在一个观察密度为的分布的分布的环境中,我想知道是否存在一个对密度为另一分布即 的Hellinger距离的无偏估计量(基于)。
在一个观察密度为的分布的分布的环境中,我想知道是否存在一个对密度为另一分布即 的Hellinger距离的无偏估计量(基于)。
Answers:
对于任何合理的广义非参数分布类别中的f,均不存在或H 2的无偏估计。
我们可以用以下简单的论证来证明这一点
比克尔和莱曼(1969)。凸族的无偏估计。《数学统计年鉴》,40(5)1523–1535。(项目欧几里得)
固定一些分布,F和G,其密度分别为f 0,f和g。让ħ (˚F )分别表示ħ(˚F ,˚F 0),并让ħ(X)来的一些估计ħ (˚F )基于Ñ IID样本X 我〜˚F。
假设ħ是无偏从以下形式的任何分布样品 中号α:= α ˚F + (1 - α )ģ 。 但是然后 Q (α )
现在,让我们专门研究一个合理的情况,并证明相应的不是多项式。
让是一些分布这对恒定密度[ - 1 ,1 ]:˚F 0(X )= c ^对所有| x | ≤ 1。(其行为之外的范围并不重要)设˚F是只在支持的一些分布[ - 1 ,0 ],和G ^一些分布只支持上[ 0 ,1 ]。
现在 其中乙˚F:=∫[R√
This excludes pretty much all reasonable nonparametric classes of distributions, except for those with densities bounded below (an assumption nonparametric analyses sometimes make). You could probably kill those classes too with a similar argument by just making the densities constant or something.
I don't know how to construct (if it exists) an unbiased estimator of the Hellinger distance. It seems possible to construct a consistent estimator. We have some fixed known density , and a random sample from a density . We want to estimate