ทฤษฎีเชิงเส้นกำกับ
ทฤษฎีเชิงเส้นกำกับศึกษาว่าตัวประมาณค่าและการทดสอบมีพฤติกรรมอย่างไรเมื่อขนาดตัวอย่างเพิ่มขึ้นโดยไม่มีขีดจำกัด โดยให้การประมาณค่าที่จัดการได้เมื่อการแจกแจงที่แน่นอนไม่สามารถจัดการได้
Definition
ทฤษฎีเชิงเส้นกำกับเป็นส่วนหนึ่งของสถิติเชิงคณิตศาสตร์ที่ได้มาซึ่งการแจกแจงแบบจำกัดและการประมาณค่าสำหรับกระบวนการทางสถิติเมื่อขนาดตัวอย่างมีแนวโน้มเข้าสู่อนันต์ และใช้สิ่งเหล่านี้เพื่อเปรียบเทียบและให้เหตุผลแก่กระบวนการเหล่านั้น
Scope
สาขานี้ครอบคลุมถึงรูปแบบของการลู่เข้าและทฤษฎีบทการส่งผ่านต่อเนื่องและทฤษฎีบทของ Slutsky, ความสอดคล้องของตัวประมาณค่า, ภาวะปกติเชิงเส้นกำกับและวิธีเดลต้า, M-estimation และ Z-estimation เป็นกรอบการทำงานที่เป็นหนึ่งเดียวสำหรับตัวประมาณค่าที่กำหนดโดยการหาค่าสูงสุดหรือสมการประมาณค่า, ทฤษฎีกระบวนการเชิงประจักษ์และกฎสม่ำเสมอและทฤษฎีบทขีดจำกัดกลางเหนือคลาสฟังก์ชัน, ความต่อเนื่อง, ภาวะปกติเชิงเส้นกำกับเฉพาะที่, และทฤษฎีบทการสังวัตน์และทฤษฎีบทมินิแม็กซ์เชิงเส้นกำกับเฉพาะที่ที่กำหนดประสิทธิภาพเชิงเส้นกำกับ
Sub-topics
Core questions
- การที่ตัวประมาณค่ามีความสอดคล้องและมีภาวะปกติเชิงเส้นกำกับหมายความว่าอย่างไร?
- วิธีเดลต้าเผยแพร่ภาวะปกติเชิงเส้นกำกับผ่านการแปลงที่ราบรื่นได้อย่างไร?
- M-estimation รวมการประมาณค่าความน่าจะเป็นสูงสุด, กำลังสองน้อยที่สุด, และตัวประมาณค่าที่แข็งแกร่งได้อย่างไร?
- ประสิทธิภาพเชิงเส้นกำกับคืออะไร และทฤษฎีของ Le Cam กำหนดความแปรปรวนจำกัดที่ดีที่สุดได้อย่างไร?
Key theories
- ความสอดคล้องและภาวะปกติเชิงเส้นกำกับ
- ภายใต้ความสม่ำเสมอ ตัวประมาณค่าจะลู่เข้าสู่พารามิเตอร์ที่แท้จริงในความน่าจะเป็น และเมื่อปรับขนาดด้วยรากที่สองของขนาดตัวอย่าง จะลู่เข้าสู่การแจกแจงปกติ ซึ่งให้เหตุผลแก่ค่าความคลาดเคลื่อนมาตรฐานและช่วงความเชื่อมั่นแบบ Wald
- M-estimation และกระบวนการเชิงประจักษ์
- ตัวประมาณค่าที่เพิ่มเกณฑ์ตัวอย่างสูงสุดหรือแก้สมการประมาณค่าจะถูกวิเคราะห์อย่างสม่ำเสมอผ่านทฤษฎีกระบวนการเชิงประจักษ์ ซึ่งให้กฎจำนวนมากที่สม่ำเสมอและทฤษฎีบทขีดจำกัดกลางที่การอ้างเหตุผลต้องการ
- ภาวะปกติเชิงเส้นกำกับเฉพาะที่และประสิทธิภาพ
- ภาวะปกติเชิงเส้นกำกับเฉพาะที่ของ Le Cam ลดแบบจำลองที่ราบรื่นใกล้ความจริงให้เป็นการทดลองปกติ จากนั้นทฤษฎีบทการสังวัตน์และทฤษฎีบทมินิแม็กซ์เชิงเส้นกำกับเฉพาะที่กำหนดความแปรปรวนเชิงเส้นกำกับที่ดีที่สุดที่สามารถทำได้
Clinical relevance
การประมาณค่าเชิงเส้นกำกับให้ค่าความคลาดเคลื่อนมาตรฐาน, ช่วงความเชื่อมั่นแบบ Wald และอัตราส่วนความน่าจะเป็น, และการทดสอบตัวอย่างขนาดใหญ่ที่รายงานโดยซอฟต์แวร์ทางสถิติเกือบทั้งหมด ดังนั้นความถูกต้องของการอนุมานตามปกติในทางวิทยาศาสตร์จึงขึ้นอยู่กับทฤษฎีบทขีดจำกัดเหล่านี้ที่ถือว่าเป็นการประมาณค่าที่ดี
History
จากทฤษฎีบทขีดจำกัดกลางแบบคลาสสิก Le Cam ได้พัฒนาทฤษฎีความต่อเนื่อง, ภาวะปกติเชิงเส้นกำกับเฉพาะที่, และประสิทธิภาพเชิงเส้นกำกับตั้งแต่ทศวรรษ 1950 เป็นต้นมา ทฤษฎีบทการสังวัตน์ของ Hajek และโครงการกระบวนการเชิงประจักษ์ในช่วงปลายศตวรรษที่ยี่สิบ ซึ่งสังเคราะห์โดย van der Vaart ได้ทำให้กรอบการทำงานที่ทันสมัยสมบูรณ์
Key figures
- Lucien Le Cam
- Aad van der Vaart
- Jaroslav Hajek
- Peter J. Bickel
Related topics
Seminal works
- vanderVaart1998
Frequently asked questions
- เหตุใดจึงต้องพึ่งพาภาวะเชิงเส้นกำกับแทนการแจกแจงที่แน่นอน?
- การแจกแจงตัวอย่างจำกัดที่แน่นอนมักจะไม่ทราบหรือไม่สามารถจัดการได้ ในขณะที่การประมาณค่าแบบปกติและไคกำลังสองแบบจำกัดนั้นง่าย ใช้งานได้กว้างขวาง และแม่นยำสำหรับขนาดตัวอย่างปานกลาง
- ขนาดตัวอย่างต้องใหญ่แค่ไหนจึงจะสามารถใช้ภาวะเชิงเส้นกำกับได้?
- ไม่มีคำตอบที่เป็นสากล ขึ้นอยู่กับแบบจำลอง พารามิเตอร์ และความเบ้ของข้อมูล การประมาณค่าอาจยอดเยี่ยมสำหรับการสังเกตเพียงไม่กี่สิบครั้ง หรือไม่ดีสำหรับการสังเกตหลายร้อยครั้งใกล้ขอบเขต ซึ่งเป็นเหตุผลที่การตรวจสอบการสุ่มตัวอย่างซ้ำเป็นเรื่องปกติ