Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Erfolgreiche ePaper selbst erstellen
Machen Sie aus Ihren PDF Publikationen ein blätterbares Flipbook mit unserer einzigartigen Google optimierten e-Paper Software.
8 Kapitel 2: Notationen und Grundlagen<br />
den so genannten Scorevektor und<br />
W (x, θ) = d2<br />
log f(x, θ).<br />
dθ2 Für eine Zufallsvariable X mit Dichte f(x, θ) wird der Erwartungswert als<br />
∫<br />
E θ X := xf(x, θ) dν(x)<br />
eingeführt. <strong>Die</strong> Fisher-Informationsmatrix von X ist gegeben durch<br />
Ein Schätzer ˆθ n , der die Bedingung<br />
J(θ) = E θ [U(X, θ) · U(X, θ) T ].<br />
L n (ˆθ n ) = sup L n (θ) (2.1)<br />
θ∈Θ<br />
erfüllt, heißt Maximum-<strong>Likelihood</strong>-Schätzer (ML-Schätzer). ˆθ n bezeichne in der gesamten Arbeit<br />
stets den ML-Schätzer. Aufgrund der Monotonie <strong>des</strong> Logarithmus ist Bedingung (2.1)<br />
äquivalent zu<br />
l n (ˆθ n ) = sup l n (θ).<br />
θ∈Θ<br />
Weiter bezeichne ˆθ M n<br />
den auf eine Menge M ⊆ Θ eingeschränkten ML-Schätzer, d.h.<br />
ˆθ M n<br />
= arg sup L n (θ). (2.2)<br />
θ∈M<br />
Für k unabhängige Stichproben X 1 , . . . , X k , wobei X i = (X i1 , . . . , X ini ) mit<br />
X i1 , . . . , X ini<br />
i.i.d.<br />
∼ f i (x, θ i )<br />
<strong>für</strong> i = 1, . . . , k, wird die <strong>Likelihood</strong>funktion definiert als<br />
L n (θ) =<br />
k∏ ∏n i<br />
f i (X ij , θ i )<br />
i=1 j=1<br />
mit θ = (θ 1 , . . . , θ k ). Hierbei ist also die Gewichtung gewählt, dass alle Beobachtungen gleich<br />
gewichtet werden. Es wären zum Beispiel auch unterschiedliche Gewichte <strong>für</strong> die jeweiligen<br />
Stichproben möglich. <strong>Die</strong> Definitionen <strong>für</strong> die log-<strong>Likelihood</strong>funktion und den ML-Schätzer,<br />
sowie <strong>für</strong> den eingeschränkten ML-Schätzer übertragen sich entsprechend.<br />
Normen<br />
‖·‖<br />
‖·‖ 1<br />
euklidische Norm auf R d<br />
L 1 -Norm auf R d