Свойства адаптивных оценок Ходжеса - Лемана в асимптотике ипри конечных объемах выборки
Рассматриваются адаптивные оценки модифицированных вариантов оценкиХоджеса - Лемана. Для построения адаптивных оценок параметра сдвигасимметричных распределений используются выборочные оценки функционалов, описывающих степень «тяжести хвостов» распределений. Исследуются свойства оценок в асимптотике и при конечных объемах выборки врамках различных супермоделей, описывающих отклонения от гауссовскоймодели в сторону «утяжеления хвостов» распределений.
Asymptotic and nonasymptotic properties of Hodges - Lehmann adaptiveestimators.pdf Оценка Ходжеса - Лемана (HL-оценка), предложенная в [1], среди большогочисла оценок параметра положения случайной величины, принадлежит к группелидеров по многим характеристикам. Для нормальной модели её абсолютная эф-фективность AЭ(,HL) = 0,955 , то есть она проигрывает оптимальному выбо-рочному среднему X менее 5 % в эффективности. Оценка Ходжеса - Лемана яв-ляется B-робастной, её функция влияния ограничена и, следовательно, она «за-щищена» от наличия выбросов в выборке, её чувствительность к грубым ошибкамконечна и равна ∗(,HL)= ≈1,77, её предел устойчивости достаточно высоки равен ∗(HL)=0,29 (см., например [3]). В сравнении с этими характеристика-ми HL-оценки, выборочное среднее X , являясь оптимальной оценкой параметрасдвига нормального распределения, имеет абсолютную эффективностьAЭ(,X)=1, однако она теряет свойства оптимальности даже при небольшихотклонениях от нормального распределения, её функция влияния неограниченна и∗(,X)=,∗(X)=0. Традиционно используемая альтернативная оценка па-раметра сдвига в виде выборочной медианы X1/ 2 является B-робастной, имеетмаксимально возможный предел устойчивости ∗(X1/ 2)=1/2, однако её абсо-лютная эффективность при нормальном распределении очень низкая и равнаAЭ(,X1/ 2)=0,637. Изучение характеристик HL-оценок в различных супермо-делях, описывающих отклонения от нормального распределения в сторону «утя-желения хвостов» распределений показало, что свойства HL-оценок могут бытьсущественно улучшены путем различных модификаций этих оценок (см. [5, 9]),что и послужило основой для построения адаптивных оценок модифицированныхвариантов оценки Ходжеса - Лемана.В работе [9] показано, что модифицированные оценки Ходжеса - Лемана вхо-дят в класс обобщенных L-оценок, асимптотические свойства которых описаны в[10]. В данной работе рассматриваются адаптивные оценки для обобщенных ва-Свойства адаптивных оценок Ходжеса - Лемана в асимптотике 97риантов оценок Ходжеса - Лемана. Изучаются свойства оценок в асимптотике иметодом статистических испытаний при конечных объемах выборки.1. Модифицированные варианты оценок Ходжеса - ЛеманаПусть X1,..., Xn - последовательность н.о.р. случайных величин с функциейраспределения F(x− ). Предполагаем, что ф.р. F непрерывна, симметрична, тоесть F ℑS ={F:F(x)=1−F(−x),xR1} и имеет плотность f (x), x R1 .Оценка Ходжеса - Лемана параметра сдвига определяется в виде медианы сред-них Уолша (Xi+Xj)/2, 1 ≤i< j≤n, общее число которых равно n(n+1)/2, изаписывается в видеHL=med{(Xi+Xj) / 2, 1 ≤i≤ j≤n}, (1)где символ «med» обозначает выборочную медиану. Свойства HL-оценки хорошоизучены как в асимптотике, так и при конечных объемах выборки, и подробноописаны в литературе (см., например, [1 - 3]). Для описания модифицированныхоценок Ходжеса - Лемана обозначим через X(1) ,..., X(n) упорядоченную статисти-ку выборки X1,..., Xn , и пусть X([n]+1) ,...,X(n−[n]) обозначает -урезанную вы-борку, и заданные пропорции урезания выборки, причем 0≤ , ≤1/2. Обо-значим через C множество m -наборов индексов (i1,...,im ) , удовлетворяющихусловию {[n]+1≤i1
Ключевые слова
робастные оценки,
функция влияния,
адаптивные оценки,
метод статистических испытаний,
adaptive estimation,
robust methods,
small sample variances,
influence function,
relative efficiencyАвторы
Шуленин Валерий Петрович | Томский государственный университет | доцент, кандидат технических наук, доцент кафедрытеоретической кибернетики факультета прикладной математики и кибернетики | shvp@fpmk.tsu.ru |
Всего: 1
Ссылки
Hodges J.L., Lehmann E.L. Estimation of location based on rank tests // Ann. Math. Statist. 1963. V. 34. P. 598 - 611.
Andrews D.F., Bickel P.Z., Hampel F.R., et al. Robust estimation of location: survey and advances. Princeton, N.Y.: Princeton Univ. Press, 1972. 375 p.
Шуленин В.П. Введение в робастную статистику. Томск: Изд-во Том. ун-та, 1993. 227 с.
Шуленин В.П. Об устойчивости класса оценок Ходжеса - Лемана // Тр. 6-й Всес. конф. по теории кодирования и передачи информ. Москва - Вильнюс, 1978. С. 147 - 151.
Shulenin V.P. Asymptotic properties and robustness a generalized Hodges-Lehmann estimate. II-th PRAGUE Conf. On Information Theory. Abstracts. 1990.
Shulenin V.P., Deeva T.A. The numerical characteristics of robustness of the class of the Hodges-Lehmann Generalized estimators // Proc. the Third Russian-Korean International Symposium on Science and Technology. KORUS'99. June 22 - 25, 1999 at Novosibirsk State Technical University, Novosibirsk, Russia. V. 2. P. 510 - 513.
Shulenin V.P., Deeva T.A. Asymptotic efficiency for the generalized Hodges - Lehmann estimator under the normal scale mixture distributions. Computer data analysis and modeling. Minsk, 1998. V. 2. P. 107 - 112.
Shulenin V.P. Asymptotic properties of the trimmed GL- and U-statistics // 6th Prague Symposium on Asymptotic Statistics. Prague, 1998, August 23 - 28. Prague Stochatics'98. Abstracts. Р. 84.
Шуленин В.П. Асимптотические свойства урезанных GL-и U-статистик // Вестник ТГУ. Приложение. 2004. № 9(II). С. 184 - 190.
Serfling R.J. Generalized L-, M- and R-statistics // Ann. Statist. 1984. V. 12. P. 76 - 86.
Serfling R.J. Approximation Theorems of Mathematical Statistics. N.Y.: Wiley, 1980. 371 p.
Хеттсманспергер Т. Статистические выводы, основанные на рангах. М.: Финансы и статистика, 1987. 334 с.
Van Zwet W.R. Convex Transformations of Random Variables // Math. Centrum. Amsterdam, 1964.
Hogg R.V. Adaptive robust procedures: partial review and some suggestions for future applications and theory // J. Amer. Statist. 1974. V. 35. P. 73 - 101.