Perguntas com a marcação «asymptotics»

A teoria assintótica estuda as propriedades dos estimadores e as estatísticas dos testes quando o tamanho da amostra se aproxima do infinito.

1
Distribuição assintótica de amostras censuradas de
Seja a estatística de ordem de uma amostra iid do tamanho de . Suponha que os dados sejam censurados, de modo que apenas vejamos a parte superior por cento dos dados, ou seja,Coloque , qual é a distribuição assintótica de X(1),…,X(n)X(1),…,X(n)X_{(1)}, \ldots, X_{(n)}nnnexp(λ)exp⁡(λ)\exp(\lambda)(1−p)×100(1−p)×100(1-p) \times 100%X(⌊pn⌋),X(⌊pn⌋+1),…,X(n).X(⌊pn⌋),X(⌊pn⌋+1),…,X(n).X_{(\lfloor p n \rfloor )}, X_{(\lfloor …
1
Conjectura relacionada à Lei Kolmogorov 0-1 (para eventos)
Seja um espaço de probabilidade. Conjetura:(Ω,F,P)(Ω,F,P)(\Omega, \mathscr F, \mathbb P) Suponha que tenhamos os eventos st , ou . Existe uma sequência independente de eventos stA1,A2,...A1,A2,...A_1, A_2, ...∀ A∈⋂nσ(An,An+1,...)∀ A∈⋂nσ(An,An+1,...)\forall \ A \in \bigcap_n \sigma(A_n, A_{n+1}, ...)P(A)=0P(A)=0P(A) = 0111B1,B2,...B1,B2,...B_1, B_2, ... τAn:=⋂nσ(An,An+1,...)=⋂nσ(Bn,Bn+1,...):=τBnτAn:=⋂nσ(An,An+1,...)=⋂nσ(Bn,Bn+1,...):=τBn\tau_{A_n} := \bigcap_n \sigma(A_n, A_{n+1}, ...) = \bigcap_n \sigma(B_n, …
2
Se , qual o tamanho ?
Se , onde e for uma sequência de variáveis ​​aleatórias positivas, qual o tamanho ?E|Xn|=O(an)E|Xn|=O(an)\mathbb{E}|X_n|=O(a_n)an→0an→0a_n\to 0XnXnX_nYn=Xnln(1Xn)Yn=Xnln⁡(1Xn)Y_n = X_n\ln\left(\frac{1}{X_n}\right) Minha tentativa: pela desigualdade de Markov implica e . Resta avaliar . Para alguma sequência positiva de variáveis ​​aleatóriasE|Xn|=O(an)E|Xn|=O(an)\mathbb{E}|X_n|=O(a_n)Xn=Op(an)Xn=Op(an)X_n=O_p(a_n)Yn=Op(an)ln(1Xn)Yn=Op(an)ln⁡(1Xn)Y_n = O_p(a_n)\ln\left(\frac{1}{X_n}\right)ln(1Xn)ln⁡(1Xn)\ln\left(\frac{1}{X_n}\right)Zn=Op(1)Zn=Op(1)Z_n=O_p(1) Xn=umanZn⟺em(Xn) = ln(uman) + ln(Zn)⟺em(1 1Xn)em(1 1uman)=em(Zn)em(uman)+ 1Xn=anZn⟺ln⁡(Xn)=ln⁡(an)+ln⁡(Zn)⟺ln⁡(1Xn)ln⁡(1an)=ln⁡(Zn)ln⁡(an)+1\begin{equation} \begin{aligned} X_n = …
1
O que pode dar errado com o MLE se eu substituir algumas estimativas de primeiro estágio em vez de alguns parâmetros?
Suponha que inicialmente eu esteja lidando com a função de probabilidade de , em que .logL(θ1,…,θm,θm+1,…,θk)log⁡L(θ1,…,θm,θm+1,…,θk)\log L(\theta_1, \ldots, \theta_m, \theta_{m+1}, \ldots, \theta_k)θj∈Rθj∈R\theta_j \in \mathbb{R} Suponha que, por qualquer motivo, eu tenha decidido inserir no algumas estimativas de primeiro estágio , , obtidas de alguma outra maneira e depois maximizar sobre …
2
O texto econométrico afirma que convergência na distribuição implica convergência em momentos
O seguinte lema pode ser encontrado na Econometria de Hayashi : Lema 2.1 (convergência na distribuição e nos momentos): Seja o ésimo momento de e onde \ alpha_ {s} é finito (ou seja, um número real). Então:αsnαsn\alpha_{sn}sssznznz_{n}limn→∞αsn=αslimn→∞αsn=αs\lim_{n\to\infty}\alpha_{sn}=\alpha_{s}αsαs\alpha_{s} " zn→dzzn→dzz_{n} \to_{d} z " ⟹⟹\implies " αsαs\alpha_{s} é o sss ésimo momento …
Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.