一种用于估计被选总体均值的约束条件似然方法
统计方法学
2017-02-28 v1
摘要
给定 个独立的正态总体，我们考虑估计其中基于观测数据给出最强信号的总体均值的问题。我们显式地以样本均值的排序为条件，并考虑一种约束条件最大似然估计 (CCMLE) 方法，避免使用任何先验以及总体均值之间的任何稀疏性要求。我们的结果表明，如果观测均值彼此过于接近，我们实际上应该使用总均值来估计具有较大样本均值的总体的均值。如果它们的差距超过某一阈值，我们应该将观测均值向彼此收缩。正如直觉所示，只有当观测均值相距甚远时，我们才应得出差距的大小及其随后的排序并非出于偶然的结论。与其他方法不同，我们的方法不需要预先指定被选总体的数量，且所提出的 CCMLE 能够进行同时推断。我们的方法在概念上直观明了，可以很容易地加以调整以纳入其他选择准则。被选总体，最大似然，约束 MLE，选择后推断
引用
@article{arxiv.1702.07804,
title = {A Constrained Conditional Likelihood Approach for Estimating the Means of Selected Populations},
author = {Claudio Fuentes and Vik Gopal},
journal= {arXiv preprint arXiv:1702.07804},
year = {2017}
}