2014年10月27日:不幸的是(对我来说),到目前为止,还没有人提供答案-也许是因为这看起来像是一个奇怪的“病理性”理论问题,仅此而已?
为用户Cardinal引用一个评论(我将在后面进行探讨)
“这是一个很荒谬但很简单的例子。这个想法是为了确切说明可能出问题的地方和原因。它确实有实际的应用(我强调)。例子:考虑具有有限第二矩的典型iid模型。设其中与
和独立,概率分别为,否则为零,且任意值则是无偏的,方差在下面通过和几乎可以肯定(这是非常一致的)。 ŽÑ ˉ X ÑŽÑ=±一个ñ1/Ñθ^ñ= X¯ñ+ ZñžñX¯ñžñ= ± a n一> 0 θ Ñ 一个2 θ Ñ →交通μ1 / n2一> 0θ^ñ一种2θ^ñ→ μ
这里特立独行的随机变量是,所以让我们看看我们能怎么说。
变量具有对应的概率支持。它围绕零对称,所以我们有žñ
{ 1 / Ñ 2,1 - 2 / Ñ 2,1 / Ñ 2 }{ − a n ,0 ,a n }{ 1 / n2,1 − 2 / n2,1 / n2}
Ë(Zñ)= 0 ,瓦尔(žñ)= (− a n )2ñ2+ 0 + (a n )2ñ2= 2 个2
这些时刻不依赖于所以我想我们可以简单地写ñ
林n → ∞Ë(Zñ)= 0 ,林n → ∞瓦尔(žñ)= 2 个2
在《穷人的渐近》中,我们知道矩极限等于极限分布矩的条件。如果有限个案分布的第阶矩收敛为常数(与我们的情况一样),那么,此外,[R
∃ δ> 0 :lim sup E(| Zñ|r + δ)< ∞
第矩的极限将是极限分布的第矩。就我们而言[R[R[R
Ë(| Zñ|r + δ)= | − a n |r + δñ2+ 0 + | 一个ñ |r + δñ2= 2 个r + δ⋅ ñr + δ− 2
对于对于任何,它都发散,因此,对于方差而言,此充分条件不成立(对于均值,它确实成立)。
用另一种方式:的渐近分布是什么?的CDF是否会收敛到极限的非简并CDF?δ > 0 ž Ñ ž Ñř ≥ 2δ> 0
žñžñ
看起来好像不是这样:限制支持为(如果允许我们编写),以及相应的概率。对我来说似乎是一个常数。
但是,如果我们一开始就没有限制分布,那我们该如何谈论它的时刻呢? { 0 ,1 ,0 }{ - ∞ ,0 ,∞ }{ 0 ,1 ,0 }
然后,回到估算器,由于也收敛为一个常数,因此看起来 ˉ X Ñθ^ñX¯ñ
θ^ñ没有(非平凡的)极限分布,但是在极限处确实有方差。或者,也许这个方差是无限的?但是具有恒定分布的无限方差?
我们如何理解这一点?关于估计量,它告诉我们什么?和之间的本质区别是什么?〜θ Ñ= ˉ X Ñθ^ñ= X¯ñ+ Zñθ〜ñ= X¯ñ