Dado amostras iid de uma distribuição gaussiana e o estimador M-, , o que propriedades em são suficientes para garantir na probabilidade? É sendo estritamente convexa e estritamente crescente suficiente?
Dado amostras iid de uma distribuição gaussiana e o estimador M-, , o que propriedades em são suficientes para garantir na probabilidade? É sendo estritamente convexa e estritamente crescente suficiente?
Respostas:
Isso não será uma resposta, pois reduzirá seu problema a outro, mas acho que pode ser útil. Sua pergunta é basicamente sobre a consistência do estimador-M. Então, primeiro podemos ver os resultados gerais. Aqui está o resultado do livro de van der Vaart (teorema 5.7, página 45):
Teorema Seja funções aleatórias e seja uma função fixa de modo que para cada
Então qualquer sequência de estimadores com converge em probabilidade para
No seu caso , e
A condição chave aqui é a convergência uniforme. Na página 46, van der Vaart diz
que para médias que é o seu caso, essa condição é equivalente ao conjunto de funções ( no seu caso) sendo Glivenko -Canteli . Um conjunto simples de condições suficientes é que seja compacto, que as funções sejam contínuas para cada e que> sejam dominadas por uma função integrável.
Em Wooldridge, esse resultado é formulado como um teorema chamado Lei Fraca Uniforme de Grandes Números, página 347 (primeira edição), teorema 12.1. Ele apenas adiciona requisitos de mensurabilidade ao que van der Vaart afirma.
No seu caso, você pode escolher com segurança para algum , portanto, você precisa mostrar que existe a função tal que
para todos , tais que . A teoria da função convexa pode ser útil aqui, já que você pode tomar
Se essa função tiver boas propriedades, você estará pronto.