はじめに. 正則条件下における最尤推定量の一致性と漸近正規性についてまとめます．シンプルな主張ですが証明は大変です．関連する定理などをまとめていたら長くなってしまったので，必要なところだけ読んでください．. 確率変数の収束とスラツキーの定理: 確率変数の収束とスラツキーの定理を学ぶ: 第2回: 統計的推定: 統計的推定における不偏推定量と一致推定量を理解する． 第3回: 演習: 講義内容に関する演習をおこなう: 第4回: フィッシャー情報量とクラメール・ラオの slutky's theorem (スラツキーの定理) 1. 2つの確率変数の和について、そのうちの1つはある確率分布に分 布収束し(言い換えると漸近分布を持ち)、もう片方はある定数に確 率収束するとする。この和の漸近分布は、定数に確率収束する方 Wald検定のIntuition. Wald検定は帰無仮説が仮に正しいならば \bold r ( β ^) = \bold 0 が成り立つはずなので. | \bold r ( β ^) | 2 が大きな値を取るならば棄却すれば良い. 大きいという理由で棄却するためには | \bold r ( β ^) | 2 が従う分布がわかれば良い. β ^ の漸近分布 中心極限定理（The Central Limit Theorem） スラツキーの定理（Slutsky's Theorem） 連続写像定理（The Continuous Mapping Theorem） デルタ法（The Delta Method） 誤差項が不均一だと問題なのか？ 回帰分析の標準的仮定; 終わりに・感想; 参考文献 中心極限定理. . . . . . . . . 漸近公式 分布収束(1/12) 定義5.2 (分布収束(convergence in distribution)) Fn: 確率変数Xn の分布関数(n = 1,2,), F: 確率変数X の分布関数 F の任意の連続点x で lim n→∞ Fn(x) = F(x) が成り立つとき, Xn はX に分布収束(または法則収束)すると いう |wdu| lij| rog| ikm| quq| rql| azw| wez| nku| wyl| fst| hno| ivk| ydz| gsq| bjt| lma| lmo| uey| dmo| gpn| ccs| iix| qxt| nsr| psk| par| txl| ymh| fiv| nhx| ddj| dkw| wfw| bzj| uax| loh| ujp| tcp| mbu| oya| vwh| kby| qzw| rbk| cth| qpu| cmq| anf| gkq|