स्पर्शोन्मुख सिद्धांत (सांख्यिकी)

सांख्यिकी में, स्पर्शोन्मुख सिद्धांत, या बड़े नमूना सिद्धांत, अनुमानकर्ताओं और सांख्यिकीय परीक्षणों के गुणों का आकलन करने के लिए एक रूपरेखा है। इस ढांचे के भीतर, अक्सर यह माना जाता है कि नमूना आकार n अनिश्चित काल तक बढ़ सकता है; फिर अनुमानकों और परीक्षणों के गुणों का मूल्यांकन सीमा के अंतर्गत किया जाता है n → ∞. व्यवहार में, एक सीमा मूल्यांकन को बड़े सीमित नमूना आकारों के लिए भी लगभग मान्य माना जाता है।

अवलोकन

अधिकांश सांख्यिकीय समस्याएं नमूना आकार के डेटासेट से शुरू होती हैं n. एसिम्प्टोटिक सिद्धांत यह मानकर आगे बढ़ता है कि अतिरिक्त डेटा एकत्र करना (सैद्धांतिक रूप से) संभव है, इस प्रकार नमूना आकार असीमित रूप से बढ़ता है, यानी। n → ∞. धारणा के तहत, कई परिणाम प्राप्त किए जा सकते हैं जो सीमित आकार के नमूनों के लिए अनुपलब्ध हैं। इसका एक उदाहरण बड़ी संख्या का नियम है। कानून कहता है कि स्वतंत्र और समान रूप से वितरित यादृच्छिक चर (आईआईडी) के अनुक्रम के लिए यादृच्छिक चर X₁, X₂, ..., यदि प्रत्येक यादृच्छिक चर से एक मान निकाला जाता है और पहले का औसत n मानों की गणना इस प्रकार की जाती है X_n, फिर X_n यादृच्छिक चरों का अभिसरण#जनसंख्या माध्य की संभाव्यता में अभिसरण E[X_i] जैसा n → ∞. स्पर्शोन्मुख सिद्धांत में, मानक दृष्टिकोण है n → ∞. कुछ सांख्यिकीय मॉडलों के लिए, एसिम्प्टोटिक्स के थोड़े अलग दृष्टिकोण का उपयोग किया जा सकता है। उदाहरण के लिए, पैनल डेटा के साथ, आमतौर पर यह माना जाता है कि डेटा में एक आयाम स्थिर रहता है, जबकि दूसरा आयाम बढ़ता है: T = constant और N → ∞, या विपरीत।

स्पर्शोन्मुखता के लिए मानक दृष्टिकोण के अलावा, अन्य वैकल्पिक दृष्टिकोण मौजूद हैं:

• स्थानीय एसिम्प्टोटिक सामान्यता ढांचे के भीतर, यह माना जाता है कि मॉडल में वास्तविक पैरामीटर का मान थोड़ा भिन्न होता है n, जैसे कि n-वें मॉडल से मेल खाता है θ_n = θ + h/√n . यह दृष्टिकोण हमें नियमित अनुमानक का अध्ययन करने देता है।
• जब सांख्यिकीय परीक्षणों का अध्ययन उन विकल्पों के विरुद्ध अंतर करने की उनकी शक्ति के लिए किया जाता है जो शून्य परिकल्पना के करीब हैं, तो यह तथाकथित स्थानीय विकल्प ढांचे के भीतर किया जाता है: शून्य परिकल्पना है H₀: θ = θ₀ और विकल्प है H₁: θ = θ₀ + h/√n . यह दृष्टिकोण यूनिट रूट परीक्षणों के लिए विशेष रूप से लोकप्रिय है।
• ऐसे मॉडल हैं जहां पैरामीटर स्थान का आयाम Θ_n के साथ धीरे-धीरे विस्तार होता है n, इस तथ्य को दर्शाते हुए कि जितने अधिक अवलोकन होंगे, मॉडल में उतने ही अधिक संरचनात्मक प्रभावों को संभवतः शामिल किया जा सकता है।
• कर्नेल घनत्व अनुमान और कर्नेल प्रतिगमन में, एक अतिरिक्त पैरामीटर माना जाता है - बैंडविड्थ h. उन मॉडलों में, यह आमतौर पर लिया जाता है h → 0 जैसा n → ∞. हालाँकि, आमतौर पर अभिसरण की दर सावधानी से चुनी जानी चाहिए h ∝ n^−1/5.

कई मामलों में, परिमित नमूनों के लिए अत्यधिक सटीक परिणाम संख्यात्मक तरीकों (यानी कंप्यूटर) के माध्यम से प्राप्त किए जा सकते हैं; हालाँकि, ऐसे मामलों में भी, स्पर्शोन्मुख विश्लेषण उपयोगी हो सकता है। द्वारा यह बात कही गई Small (2010, §1.4), निम्नलिखित नुसार।

A primary goal of asymptotic analysis is to obtain a deeper qualitative understanding of quantitative tools. The conclusions of an asymptotic analysis often supplement the conclusions which can be obtained by numerical methods.

यादृच्छिक चरों के अभिसरण के तरीके

Further information: Convergence of random variables

स्पर्शोन्मुख गुण

आकलनकर्ता

संगत अनुमानक

अनुमानों के अनुक्रम को सुसंगत कहा जाता है, यदि यह अनुमान लगाए जा रहे पैरामीटर के वास्तविक मूल्य में संभाव्यता में परिवर्तित हो जाता है:

${\hat {\theta }}_{n}\ \xrightarrow {\overset {}{p}} \ \theta _{0}.$

अर्थात्, मोटे तौर पर डेटा की अनंत मात्रा के साथ बोलते हुए अनुमानक (अनुमान उत्पन्न करने का सूत्र) लगभग निश्चित रूप से अनुमानित पैरामीटर के लिए सही परिणाम देगा।

स्पर्शोन्मुख वितरण

यदि गैर-यादृच्छिक स्थिरांकों का अनुक्रम खोजना संभव है {a_n}, {b_n} (संभवतः के मूल्य पर निर्भर करता है θ₀), और एक गैर-विक्षिप्त वितरण G ऐसा है कि

$b_{n}({\hat {\theta }}_{n}-a_{n})\ \xrightarrow {d} \ G,$

फिर अनुमानकर्ताओं का क्रम $\textstyle {\hat {\theta }}_{n}$ कहा जाता है कि इसमें स्पर्शोन्मुख वितरण जी है।

अक्सर, व्यवहार में आने वाले अनुमानक अनुमानक#एसिम्प्टोटिक सामान्यता होते हैं, जिसका अर्थ है कि उनका एसिम्प्टोटिक वितरण सामान्य वितरण है, साथ में a_n = θ₀, b_n = √n, और G = N(0, V):

${\sqrt {n}}({\hat {\theta }}_{n}-\theta _{0})\ \xrightarrow {d} \ {\mathcal {N}}(0,V).$

स्पर्शोन्मुख प्रमेय

• केंद्रीय सीमा प्रमेय
• सतत मानचित्रण प्रमेय
• ग्लिवेंको-कैंटेली प्रमेय
• बड़ी संख्या का नियम
• पुनरावृत्त लघुगणक का नियम
• स्लटस्की का प्रमेय
• डेल्टा विधि

यह भी देखें

• स्पर्शोन्मुख विश्लेषण
• सटीक आँकड़े
• बड़े विचलन सिद्धांत

ग्रन्थसूची

• Balakrishnan, N.; Ibragimov, I. A. V. B.; Nevzorov, V. B., eds. (2001), Asymptotic Methods in Probability and Statistics with Applications, Birkhäuser, ISBN 9781461202097
• Borovkov, A. A.; Borovkov, K. A. (2010), Asymptotic Analysis of Random Walks, Cambridge University Press
• Buldygin, V. V.; Solntsev, S. (1997), Asymptotic Behaviour of Linearly Transformed Sums of Random Variables, Springer, ISBN 9789401155687
• Le Cam, Lucien; Yang, Grace Lo (2000), Asymptotics in Statistics (2nd ed.), Springer
• Dawson, D.; Kulik, R.; Ould Haye, M.; Szyszkowicz, B.; Zhao, Y., eds. (2015), Asymptotic Laws and Methods in Stochastics, Springer-Verlag
• Höpfner, R. (2014), Asymptotic Statistics, Walter de Gruyter
• Lin'kov, Yu. N. (2001), Asymptotic Statistical Methods for Stochastic Processes, American Mathematical Society
• Oliveira, P. E. (2012), Asymptotics for Associated Random Variables, Springer
• Petrov, V. V. (1995), Limit Theorems of Probability Theory, Oxford University Press
• Sen, P. K.; Singer, J. M.; Pedroso de Lima, A. C. (2009), From Finite Sample to Asymptotic Methods in Statistics, Cambridge University Press
• Shiryaev, A. N.; Spokoiny, V. G. (2000), Statistical Experiments and Decisions: Asymptotic theory, World Scientific
• Small, C. G. (2010), Expansions and Asymptotics for Statistics, Chapman & Hall
• van der Vaart, A. W. (1998), Asymptotic Statistics, Cambridge University Press