De la Wikipedia, enciclopedia liberă.
În statistici și econometrie , metoda delta este o modalitate de a obține distribuția aproximativă a probabilității unei funcții a unui estimatordistribuit în mod normal asimptotic, cunoscând varianța asimptotică a acelui estimator. În termeni generali, metoda delta poate fi considerată o versiune generalizată a teoremei limitei centrale .
Formulări ale rezultatului
Caz univariat
Metoda delta poate fi aplicată fără probleme în cazul variabilelor aleatorii multidimensionale; cu toate acestea, în cazul univariat, se poate da o demonstrație de înțelegere imediată, după cum urmează. Este{\ displaystyle \ left \ {X_ {n} \ right \} _ {n}} o succesiune de variabile aleatorii care satisfac:
- {\ displaystyle {\ sqrt {n}} \ left (X_ {n} - \ vartheta \ right) \ {\ xrightarrow {\ mathcal {D}}} \ {\ mathcal {N}} (0, \ sigma ^ { 2})}
unde este {\ displaystyle \ vartheta} Și {\ displaystyle \ sigma ^ {2}} sunt constante reale și {\ displaystyle {\ xrightarrow {\ mathcal {D}}}} denotă convergență în distribuție ; este de asemenea {\ displaystyle g} o funcție continuă și astfel încât {\ displaystyle g '(\ vartheta) \ neq 0} . Se pare că:
- {\ displaystyle {\ sqrt {n}} \ left (g (X_ {n}) - g (\ vartheta) \ right) \ {\ xrightarrow {\ mathcal {D}}} \ {\ mathcal {N}} \ left (0, \ sigma ^ {2} \ left (g '(\ vartheta) \ right) ^ {2} \ right)}
Demonstrație
Asumand {\ displaystyle g '(\ vartheta)} este continuă, o dovadă elementară a rezultatului în cazul univariat poate fi dată după cum urmează. Luați în considerare dezvoltarea seriei Taylor , arestată la prima comandă, a {\ displaystyle g (X_ {n})} , centrat în {\ displaystyle \ vartheta} :
- {\ displaystyle g (X_ {n}) = g (\ vartheta) + g '({\ tilde {\ vartheta}}) (X_ {n} - \ vartheta)}
unde este {\ displaystyle {\ tilde {\ vartheta}}} se află undeva între ele {\ displaystyle X_ {n}} Și {\ displaystyle \ vartheta} . Clar {\ displaystyle X_ {n} {\ xrightarrow {\ mathcal {P}}} \ vartheta} (unde este {\ displaystyle {\ xrightarrow {\ mathcal {P}}}} denotă convergența în probabilitate ) implică {\ displaystyle {\ tilde {\ vartheta}} {\ xrightarrow {\ mathcal {P}}} \ vartheta} ; întrucât se presupune că {\ displaystyle g '(\ vartheta)} este continuu, dintr-o aplicare imediată a teoremei lui Slutsky rezultă:
- {\ displaystyle g '({\ tilde {\ vartheta}}) {\ xrightarrow {\ mathcal {P}}} g' (\ vartheta)}
Rearanjarea termenilor din dezvoltarea lui Taylor și înmulțirea cu constanta pozitivă {\ displaystyle {\ sqrt {n}}} avem:
- {\ displaystyle {\ sqrt {n}} \ left (g (X_ {n}) - g (\ vartheta) \ right) \ approx g '({\ tilde {\ vartheta}}) {\ sqrt {n}} \ left (X_ {n} - \ vartheta \ right)}
În cele din urmă, se știe că:
- {\ displaystyle {\ sqrt {n}} \ left (X_ {n} - \ vartheta \ right) {\ xrightarrow {\ mathcal {D}}} {\ mathcal {N}} (0, \ sigma ^ {2} )}}
invocând în continuare teorema lui Slutsky avem:
- {\ displaystyle {\ sqrt {n}} \ left (g (X_ {n}) - g (\ vartheta) \ right) {\ xrightarrow {\ mathcal {D}}} {\ mathcal {N}} \ left ( 0, \ sigma ^ {2} \ left (g '(\ vartheta) \ right) ^ {2} \ right)}
cu care s-a încheiat demonstrația.
Bibliografie