高阶渐近修正及其在Gamma方差模型中的应用
摘要：改进用于计算小样本情况下标准渐近方法失败的置信区间和p值的方法。我们将这些技术应用于一类特定的统计模型，该模型可以整合参数的不确定性，这些参数本身表示不确定性（非正式地称为“误差的误差”），称为Gamma方差模型。该模型包含了称为epsilon的固定参数，它表示高斯分布测量标准偏差估计的相对不确定性。如果epsilon参数很小，可以使用标准渐近方法构建置信区间和p值。在形式上，这类似于对大型数据样本的熟悉情况，其中所有可调参数的估计器都具有高斯分布。在这里，我们讨论了epsilon参数不小且因此渐近分布不是很好逼近的重要情况。我们研究了基于高阶渐近技术（p *逼近和Bartlett校正）的改进的检验统计量。
作者：Enzo Canonero, Alessandra Rosalba Brazzale and Glen Cowan
论文ID：2304.10574
分类：Data Analysis, Statistics and Probability
分类简称：physics.data-an
提交时间：2023-08-31