Dans un contexte où l'on observe distribués à partir d'une distribution de densité , je me demande s'il existe un estimateur non biaisé (basé sur les ) de la distance de Hellinger à une autre distribution de densité , à savoir f X i f 0 H ( f , f 0 ) = { 1 - ∫ X √
20
Réponses:
Aucun estimateur non biaisé de ou de n'existe pour partir d'une classe non paramétrique assez large de distributions.H 2 fH H2 f
Nous pouvons le montrer avec l'argument magnifiquement simple de
Corrige certaines distributions , et , avec les densités correspondantes , et . Soient représentent , et laisser est un estimateur de sur la base de échantillons iid . F G f 0 f g H ( F ) H ( f , f 0 ) H ( X ) H ( F ) n X i ~ FF0 F G f0 f g H(F) H(f,f0) H^(X) H(F) n Xi∼F
Supposons que soit sans biais pour les échantillons de toute distribution de la forme Mais alors pour que doit être un polynôme dans Ma:=αF+(1-α)G. Q ( α )H^
Maintenant, spécialisons-nous dans un cas raisonnable et montrons que le correspondant n'est pas polynomial.Q
Soit une distribution de densité constante sur : pour tout . (Son comportement en dehors de cette plage n'a pas d'importance.) Soit une distribution prise en charge uniquement sur , et une distribution prise en charge uniquement sur . [ - 1 , 1 ] f 0 ( x ) = c | x | ≤ 1 F [ - 1 , 0 ] G [ 0 , 1 ]F0 [−1,1] f0(x)=c |x|≤1 F [−1,0] G [0,1]
Maintenant où et de même pour . Notez que , pour toutes les distributions , qui ont une densité.BF:=∫R√
De même, comme n'est pas non plus un polynôme, il n'y a pas d'estimateur pour qui est sans biais sur toutes les distributions avec un nombre fini d'échantillons.1−α−−√BF−1−α−−−−−√BG H2 Mα
Cela exclut à peu près toutes les classes de distributions non paramétriques raisonnables, à l'exception de celles dont les densités sont limitées ci-dessous (une hypothèse que les analyses non paramétriques font parfois). Vous pourriez probablement aussi tuer ces classes avec un argument similaire en rendant simplement les densités constantes ou quelque chose.
la source
Je ne sais pas comment construire (s'il existe) un estimateur non biaisé de la distance de Hellinger. Il semble possible de construire un estimateur cohérent. Nous avons une densité connue fixe , et un échantillon aléatoire d'une densité . Nous voulons estimer où . Par le SLLN, nous savons que presque sûrement, commef0 X1,…,Xn f>0
la source