Comment montrer qu'un estimateur est cohérent?

17

Suffit-il de montrer que MSE = 0 comme n ? J'ai également lu dans mes notes quelque chose sur le plim. Comment puis-je trouver le plim et l'utiliser pour montrer que l'estimateur est cohérent?

La patience
la source

Réponses:

19

EDIT: Correction d'erreurs mineures.

Voici une façon de procéder:

Un estimateur de θ (appelons-le Tn ) est cohérent s'il converge en probabilité vers θ . Utiliser votre notation

plimnTn=θ.

La convergence des probabilités, mathématiquement, signifie

limnP(|Tnθ|ϵ)=0pour toutϵ>0.

La façon la plus simple de montrer la convergence en probabilité / cohérence est d'invoquer l'inégalité de Chebyshev, qui dit:

.P((Tnθ)2ϵ2)E(Tnθ)2ϵ2

Donc,

.P(|Tnθ|ϵ)=P((Tnθ)2ϵ2)E(Tnθ)2ϵ2

Et donc vous devez montrer que va à 0 comme n .E(Tnθ)2n

EDIT 2 : Ce qui précède nécessite que l'estimateur soit au moins asymptotiquement sans biais. Comme le souligne G. Jay Kerns, considérons l'estimateur (pour estimer la moyenne μ ). T n est biaisé à la fois pour n fini et asymptotiquement, et V a r ( T n ) = V a r ( ˉ X n ) 0 comme n . Cependant, T nTn=X¯n+3μTnnVar(Tn)=Var(X¯n)0nTnn'est pas un estimateur cohérent de .μ

EDIT 3 : Voir les points du cardinal dans les commentaires ci-dessous.


la source
1
@ G.JayKerns L'impartialité n'est pas nécessaire pour cela. Soit . Snest un estimateur biaisé de l'écart-type, mais vous pouvez utiliser l'argument ci-dessus pour montrer qu'il est cohérent. Sn=1n1i=1n(XiXn¯)2Sn
1
A l'air bien (+1); et je vais supprimer mes commentaires précédents.
@ G.JayKerns Vos commentaires étaient un ajout nécessaire. Nous devons toujours nous assurer que nous sommes conscients des hypothèses sur lesquelles nous travaillons.
2
@MikeWierzbicki: Je pense que nous devons être très prudents, en particulier avec ce que nous entendons par asymptotiquement impartial . Il existe au moins deux concepts différents qui reçoivent souvent ce nom et il est important de les distinguer. Il est à noter qu'il n'est pas vrai en général qu'un estimateur cohérent est asymptotiquement sans biais dans le sens où même lorsque la moyenne θ n = E T n existe pour tout n . Beaucoup de gens appellent la convergence E T nθ sans biais dans la limite ou sans biais approximatifETnθθn=ETnnETnθ ... (suite)
cardinal
1
Évidemment, pour qu'un estimateur cohérent soit biaisé dans la limite, la convergence dans doit échouer puisque E ( T n - θ ) 2 = V a r ( T n ) + ( θ n - θ ) 2θ n = E T n . L2E(Tnθ)2=Var(Tn)+(θnθ)2θn=ETn
cardinal