En un entorno donde se observa distribuido desde una distribución con densidad , me pregunto si hay un estimador imparcial (basado en 's) de la distancia de Hellinger a otra distribución con densidad , a saber,
En un entorno donde se observa distribuido desde una distribución con densidad , me pregunto si hay un estimador imparcial (basado en 's) de la distancia de Hellinger a otra distribución con densidad , a saber,
Respuestas:
No existe un estimador imparcial de o de para de cualquier clase de distribución no paramétrica razonablemente amplia.
Podemos mostrar esto con el argumento maravillosamente simple de
Bickel y Lehmann (1969). Estimación imparcial en familias convexas . Los Anales de Estadística Matemática, 40 (5) 1523-1535. ( proyecto euclid )
algunas distribuciones , y , con las densidades correspondientes , y . Deje denotan , y dejar que ser alguna estimador de sobre la base de muestras iid .
Suponga que es imparcial para muestras de cualquier distribución de la forma Pero luego para que debe ser un polinomio en
Ahora, especializémonos en un caso razonable y demostremos que la correspondiente no es polinómica.
Supongamos que es una distribución que tiene densidad constante en [ - 1 , 1 ] : f 0 ( x ) = c para todos | x | ≤ 1 . (Su comportamiento fuera de ese rango no importa). Sea F una distribución admitida solo en [ - 1 , 0 ] , y G alguna distribución admitida solo en [ 0 , 1 ] .
Ahora dondee igualmente para. Tenga en cuenta que,para cualquier distribución,que tenga una densidad.
no es un polinomio de ningún grado finito. Por lo tanto, ningún estimador puede ser imparcial para en todas las distribuciones con muchas muestras finitas.
Del mismo modo, debido a que tampoco es un polinomio, no hay un estimador para que sea imparcial en todas las distribuciones con finitamente muchas muestras.
Esto excluye prácticamente todas las clases de distribuciones no paramétricas razonables, excepto aquellas con densidades limitadas a continuación (una suposición que a veces hacen análisis no paramétricos). Probablemente podrías matar esas clases también con un argumento similar simplemente haciendo constantes las densidades o algo así.
No sé cómo construir (si existe) un estimador imparcial de la distancia Hellinger. Parece posible construir un estimador consistente. Tenemos una densidad fija conocida , y una muestra aleatoria de una densidad . Queremos estimar donde . Por el SLLN, sabemos que casi seguro, como