Eficiência Assintótica e Teoria de Le Cam

A teoria de Le Cam especifica o que significa para um estimador ser assintoticamente o melhor, aproximando um modelo suave próximo da verdade com um experimento normal simples.

Definition

Um estimador regular é assintoticamente eficiente se sua variância limitante atinge o limite inferior estabelecido pelos teoremas da convolução e local-assintótico-minimax, equivalentemente a informação de Fisher inversa em um modelo paramétrico suave.

Scope

Este tópico abrange a contiguidade e os lemas de Le Cam, a normalidade assintótica local de modelos paramétricos suaves, o experimento de deslocamento gaussiano limitante, o teorema da convolução de Hajek mostrando que o limite de qualquer estimador regular é o eficiente mais ruído independente, o teorema local-assintótico-minimax, a consequente definição de eficiência assintótica e o papel da função de influência eficiente e da supereficência.

Core questions

• O que é normalidade assintótica local e por que ela reduz um modelo a um experimento normal?
• Como o teorema da convolução caracteriza a melhor distribuição limitante possível de um estimador?
• O que o teorema local-assintótico-minimax acrescenta sobre o risco no pior caso?
• Por que a supereficência é possível apenas em um conjunto desprezível, e qual é a função de influência eficiente?

Key theories

Normalidade assintótica local

Para modelos suaves, a razão de verossimilhança logarítmica ao longo de perturbações de parâmetros locais comporta-se como a de um experimento de deslocamento gaussiano, de modo que questões sobre o modelo original se reduzem a um problema normal tratável.

Teoremas da convolução e local-assintótico-minimax

O teorema da convolução de Hajek mostra que a lei limite de qualquer estimador regular é a lei normal eficiente convoluída com ruído independente, e o teorema local-assintótico-minimax limita o risco local no pior caso, definindo conjuntamente a eficiência assintótica.

Clinical relevance

A teoria de Le Cam fornece o referencial de eficiência assintótica contra o qual os estimadores são julgados e fundamenta a construção de estimadores eficientes e semiparamétricos-eficientes, incluindo os métodos de função de influência usados na inferência causal e na aprendizagem direcionada (targeted learning).

History

Le Cam desenvolveu a contiguidade e a normalidade assintótica local a partir da década de 1950, resolvendo enigmas de longa data, como a supereficência. Hajek provou os teoremas da convolução e local-assintótico-minimax por volta de 1970, e a estrutura foi estendida a modelos semiparamétricos mais tarde no século.

Key figures

• Lucien Le Cam
• Jaroslav Hajek
• Aad van der Vaart
• Peter J. Bickel

Seminal works

• vanderVaart1998

Frequently asked questions

O que é supereficência?

É o fenômeno, ilustrado pelo exemplo de Hodges, de um estimador superar a variância assintótica eficiente em valores de parâmetros isolados; o teorema da convolução mostra que isso só pode acontecer em um conjunto de medida zero e ao custo de um comportamento pior nas proximidades.

Por que aproximar um modelo por um experimento normal?

Porque o experimento de deslocamento gaussiano limitante é totalmente compreendido, então questões de otimalidade que são intratáveis no modelo original podem ser respondidas lá e transferidas de volta via normalidade assintótica local.