Em Inferência estatística, o Método Delta é uma técnica utilizada para aproximar um vetor aleatório através de uma expansão de Taylor. é um método simples, mas útil, para deduzir a distribuição assintótica de variáveis.[1]
O Teorema do Limite Central pode ser considerado como um caso particular do Método Delta. Assim deve começar por familiarizar-se com este teorema.
O teorema do limite central afirma que a soma de um número suficientemente elevado de variáveis aleatórias identicamente distribuídas tem uma distribuição semelhante a uma distribuição Normal.
Verificadas certas condições, o Método Delta permite concluir que uma função (não apenas a soma) de um número suficientemente elevado de variáveis aleatórias também tem uma distribuição semelhante a uma distribuição Normal.
Ver artigo principal: Teorema de Mann-Wald
- Seja uma função contínua definida num subconjunto de chamado "D" e diferenciável no ponto .
- Sejam Yn vetores aleatórios que assumem valores no domínio da função g, tal que
- Seja Y um vetor aleatório (no caso particular de esse vetor aleatório ter dimensão 1X1, teremos uma variável aleatória, mas aqui vamos apresentar o enunciado geral).
- Lembre-se que designa uma convergência em distribuição.
- Suponha que quando .
Então[1] ,
Caso particular: distribuição normal
Seja uma sucessão de variáveis aleatórias tais que
- .
onde é a variância da distribuição Normal e é o valor esperado de . Estes valores têm de existir e serem finitos.
Considere também uma função "g" diferenciável em .
- Método Delta de 1ª ordem: Considere o caso em que, para o valor especifico , .Então:
- [2][3]
- Método delta de 2ª ordem: Considere agora o caso em que, para o valor especifico , mas que . Então,
- ,[4] porque o quadrado de uma distribuição normal padrão é uma qui-quadrado [3] .
- Método Delta de ordens superiores: Considere finalmente o caso em que a função g é "r" vezes derivável e que, para o valor especifico , mas que a r-ésima derivada . Então,
- [5]
Exemplos
Exemplo 1
Do Teorema do Limite Central sabemos que .
Consideremos agora , sabemos que que para IR\{0} é diferente de 0.
Então estamos nas condições do Método Delta e podemos afirmar que .[6]
Nota:
Exemplo 2
Suponha variáveis aleatórias independentes com distribuição de Bernoulli (p). O parâmetro de interesse típico é , a probabilidade de sucesso, mas outro parâmetro popular é , que mede a chance. Por exemplo, se os dados representam os resultados de uma moeda viciada com p=2/3 para "cara", então a moeda tem chance 2:1 de mostrar o resultado "cara".
Vamos considerar a utilização de como uma estimativa para . Ou seja, vamos jogar a moeda "n" vezes, contar o número de caras e obter a partir desta amostra de n observações, e utilizar este p estimado () como estimativa para o verdadeiro parâmetro p. Nosso interesse, agora, é saber a variância de . O método delta permite obter uma resposta aproximada, já que uma resposta exata não é possível.
Vamos então definir a função . Portanto, .
Pelo método delta, teremos que:
- [3]
Demonstração
Sabemos que
Sabemos também que , existe e é finito.
O desenvolvimento em série de Taylor de em torno de valor é
onde quando
usando o teorema de Slutsky
logo
Ver também
Referências
- ↑ a b VAN DER VAART, A. Asymptotic statistics. 1998. new York: Cambridge University Press. capítulo 3, Delta Method. Página 25 e 26.
- ↑ Pestana, D. e Velosa, S. (2002). Introdução à Probabilidade e Estatística. Fundação Calouste Gulbenkian, Lisboa.
- ↑ a b c CASELLA, George, e BERGER, Roger L. Inferência estatística - tradução da 2ª edição norte-americana. São Paulo: Centage learning, 2010. Páginas 215 a 217
- ↑ PAPANICOLAOU, Alex.Taylor Approximation and the Delta Method. 2009. Página 5. Disponível em: <http://www.stanford.edu/class/cme308/notes/TaylorAppDeltaMethod.pdf>. Acesso em: 13 de julho de 2011.
- ↑ HUNTER, David R. Statistics 553: Asymptotic Tools.Chapter 5- The Delta Method and Applications, Página 61.Disponível em <http://www.stat.psu.edu/~dhunter/asymp/lectures/ANGELchpt05.pdf>. Acesso em: 13 de julho de 2011.
- ↑ Alves, I.; Gomes, I. e Sousa, L. (2007). Fundamentos e Metodologias da Estatistica. Centro de Estatística e Aplicações, Lisboa.
- Portal da matemática
- Portal de probabilidade e estatística