ডেল্টা পদ্ধতি এই কাজের জন্য ব্যবহার করা হয়। কিছু স্ট্যান্ডার্ড নিয়মিততা অনুমানের অধীনে আমরা জানি যে এমএলই,, জন্য প্রায় (যেমন অ্যাসিপোটোটিক) হিসাবে বিতরণ করা হয়েছেθ^θ
θ^∼N(θ,I−1(θ))
যেখানে পুরো নমুনার জন্য ফিশার তথ্যের বিপরীত, এবং এ মূল্যায়িত করে সাধারণ বিতরণকে বোঝায় এবং ভ্যারিয়েন্স । ক্রিয়ামূলক invariance MLE বলে যে, এর MLE , যেখানে কিছু পরিচিত ফাংশন হল (আপনি নির্দিষ্ট) এবং আনুমানিক ডিস্ট্রিবিউশন আছেI−1(θ)θN(μ,σ2)μσ2g(θ)gg(θ^)
g(θ^)∼N(g(θ),I−1(θ)[g′(θ)]2)
যেখানে আপনি অজানা পরিমাণের জন্য সুসংগত অনুমানকগুলিতে প্লাগ করতে পারেন (যেমন plug যেখানে বৈকল্পিকভাবে প্রদর্শিত হয়) plug ফিশার তথ্যের উপর ভিত্তি করে আপনার যে মানক ত্রুটি রয়েছে তা আমি ধরে নেব (যেহেতু আপনার এমএলই রয়েছে)। দ্বারা যে আদর্শ ত্রুটিটি চিহ্নিত করুন । তারপরে আপনার উদাহরণ হিসাবে যেমন of এর স্ট্যান্ডার্ড ত্রুটিটি হ'লθ^θseθ^
s2e2θ^−−−−√
আমি আপনাকে পিছনের দিকে ব্যাখ্যা দিচ্ছি এবং বাস্তবে আপনার এমএলইর বৈকল্পিকতা আছে এবং এমএলইয়ের বৈকল্পিক চান যে ক্ষেত্রে মান হবে caseθlog(θ)
s2/θ^2−−−−−√