Suficiência e Completude

Uma estatística suficiente comprime uma amostra sem descartar qualquer informação sobre o parâmetro; a completude adiciona a unicidade que transforma tal compressão em estimação ótima.

Definition

Uma estatística é suficiente para um parâmetro se a distribuição condicional dos dados, dado a estatística, não depender do parâmetro; é completa se nenhuma função não trivial dela tiver expectativa zero para cada valor do parâmetro.

Scope

Este tópico abrange a definição de suficiência, o teorema da fatoração de Fisher-Neyman, estatísticas suficientes mínimas e como encontrá-las, estatísticas completas e completas-limitadas, o papel da família exponencial, estatísticas ancilares e o teorema de Basu sobre a independência de uma estatística suficiente completa de qualquer estatística ancilar.

Core questions

• Como o teorema da fatoração permite ler a suficiência diretamente da verossimilhança?
• O que é uma estatística suficiente mínima e como ela é construída?
• Por que a completude garante que uma função não viesada da estatística é única?
• Como o teorema de Basu usa a completude para provar a independência sem computação?

Key theories

Teorema da fatoração

Uma estatística é suficiente se e somente se a densidade conjunta se fatorar em uma parte que depende dos dados apenas através dessa estatística e do parâmetro, e uma parte que depende apenas dos dados.

Completude e teorema de Basu

A completude garante a unicidade de estimadores não viesados baseados na estatística; o teorema de Basu afirma que uma estatística suficiente completa é independente de toda estatística ancilar.

Clinical relevance

A redução de dados a uma estatística suficiente justifica a sumarização de grandes conjuntos de dados por alguns números sem perda de informação, o que fundamenta o armazenamento eficiente, o design de relatórios de resumo e a construção de estimadores ótimos usados em toda a estatística aplicada.

History

Fisher introduziu a suficiência em 1922 como a propriedade de que uma estatística não perde informação. Neyman forneceu o critério de fatoração, e Lehmann e Scheffe desenvolveram a completude na década de 1950; Basu provou seu teorema de independência em 1955, conectando os conceitos.

Key figures

• Ronald A. Fisher
• Jerzy Neyman
• Debabrata Basu
• Erich L. Lehmann

Seminal works

• lehmannCasella1998

Frequently asked questions

Por que uma estatística suficiente é útil?

Ela permite substituir o conjunto de dados completo por um resumo menor, mantendo cada bit de informação que os dados carregam sobre o parâmetro, simplificando a inferência sem qualquer perda.

O que é uma estatística ancilar?

Uma estatística cuja distribuição não depende do parâmetro; pelo teorema de Basu, ela é independente de qualquer estatística suficiente completa, o que é frequentemente usado para simplificar cálculos de probabilidade.