可扩展蒙特卡洛推断与重标度局部渐近正态性
统计理论
2020-12-02 v2 概率论
统计方法学
统计理论
摘要
在本文中，我们将局部渐近正态性（LAN）的性质推广到一个扩大的邻域，并称之为重标度局部渐近正态性（RLAN）。我们给出了正则参数模型满足RLAN的充分条件。我们证明RLAN支持构造一种统计高效的估计量，该估计量在此扩大邻域上最大化对数似然的三次近似。在蒙特卡洛推断的背景下，我们发现该最大三次似然估计量在似然评估中存在渐近增长的蒙特卡洛误差时仍能保持其统计效率。
引用
@article{arxiv.2007.00723,
title = {Scalable Monte Carlo Inference and Rescaled Local Asymptotic Normality},
author = {Ning Ning and Edward Ionides and Ya'acov Ritov},
journal= {arXiv preprint arXiv:2007.00723},
year = {2020}
}
备注
41 pages, 1 figure