 방법은 무엇을 하는가?

델타 방법은 함수를 선형화하여 점근적으로 정규분포하는 추정량의 매끄러운 함수의 근사 분포를 제공하며, 이는 함수의 값과 정규 오차를 생성하는데, 이 오차의 분산은 제곱 미분값에 의해 스케일링됩니다.