edoc-Server der Humboldt-Universität zu Berlin

Dissertation

Autor(en): Jan Johannes
Titel: Verallgemeinerte Maximum-Likelihood-Methoden und der selbstinformative Grenzwert
Gutachter: Henning Läuter; Michael Neumann; Olaf Bunke
Erscheinungsdatum: 16.12.2002
Volltext: pdf (urn:nbn:de:kobv:11-10018558)
Fachgebiet(e): Mathematik
Schlagwörter (ger): Verallgemeinerte Maximum-Likelihood-Schätzung, Bayessche Schätzung, Semiparametrisches lineares Modell, Dirichlet a priori Verteilung
Schlagwörter (eng): Generalised Maximum-Likelihood-Estimate, Bayes estimate, Semiparametric linear model, Dirichlet prior
Einrichtung: Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II
Zitationshinweis: Johannes, Jan: Verallgemeinerte Maximum-Likelihood-Methoden und der selbstinformative Grenzwert; Dissertation, Humboldt-Universität zu Berlin, Mathematisch-Naturwissenschaftliche Fakultät II , publiziert am 16.12.2002, urn:nbn:de:kobv:11-10018558
Metadatenexport: Um den gesamten Metadatensatz im Endnote- oder Bibtex-Format zu speichern, klicken Sie bitte auf den entsprechenden Link. Endnote   Bibtex  
print on demand: Wenn Sie auf dieses Icon klicken, können Sie ein Druckexemplar dieser Publikation bestellen.
Diese Seite taggen: Diese Icons führen auf so genannte Social-Bookmark-Systeme, auf denen Sie Lesezeichen anlegen, persönliche Tags vergeben und Lesezeichen anderer Nutzer ansehen können.
  • connotea
  • del.icio.us
  • Furl
  • RawSugar

Abstract (ger):
Es sei X eine Zufallsvariable mit unbekannter Verteilung P. Zu den Hauptaufgaben der Mathematischen Statistik zählt die Konstruktion von Schätzungen für einen abgeleiteten Parameter theta(P) mit Hilfe einer Beobachtung X=x. Im Fall einer dominierten Verteilungsfamilie ist es möglich, das Maximum-Likelihood-Prinzip (MLP) anzuwenden. Eine Alternative dazu liefert der Bayessche Zugang. Insbesondere erweist sich unter Regularitätsbedingungen, dass die Maximum-Likelihood-Schätzung (MLS) dem Grenzwert einer Folge von Bayesschen Schätzungen (BSen) entspricht. Eine BS kann aber auch im Fall einer nicht dominierten Verteilungsfamilie betrachtet werden, was als Ansatzpunkt zur Erweiterung des MLPs genutzt werden kann. Weiterhin werden zwei Ansätze einer verallgemeinerten MLS (vMLS) von Kiefer und Wolfowitz sowie von Gill vorgestellt. Basierend auf diesen bekannten Ergebnissen definieren wir einen selbstinformativen Grenzwert und einen selbstinformativen a posteriori Träger. Im Spezialfall einer dominierten Verteilungsfamilie geben wir hinreichende Bedingungen an, unter denen die Menge der MLSen einem selbstinformativen a posteriori Träger oder, falls die MLS eindeutig ist, einem selbstinformativen Grenzwert entspricht. Das Ergebnis für den selbstinformativen a posteriori Träger wird dann auf ein allgemeineres Modell ohne dominierte Verteilungsfamilie erweitert. Insbesondere wird gezeigt, dass die Menge der vMLSen nach Kiefer und Wolfowitz ein selbstinformativer a posteriori Träger ist. Weiterhin wird der selbstinformative Grenzwert bzw. a posteriori Träger in einem Modell mit nicht identifizierbarem Parameter bestimmt. Im Mittelpunkt dieser Arbeit steht ein multivariates semiparametrisches lineares Modell. Zunächst weisen wir jedoch nach, dass in einem rein nichtparametrischen Modell unter der a priori Annahme eines Dirichlet Prozesses der selbstinformative Grenzwert existiert und mit der vMLS nach Kiefer und Wolfowitz sowie der nach Gill übereinstimmt. Anschließend untersuchen wir das multivariate semiparametrische lineare Modell und bestimmen die vMLSen nach Kiefer und Wolfowitz bzw. nach Gill sowie den selbstinformativen Grenzwert unter der a priori Annahme eines Dirichlet Prozesses und einer Normal-Wishart-Verteilung. Im Allgemeinen sind die so erhaltenen Schätzungen verschieden. Abschließend gehen wir dann auf den Spezialfall eines semiparametrischen Lokationsmodells ein, in dem die vMLSen nach Kiefer und Wolfowitz bzw. nach Gill und der selbstinformative Grenzwert wieder identisch sind.
Abstract (eng):
We assume to observe a random variable X with unknown probability distribution. One major goal of mathematical statistics is the estimation of a parameter theta(P) based on an observation X=x. Under the assumption that P belongs to a dominated family of probability distributions, we can apply the maximum likelihood principle (MLP). Alternatively, the Bayes approach can be used to estimate the parameter. Under some regularity conditions it turns out that the maximum likelihood estimate (MLE) is the limit of a sequence of Bayes estimates (BE's). Note that BE's can even be defined in situations where no dominating measure exists. This allows us to derive an extension of the MLP using the Bayes approach. Moreover, two versions of a generalised MLE (gMLE) are presented, which have been introduced by Kiefer and Wolfowitz and Gill, respectively. Based on the known results, we define a selfinformative limit and a posterior carrier. In the special case of a model with dominated distribution family, we state sufficient conditions under which the set of MLE's is a selfinformative posterior carrier or, in the case of a unique MLE, a selfinformative limit. The result for the posterior carrier is extended to a more general model without dominated distributions. In particular we show that the set of gMLE's of Kiefer and Wolfowitz is a posterior carrier. Furthermore we calculate the selfinformative limit and posterior carrier, respectively, in the case of a model with possibly nonidentifiable parameters. In this thesis we focus on a multivariate semiparametric linear model. At first we show that, in the case of a nonparametric model, the selfinformative limit coincides with the gMLE of Kiefer and Wolfowitz as well as that of Gill, if a Dirichlet process serves as prior. Then we investigate both versions of gMLE's and the selfinformative limit in the multivariate semiparametric linear model, where the prior for the latter estimator is given by a Dirichlet process and a normal-Wishart distribution. In general the estimators are not identical. However, in the special case of a location model we find again that the three considered estimates coincide.
Zugriffsstatistik: Die Daten für die Zugriffsstatistik der einzelnen Dokumente wurden aus den durch AWStats aggregierten Webserver-Logs erstellt. Sie beziehen sich auf den monatlichen Zugriff auf den Volltext sowie auf die Startseite. Die Zugriffsstatistik wird nicht standardisiert erfasst und kann maschinelle Zugriffe enthalten.
 
Bei Formatversionen eines Dokuments, die aus mehreren Dateien bestehen (insbesondere HTML), wird jeweils der monatlich höchste Zugriffswert auf eine der Dateien (Kapitel) des Dokuments angezeigt.
 
Um die detaillierten Zugriffszahlen zu sehen, fahren Sie bitte mit dem Mauszeiger über die einzelnen Balken des Diagramms.
Startseite: 4 Zugriffe PDF: 3 Zugriffe PDF: 6 Zugriffe Startseite: 6 Zugriffe PDF: 5 Zugriffe Startseite: 2 Zugriffe PDF: 13 Zugriffe Startseite: 2 Zugriffe PDF: 23 Zugriffe PDF: 6 Zugriffe PDF: 15 Zugriffe PDF: 19 Zugriffe PDF: 10 Zugriffe Startseite: 1 Zugriffe PDF: 21 Zugriffe Startseite: 7 Zugriffe PDF: 18 Zugriffe Startseite: 1 Zugriffe PDF: 8 Zugriffe PDF: 7 Zugriffe PDF: 18 Zugriffe PDF: 14 Zugriffe PDF: 8 Zugriffe Startseite: 6 Zugriffe PDF: 32 Zugriffe Startseite: 2 Zugriffe PDF: 37 Zugriffe Startseite: 4 Zugriffe PDF: 21 Zugriffe Startseite: 9 Zugriffe PDF: 30 Zugriffe Startseite: 7 Zugriffe PDF: 28 Zugriffe Startseite: 7 Zugriffe PDF: 17 Zugriffe Startseite: 11 Zugriffe PDF: 31 Zugriffe Startseite: 7 Zugriffe PDF: 12 Zugriffe Startseite: 1 Zugriffe PDF: 18 Zugriffe Startseite: 9 Zugriffe PDF: 16 Zugriffe Startseite: 9 Zugriffe PDF: 12 Zugriffe Startseite: 10 Zugriffe PDF: 16 Zugriffe Startseite: 9 Zugriffe PDF: 22 Zugriffe Startseite: 5 Zugriffe PDF: 32 Zugriffe Startseite: 7 Zugriffe PDF: 21 Zugriffe Startseite: 14 Zugriffe PDF: 26 Zugriffe Startseite: 9 Zugriffe PDF: 25 Zugriffe Startseite: 6 Zugriffe PDF: 16 Zugriffe Startseite: 16 Zugriffe PDF: 25 Zugriffe
Jul
11
Aug
11
Sep
11
Oct
11
Nov
11
Dec
11
Feb
12
Apr
12
May
12
Jun
12
Jul
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Monat Jul
11
Aug
11
Sep
11
Oct
11
Nov
11
Dec
11
Feb
12
Apr
12
May
12
Jun
12
Jul
12
Aug
12
Sep
12
Oct
12
Nov
12
Dec
12
Jan
13
Feb
13
Mar
13
Apr
13
May
13
Jun
13
Jul
13
Aug
13
Sep
13
Oct
13
Nov
13
Dec
13
Jan
14
Feb
14
Mar
14
Apr
14
May
14
Jun
14
Jul
14
Startseite 4   6 2 2         1 7 1         6 2 4 9 7 7 11 7 1 9 9 10 9 5 7 14 9 6 16
PDF 3 6 5 13 23 6 15 19 10 21 18 8 7 18 14 8 32 37 21 30 28 17 31 12 18 16 12 16 22 32 21 26 25 16 25

Gesamtzahl der Zugriffe seit Jul 2011:

  • Startseite – 171 (4.89 pro Monat)
  • PDF – 631 (18.03 pro Monat)
 
 
Generiert am 28.08.2014, 07:14:41