Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Die asymptotische Verteilung des Likelihood-Quotienten-Tests für ...
Sie wollen auch ein ePaper? Erhöhen Sie die Reichweite Ihrer Titel.
YUMPU macht aus Druck-PDFs automatisch weboptimierte ePaper, die Google liebt.
52 Kapitel 6: Asymptotische <strong>Verteilung</strong> der LQ-Statistik unter Alternative<br />
Grenzwert <strong>des</strong> restringierten ML-Schätzers<br />
Im Folgendem ist zu diskutieren, welche Parameter θ ∗ die Bedingung (6.2) erfüllen können.<br />
Ist die Bedingung B1 erfüllt, so wird<br />
θ min = arg min<br />
θ∈Θ 0<br />
K(θ (0) , θ) (6.4)<br />
als der Parameter in der Hypothese definiert, der den Kullback-Leibler Abstand zum wahren<br />
Wert <strong>des</strong> Parameters θ (0) minimiert. Ist wird sich herausstellen, dass unter geeigneten Voraussetzungen,<br />
welche im Wesentlichen die Eindeutigkeit von θ min umfassen, <strong>für</strong> θ ∗ nur θ min<br />
in Frage kommt, um die Bedingung (6.2) zu erfüllen (siehe hierzu Korollar 6.5).<br />
White (1982, Theorem 2.2) zeigt in seiner Arbeit, dass der restringierte ML-Schätzer ˆθ r n gegen<br />
θ min aus (6.4) konvergiert. Der Beweis geht auf White (1981, Theorem 2.1) zurück. White<br />
betrachtet in seiner Arbeit den ML-Schätzer über eine kompakte Menge. <strong>Die</strong> Einschränkung<br />
auf eine kompakte Menge ist in Theorem 6.4 nicht nötig.<br />
Theorem 6.4. Seien die Bedingungen R und B1 erfüllt und das Minimum min θ∈Θ K(θ (0) , θ)<br />
bei θ min eindeutig. Dann gilt<br />
a.s.<br />
−→ θ min .<br />
ˆθ r n<br />
Beweis. Seien<br />
und<br />
so gilt<br />
Q n (θ) = − 1 n l n(θ) = − 1 n<br />
n∑<br />
log f(X i , θ)<br />
i=1<br />
Q(θ) = −E θ (0) [log f(X 1 , θ)] ,<br />
K(θ (0) , θ) = Q(θ) − Q(θ (0) ).<br />
Folglich minimiert θ min = arg min θ∈Θ0 K(θ (0) , θ) ebenfalls Q(θ) eindeutig in Θ 0 .<br />
Zunächst wird gezeigt, dass der restringierte ML-Schätzer ˆθ n r asymptotisch in einer präkompakten,<br />
d.h. beschränkten Teilmenge von Θ 0 liegt. Wenn Θ 0 nicht schon beschränkt ist, wird<br />
hier<strong>für</strong><br />
g(x, r) = sup<br />
θ∈Θ 0 : ‖θ‖≥r<br />
f(x, θ)<br />
betrachtet. Wald (1949, Lemma 3) zeigt, dass<br />
Folglich kann ein r 0 so gewählt werden, dass<br />
was äquivalent zu<br />
lim E<br />
r→∞<br />
θ (0) [log g(X 1, r)] = −∞.<br />
E θ (0) [log g(X 1 , r 0 )] < E θ (0) [log f(X 1 , θ min )] ,<br />
E θ (0) [log g(X 1 , r 0 ) − log f(X 1 , θ min )] < 0