In un'impostazione in cui si osserva distribuito da una distribuzione con densità , mi chiedo se esiste uno stimatore imparziale (basato sulla ) della distanza di Hellinger ad un'altra distribuzione con densità , vale a dire
In un'impostazione in cui si osserva distribuito da una distribuzione con densità , mi chiedo se esiste uno stimatore imparziale (basato sulla ) della distanza di Hellinger ad un'altra distribuzione con densità , vale a dire
Risposte:
Nessuno stimatore imparziale esiste H o di H 2 per f da qualsiasi classe di distribuzioni non parametrica ragionevolmente ampia.
Possiamo dimostrarlo con l'argomentazione meravigliosamente semplice di
Bickel e Lehmann (1969). Stima non distorta in famiglie convesse . The Annals of Mathematical Statistics, 40 (5) 1523-1535. ( progetto euclid )
Correggi alcune distribuzioni , F e G , con densità corrispondenti f 0 , f e g . Let H ( F ) denotano H ( f , f 0 ) , e lasciare che H ( X ) è un po 'estimatore di H ( F ) sulla base di n campioni iid X Il i ~ F .
Supponiamo che H è distorto per campioni da qualsiasi distribuzione del modulo M α : = α F + ( 1 - α Ma poi Q ( α )
Ora, specializziamoci in un caso ragionevole e mostriamo che la corrispondente non è polinomiale.
Sia una distribuzione che abbia densità costante su [ - 1 , 1 ] : f 0 ( x ) = c per tutti | x | ≤ 1 . (Il suo comportamento al di fuori di questo intervallo non ha importanza.) Sia F una distribuzione supportata solo su [ - 1 , 0 ] e G una distribuzione supportata solo su [ 0 , 1 ] .
Ora doveBF:=∫R√
non è un polinomio di alcun grado finito. Pertanto, nessuna stimatore H può essere distorto perHsu tutte le distribuzioniMαcon un numero finito di campioni.
Allo stesso modo, perché è anche un polinomio, non esiste uno stimatore per H 2che sia imparziale su tutte le distribuzioniMαcon finitamente molti campioni.
Ciò esclude praticamente tutte le classi ragionevoli di distribuzioni non parametriche, ad eccezione di quelle con densità limitate al di sotto (ipotesi che talvolta non fanno analisi). Probabilmente potresti anche uccidere quelle classi con un argomento simile semplicemente rendendo costanti le densità o qualcosa del genere.
I don't know how to construct (if it exists) an unbiased estimator of the Hellinger distance. It seems possible to construct a consistent estimator. We have some fixed known density , and a random sample from a density . We want to estimate