Nydanande metodik för parameteruppskattning inom ett empiriskt Bayesianskt ramverk

Abstract

Undersökningen behandlar en alternativ metod för parameteruppskattning kalladWeighted Likelihood estimation (WLE) och dess asymptotiska egenskaper i jämförelse med mer etablerade metoder. Kortfattat utnyttjar metoden parameteruppskattningar som empiriska priorifördelningar och summerar dessa med vikter proportionella mot likelihooden för att producera den posteriora fördelningen. För att genomföra denna studie undersöker vi inledningsvis fall där vi har en okänd parameter som skall uppskattas för att sedan utöka metoden till multipararameterfall. Vi tillämpar WLE på sannolikhetsfördelningar där metoder som Maximum Likelihood Estimation (MLE) kan visa sig vara omedgörliga till följd av exempelvis icke-explicita lösningar till likelihoodekvationen. Det visar sig att WLE i många fall lämpar sig till att förbättra estimat, både för en - och flera parametrar, även då estimaten som används som priorifördelning är av låg eller okänd kvalitet.