渐近理论
渐近理论研究估计量和检验在样本量无限增大时的行为，当精确分布难以处理时，它提供可处理的近似。
用 PaperMind 寻找选题即将推出Find papers & topics
Tools & resources
Learn & explore
视频即将推出
Definition
渐近理论是数理统计学的一个分支，它推导统计程序在样本量趋于无穷大时的极限分布和近似值，并利用它们来比较和验证这些程序。
Scope
该领域涵盖收敛模式、连续映射定理和斯卢茨基定理、估计量的一致性、渐近正态性和Delta方法、作为通过最大化或估计方程定义的估计量的统一框架的M-估计和Z-估计、经验过程理论以及函数类上的均匀大数定律和中心极限定理、邻近性、局部渐近正态性，以及定义渐近效率的卷积定理和局部渐近极小极大定理。
Sub-topics
Core questions
- 估计量的一致性和渐近正态性意味着什么？
- Delta方法如何通过平滑变换传播渐近正态性？
- M-估计如何统一最大似然估计、最小二乘估计和稳健估计？
- 什么是渐近效率？Le Cam的理论如何刻画最佳极限方差？
Key theories
- 一致性和渐近正态性
- 在正则条件下，估计量依概率收敛于真实参数，并且经样本量平方根重新缩放后，收敛于正态分布，从而验证了标准误差和Wald置信区间。
- M-估计和经验过程
- 通过最大化样本准则或求解估计方程得到的估计量，通过经验过程理论进行统一分析，该理论提供了论证所需的均匀大数定律和中心极限定理。
- 局部渐近正态性和效率
- Le Cam的局部渐近正态性将真实值附近的平滑模型简化为正态实验；卷积定理和局部渐近极小极大定理随后定义了可实现的最佳渐近方差。
Clinical relevance
渐近近似提供了几乎所有统计软件报告的标准误差、Wald和似然比置信区间以及大样本检验，因此科学中常规推断的有效性依赖于这些极限定理的良好近似。
History
在经典中心极限定理的基础上，Le Cam从20世纪50年代起发展了邻近性、局部渐近正态性和渐近效率理论。Hajek的卷积定理和20世纪末由van der Vaart综合的经验过程研究项目，完善了现代框架。
Key figures
- Lucien Le Cam
- Aad van der Vaart
- Jaroslav Hajek
- Peter J. Bickel
Related topics
Seminal works
- vanderVaart1998
Frequently asked questions
- 为什么依赖渐近性而非精确分布？
- 精确的有限样本分布通常未知或难以处理，而极限正态和卡方近似简单、适用范围广，并且对于中等样本量而言是准确的。
- 样本量需要多大才能应用渐近性？
- 没有普遍的答案；这取决于模型、参数和数据的偏度。对于几十个观测值，近似可能非常好，但对于靠近边界的数百个观测值，可能很差，这就是为什么重采样检验很常见的原因。