是否有需要高度一致性的统计应用程序？

20

我想知道是否有人知道或统计中是否存在需要估算器的强一致性而不是弱一致性的应用程序。也就是说，强一致性对于应用程序是必不可少的，并且应用程序不能以弱一致性工作。

hypothesis-testing theory asymptotics estimators consistency

— 克里斯
source

不，没有这样的应用程序。

— kjetil b halvorsen 2013年

4

有时我想知道，即使连贯性差（在其直观吸引力之外），实际上是否也很重要。如果我有一个估算器在

以下的每个有限样本量下表现得非常明智，并且实际上我的最大样本量只是其中的一小部分，那么我可能会有一个不一致的估算器，但它非常好。在我看来，一致性的实际价值根本是，通常（在实际情况下，而不是在病理情况下）与估计量相关联，但随着样本量超出我们可能看到的范围，估计量仍然表现得“很好”。

n = 10^{1000}

$n=10^{1000}$

— Glen_b-恢复莫妮卡

16

如果您需要上面我的评论中的答案的参考，这里是 Andrew Gelman的博客中的一个：

这让我想起Lucien Le Cam的回答，当我问他一次，他是否能想到任何实例，证明大数定律（概率收敛为1）与弱定律（概率收敛）之间的区别有什么不同。勒姆回答说，不，他不知道任何例子。勒·卡姆（Le Cam）是理论统计学家的理论统计学家，所以有您的答案。

也许可以补充一点，这种不同收敛方式的真正重要性在于数学，它们仅在理论发展中才允许使用不同的数学技术。这可能很重要，但是对于理论的发展，而不是在具体的实际应用中。

— 凯捷蒂尔·哈沃森
source

7

+1差异对于Buzz Lightyear来说可能很重要，他可以达到无穷大，或者至少知道他要去那里。

— ub

0

需要强大的一致性才能正确执行Galves（2008）中的上下文算法的修改形式。

— 亚瑟·罗德里格斯·梅洛
source

6

这可能会因为它太短而被自动标记为低质量。目前，按照我们的标准，这更多是评论而不是答案。你可以扩大吗？例如，您可以为Galves（2008）提供完整的引用吗？鉴于强一致性似乎不是其他地方的常见要求，CA或仅是其修改形式需要什么强一致性？我们也可以将其转化为评论。

— gung-恢复莫妮卡