Estimador imparcial de exponencial de medida de un conjunto?


12

Supongamos que tenemos un conjunto (medible y adecuadamente bien comportado) , donde es compacto. Además, supongamos que podemos extraer muestras de la distribución uniforme sobre wrt la medida de Lebesgue y que conocemos la medida . Por ejemplo, tal vez es una caja que contiene .SBRnBBλ()λ(B)B[c,c]nS

Para fijo , ¿hay una manera simple e imparcial de estimar al muestrear uniformemente los puntos en y verificar si están dentro o fuera de ?αReαλ(S)BS

Como ejemplo de algo que no funciona del todo, supongamos que muestreamos puntos . Entonces podemos usar la estimación de Monte Carlo Pero, mientras es un estimador imparcial de , no creo que sea el caso que sea ​​un estimador imparcial de . ¿Hay alguna forma de modificar este algoritmo?kp1,,pkUniform(B)

λ(S)λ^:=#{piS}kλ(B).
λ^λ(S)eαλ^eαλ(S)

Respuestas:


11

Suponga que tiene los siguientes recursos disponibles:

  1. Tiene acceso a un estimador .λ^
  2. λ^ es imparcial para .λ(S)
  3. λ^ C es casi seguro acotado superiormente por .C
  4. Conoces la constante , yC
  5. Puede realizar realizaciones independientes de tantas veces como desee.λ^

Ahora, tenga en cuenta que para cualquier , se cumple lo siguiente (por la expansión de Taylor de ):u>0expx

eαλ(S)=eαCeα(Cλ(S))=eαCk0(α[Cλ(S)])kk!=eαCeuk0eu(α[Cλ(S)])kk!=euαCk0ukeuk!(α[Cλ(S)]u)k

Ahora, haga lo siguiente:

  1. Muestra .KPoisson(u)
  2. Forme como estimadores imparciales de .λ^1,,λ^Kλ(S)
  3. Devuelve el estimador

Λ^=euαC(αu)Ki=1K{Cλ^i}.

Λ^ es entonces un estimador no negativo e imparcial de . Esto es porqueλ(S)

E[Λ^|K]=euαC(αu)KE[i=1K{Cλ^i}|K]=euαC(αu)Ki=1KE[Cλ^i]=euαC(αu)Ki=1K[Cλ(S)]=euαC(αu)K[Cλ(S)]K

y por lo tanto

E[Λ^]=EK[E[Λ^|K]]=EK[euαC(αu)K[Cλ(S)]K]=euαCk0P(K=k)(αu)K[Cλ(S)]K=euαCk0ukeuk!(α[Cλ(S)]u)k=eαλ(S)

por el cálculo anterior.


¡Interesante! ¿El estimador de descrito en la pregunta no funciona aquí, ya que está limitado anteriormente por ? Además, ¿cómo es que esto no contradice la respuesta de @whuber a continuación? ¿Hay un argumento fácil por qué esto es imparcial? Perdón por muchas preguntas, mi teoría de la probabilidad es débil :-)λ^λ(B)<
Justin Solomon

1
El estimador que describe funciona, ya que sabe . Creo que esto no contradice la otra respuesta debido a la suposición ; dado el acceso finito a estimadores imparciales, no creo que esta construcción funcione. La imparcialidad se produce al comparar la expectativa de con la serie de poder anterior; Lo aclararé en la respuesta. λ(B)5Λ^
πr8

¿Está seguro de que puede intercambiar el producto y las expectativas en la segunda línea de la prueba de imparcialidad?
jbowman

2
Parece que está bien porque están calculados con iid, ¿verdad?
Justin Solomon el

2
+1 Creo que este es un ejemplo interesante e instructivo. Tiene éxito al no hacer una suposición implícita en mi respuesta: que el tamaño de la muestra está especificado o al menos limitado.
whuber

10

La respuesta es negativa.

Una estadística suficiente para una muestra uniforme es el recuento de puntos que se observan en Este recuento tiene una distribución Binomial . Escriba yXS.(n,λ(S)/λ(B))p=λ(S)/λ(B)α=αλ(B).

Para un tamaño de muestra de deje ser cualquier estimador (no aleatorizado) de La expectativa esn,tnexp(αλ(S))=exp((αλ(B))p)=exp(αp).

E[tn(X)]=x=0n(nx)px(1p)nxtn(x),

que es igual a un polinomio de grado como máximo en Pero si la exponencial no puede expresarse como un polinomio en (Una prueba: tome derivadas. El resultado para la expectativa será cero pero la derivada de la exponencial, que en sí misma es exponencial en no puede ser cero).np.αp0,exp(αp)p.n+1p,

La demostración para estimadores aleatorios es casi la misma: al tomar las expectativas, nuevamente obtenemos un polinomio enp.

En consecuencia, no existe un estimador imparcial.


1
Ah, eso es una decepción! Gracias por la buena prueba. Pero, la serie de Taylor para converge bastante rápido --- ¿tal vez hay un estimador "aproximadamente imparcial" por ahí? No estoy seguro de lo que eso significa (no soy un gran estadístico :-))exp(t)
Justin Solomon

¿Qué tan rápido, exactamente? La respuesta depende del valor de y ahí radica su problema, porque no sabe cuál es ese valor. Solo sabe que se encuentra entre y Puede usar eso para establecer un límite en el sesgo si lo desea. αp0α.
whuber

En mi solicitud espero para ocupar una gran parte de . Me gustaría utilizar este valor en una relación de aceptación Metropolis-Hastings pseudo-marginal, no estoy seguro si ese método puede manejar incluso niveles controlables de sesgo ...SB
Justin Salomón

44
Por cierto, ¡realmente agradecería tus pensamientos sobre la otra respuesta a esta pregunta!
Justin Solomon
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.