আরভি ফাউটজ এবং আরসি শ্রীবাস্তব বিষয়টি বিস্তারিতভাবে পরীক্ষা করেছেন। তাদের 1977 এর গবেষণাপত্র "মডেলটি ভুল হলে সম্ভাবনা অনুপাতের পরীক্ষার পারফরম্যান্স" প্রমাণের খুব সংক্ষিপ্ত স্কেচের পাশাপাশি ভুল বর্ণনার ক্ষেত্রে বন্টনমূলক ফলাফলের বিবৃতি ধারণ করে, যখন তাদের 1978-এর গবেষণাপত্র "সম্ভাবনা অনুপাতের অ্যাসিম্পোটিক বিতরণ যখন মডেলটি ভুল " এতে প্রুফ রয়েছে তবে শেষোক্তটি পুরানো ধাঁচের টাইপ-রাইটারে টাইপ করা হয় (উভয় পেপারই একই স্বরলিপি ব্যবহার করে, তাই আপনি তাদের পড়ার ক্ষেত্রে সংযুক্ত করতে পারেন)। এছাড়াও, প্রমাণের কয়েকটি পদক্ষেপের জন্য তারা কেপি রায় রচিত একটি গবেষণাপত্রের বিষয়ে উল্লেখ করেন ১৯৫7 সাল থেকে "সম্ভাবনা অনুপাতের অ্যাসিপোটোটিক বিতরণ সম্পর্কিত একটি নোট" যা অন-লাইন, এমনকি গেটেড বলে মনে হয় না।
বিতরণমূলক অপব্যবহারের ক্ষেত্রে, যদি এমএলই এখনও সামঞ্জস্যপূর্ণ এবং অ্যাসিপোটোটিকভাবে স্বাভাবিক থাকে (যা সর্বদা ক্ষেত্রে হয় না ), এলআর পরিসংখ্যানটি স্বতন্ত্র চি-স্কোয়ারগুলির এক লিনিয়ার সংমিশ্রণ অনুসরণ করে (প্রতিটি এক ডিগ্রি স্বাধীনতার)
- 2 এলএনλ →ঘΣi = 1Rগআমিχ2আমি
যেখানে । যে কেউ "মিল" দেখতে পাবে: এইচ - এম ডিগ্রি সহ একটি চি-স্কোয়ারের পরিবর্তে আমাদের প্রতিটি ডিগ্রি স্বাধীনতার সাথে এইচ - এম চি-স্কোয়ার রয়েছে। তবে "সাদৃশ্য" সেখানেই থেমে আছে, কারণ চি-স্কোয়ারগুলির একটি রৈখিক সংমিশ্রণে বন্ধ-ফর্মের ঘনত্ব নেই। প্রতিটি স্কেল করা চি-স্কোয়ার একটি গামা, তবে বিভিন্ন সি আই প্যারামিটারের সাহায্যে গামার জন্য বিভিন্ন স্কেল প্যারামিটার বাড়ে - এবং এই জাতীয় গামার যোগফল বন্ধ-ফর্ম নয়, যদিও এর মানগুলি গণনা করা যায়।r = h - মিh - মিh - মিগআমি
জন্য ধ্রুবক, আমরা গ 1 ≥ গ 2 ≥ । । । সি আর ≥ 0 , এবং এগুলি একটি ম্যাট্রিক্সের ইগেনভ্যালু ... কোন ম্যাট্রিক্স? ওয়েল, লেখক স্বরলিপি ব্যবহার, সেট Λ লগ-সম্ভাবনা নিয়ে চট এবং হতে সি লগ-সম্ভাবনা নতিমাত্রা (expectational পদ) বাইরের পণ্য যাবে। সুতরাং ভি = Λ - 1 সেন্টিগ্রেড ( Λ ′ ) - 1 হ'ল এমএলইয়ের অ্যাসিম্পটোটিক ভেরিয়েন্স-কোভারিয়েন্স ম্যাট্রিক্স।গআমিগ1≥ গ2≥ । । । গR≥ 0Λসিভী=Λ−1C(Λ′)- 1
তারপরে কে V এর r × r উপরের তির্যক ব্লক হিসাবে সেট করুন । এমr × rভী
এছাড়াও লিখতে ব্লক আকারেΛ
Λ = [ Λr × rΛ2Λ'2Λ3]
এবং সেট ( ওয়াট এর Schur পরিপূর্ণ নেতিবাচক হয় Λ )।ওয়াট= - Λr × r+ + Λ'2Λ- 13Λ2ওয়াটΛ
তারপরে হ'ল প্যারামিটারের সত্যিকারের মানগুলিতে মূল্যায়ন করা ম্যাট্রিক্স এম ডাব্লু এর ইগেনভ্যালুগুলি ।গআমিএমওয়াট
সংযোজন
মন্তব্য উপ বৈধ মন্তব্য জবাবে (কখনও কখনও প্রকৃতপক্ষে, প্রশ্ন একটি সাধারণ ফলাফলের ভাগ করে নেওয়ার জন্য একটি springboard হই, এবং নিজেদের প্রক্রিয়ায় উপেক্ষিত হতে পারে), এখানে কিভাবে Wilks এর প্রমাণ আয়: Wilks যৌথ দিয়ে শুরু হয় এমএলই এর সাধারণ বন্টন এবং সম্ভাবনা অনুপাতের কার্যকরী অভিব্যক্তি অর্জন করতে এগিয়ে যায়। পর্যন্ত এবং তার eq সহ। , প্রমাণ এগিয়ে স্থানান্তর করতে পারেন এমনকি যদি আমরা ধরে নিই যে আমরা একটি distributional misspecification আছে: ওপি নোট হিসাবে, ভ্যারিয়েন্স সহভেদাংক ম্যাট্রিক্স পদ misspecification দৃশ্যকল্প বিভিন্ন থাকবে, কিন্তু সব Wilks করে নিতে ডেরাইভেটিভস, এবং চিহ্নিত অ্যাসেম্পোটোটিকভাবে উপেক্ষিত শর্তাদি। এবং তাই তিনি এক এ পৌঁছেছেন। [ 9 ][ 9 ][ 9 ]যেখানে আমরা দেখতে পাই যে সম্ভাবনা অনুপাতের পরিসংখ্যান, যদি স্পেসিফিকেশনটি সঠিক হয় তবে কেবল বর্গক্ষেত্রের স্ট্যান্ডার্ড সাধারণ এলোমেলো ভেরিয়েবলের যোগফল এবং তাই এগুলি স্বাধীনতার h - m ডিগ্রি সহ একটি চি-বর্গ হিসাবে বিতরণ করা হয় : (জেনেরিক স্বরলিপি )h - মিh - মি
- 2 এলএনλ = ∑i = 1h - মি( এন)--√θ^আমি- θআমিσআমি)2→ঘχ2h - মি
কিন্তু আমরা যদি misspecification থাকে, তখন পদ যাতে ব্যবহার করা হয় কেন্দ্রিক এবং বিবর্ধিত MLE আকার পরিবর্তন করতে আর পদ ঐক্য সমান প্রতিটি উপাদান ভেরিয়ানস করতে হবে, এবং তাই একটি চি-বর্গক্ষেত্র মধ্যে একটি আদর্শ স্বাভাবিক আরভি ও যোগফল প্রতিটি শব্দ রুপান্তর হয়।
এবং সেগুলি নয়, কারণ এই শর্তাদিলগ-সম্ভাবনার দ্বিতীয় ডেরিভেটিভগুলিরপ্রত্যাশিত মানগুলিকেজড়িত... তবে এমএলই তথ্য এবং ক্রিয়াকলাপের ফলে কার্যকারিতা সত্যিকারের বিতরণের ক্ষেত্রেই গ্রহণ করা যেতে পারে ডেটা সত্য বিতরণ অনুসরণ করে, যখন লগ-সম্ভাবনার দ্বিতীয় ডেরাইভেটিভগুলি ভুল ঘনত্ব অনুমানের ভিত্তিতে গণনা করা হয়। এন--√( θ)^- θ )
সুতরাং ভুল বানানের অধীনে আমাদের মতো কিছু রয়েছে
এবং আমরা যা করতে পারি তা হ'ল এর মধ্যে কারসাজি করা
- 2 এলএনλ = ∑i = 1h - মি( এন)--√θ^আমি- θআমিএকটিআমি)2
- 2 এলএনλ = ∑i = 1h - মিσ2আমিএকটি2আমি( এন)--√θ^আমি- θআমিσআমি)2= ∑i = 1h - মিσ2আমিএকটি2আমিχ21
h - মি