Método delta
Método delta
Natureza |
Método estatístico ( d )
|
---|
Em probabilidade e estatística, o método delta (ou método delta ) é um método para obter uma aproximação da distribuição assintótica da transformada de uma variável aleatória assintoticamente normal. De maneira mais geral, podemos considerar o método delta como uma extensão do teorema do limite central .
Caso univariado
Let Ser uma série de variáveis aleatórias de expectativa e variância . Se com a notação de convergência em lei , de acordo com o método delta, para qualquer função g diferenciável e tal que :
X1,...,Xnão{\ displaystyle X_ {1}, \ ldots, X_ {n}}θ{\ displaystyle \ theta}σ2{\ displaystyle \ sigma ^ {2}}não[X¯não-θ]→euNÃO(0,σ2),{\ displaystyle {{\ sqrt {n}} [{\ bar {X}} _ {n} - \ theta] \, {\ xrightarrow {L}} \, {\ mathcal {N}} (0, \ sigma ^ {2})},}→eu{\ displaystyle {\ xrightarrow {L}}}g′(θ)≠0{\ displaystyle g '(\ theta) \ neq 0}
não[g(X¯não)-g(θ)]→euNÃO(0,σ2[g′(θ)]2){\ displaystyle {{\ sqrt {n}} [g ({\ bar {X}} _ {n}) - g (\ theta)] \, {\ xrightarrow {L}} \, {\ mathcal {N} } (0, \ sigma ^ {2} [g '(\ theta)] ^ {2})}}.
Caso multivariado
Let Ser uma seqüência de vetores aleatórios de , uma função diferenciável em . Suponha que onde denota a distribuição normal- dimensional centrada da matriz de variância-covariância . Neste caso, o método delta é escrito:X1,...,Xnão{\ displaystyle X_ {1}, \ dots, X_ {n}}Rd{\ displaystyle \ mathbb {R} ^ {d}}g:Rd⟶Rs{\ displaystyle g: \ mathbb {R} ^ {d} \ longrightarrow \ mathbb {R} ^ {s}}θ{\ displaystyle \ theta}não[Xnão¯-θ]→euNÃOd(0,Σ){\ textstyle {{\ sqrt {n}} [{\ bar {X_ {n}}} - \ theta] \, \ xrightarrow {L} \, {\ mathcal {N}} _ {d} (0, \ Sigma)}}NÃOd(0,Σ){\ displaystyle {\ mathcal {N}} _ {d} (0, \ Sigma)}d{\ displaystyle d}Σ{\ displaystyle \ Sigma}
não[g(Xnão)-g(θ)]→euNÃOs(0,Dg(θ)ΣDg(θ)T){\ displaystyle {{\ sqrt {n}} [g (X_ {n}) - g (\ theta)] \, {\ xrightarrow {L}} \, {\ mathcal {N}} _ {s} \ left (0, Dg (\ theta) \ Sigma Dg (\ theta) ^ {T} \ right)}}
com a
matriz Jacobiana de en .
Dg(θ){\ displaystyle Dg (\ theta)}g{\ displaystyle g}θ{\ displaystyle \ theta}Exemplo
Let Ser uma série de variáveis aleatórias de expectativa e variância . Do teorema do limite central, sabemos disso . Agora, se definirmos , podemos obter a distribuição assintótica de graças ao método delta. Nesse caso, temos a função . Sabemos que essa função verifica . Ao aplicar o método delta, obtemos .
X1,...,Xnão{\ displaystyle X_ {1}, \ ldots, X_ {n}}µ{\ displaystyle \ mu}σ2{\ displaystyle \ sigma ^ {2}}não[Xnão¯-µ]→euNÃO(0,σ2){\ displaystyle {\ sqrt {n}} [{\ bar {X_ {n}}} - \ mu] \, {\ xrightarrow {L}} \, {\ mathcal {N}} (0, \ sigma ^ { 2})}Cnão=eXnão¯{\ displaystyle W_ {n} = e ^ {\ bar {X_ {n}}}}Cnão{\ displaystyle W_ {n}}g(x)=ex{\ displaystyle g (x) = e ^ {x}}g′(x)=ex{\ displaystyle g '(x) = e ^ {x}}não[eXnão¯-eµ]→euNÃO(0,σ2e2µ){\ displaystyle {\ sqrt {n}} [e ^ {\ bar {X_ {n}}} - e ^ {\ mu}] \, {\ xrightarrow {L}} \, {\ mathcal {N}} ( 0, \ sigma ^ {2} e ^ {2 \ mu})}
Bibliografia
Notas e referências
-
(em) Larry Wasserman , Todos Estatística: Um curso concisa em inferência estatística Springer al. "Springer Textos em Estatística",2004, p. 79
<img src="https://fr.wikipedia.org/wiki/Special:CentralAutoLogin/start?type=1x1" alt="" title="" width="1" height="1" style="border: none; position: absolute;">