最小方差无偏估计.ppt

最小方差无偏估计.ppt

ID:52317224

大小:329.56 KB

页数:18页

时间:2020-04-04

最小方差无偏估计.ppt_第1页
最小方差无偏估计.ppt_第2页
最小方差无偏估计.ppt_第3页
最小方差无偏估计.ppt_第4页
最小方差无偏估计.ppt_第5页
资源描述:

《最小方差无偏估计.ppt》由会员上传分享,免费在线阅读,更多相关内容在教育资源-天天文库

1、§6.3最小方差无偏估计6.3.1Rao-Blackwell定理定理6.3.1设X和Y是两个随机变量,EX=,Var(X)>0.定义则有其中等号成立的充要条件是X和几乎处处相等.以下定理说明:好的无偏估计都是充分统计量的函数。定理6.3.2设总体概率函数是p(x,),x1,x2,…,xn是其样本,T=T(x1,x2,…,xn)是的充分统计量,则对的任一无偏估计,令,则也是的无偏估计,且定理6.3.2说明:如果无偏估计不是充分统计量的函数,则将之对充分统计量求条件期望可以得到一个新的无偏估计,该估计的方差比原来的估计的方差要小,从而降低了无偏估计的方差。换言之,考虑的估计问题只需要在

2、基于充分统计量的函数中进行即可,该说法对所有的统计推断问题都是正确的,这便是所谓的充分性原则。例6.3.1设x1,x2,…,xn是来自b(1,p)的样本,则是p的充分统计量。为估计=p2,可令由于,所以是的无偏估计。这个只使用了两个观测值的估计并不好.下面我们用Rao-Blackwell定理对之加以改进:求关于充分统计量的条件期望,得6.3.2最小方差无偏估计定义6.3.1对参数估计问题,设是的一个无偏估计,如果对另外任意一个的无偏估计,在参数空间Θ上都有则称是的一致最小方差无偏估计,简记为UMVUE。如果UMVUE存在,则它一定是充分统计量的函数。定理6.3.3设x=(x1,x2,

3、…,xn)是来自某总体的一个样本,是的一个无偏估计,如果对任意一个满足E((x))=0的(x),都有则是的UMVUE。关于UMVUE,有如下一个判断准则。例6.3.2设x1,x2,…,xn是来自指数分布Exp(1/)的样本,则T=x1+…+xn是的充分统计量,而是的无偏估计。设=(x1,x2,…,xn)是0的任一无偏估计,则两端对求导得这说明,从而由定理6.3.3,它是的UMVUE。6.3.3Cramer-Rao不等式定义6.3.2设总体的概率函数P(x,),∈Θ满足下列条件:(1)参数空间Θ是直线上的一个开区间;(2)支撑S={x:P(x,)>0}与无关;(3)

4、导数对一切∈Θ都存在;(4)对P(x,),积分与微分运算可交换次序;(5)期望存在;则称为总体分布的费希尔(Fisher)信息量。费希尔信息量是数理统计学中一个基本概念,很多的统计结果都与费希尔信息量有关。如极大似然估计的渐近方差,无偏估计的方差的下界等都与费希尔信息量I()有关。I()的种种性质显示,“I()越大”可被解释为总体分布中包含未知参数的信息越多。例6.3.3设总体为泊松分布P()分布,则于是例6.3.4设总体为指数分布,其密度函数为可以验证定义6.3.2的条件满足,且于是定理6.3.4(Cramer-Rao不等式)设定义6.3.2的条件满足,x1,x2,…,xn是来

5、自该总体的样本,T=T(x1,x2,…,xn)是g()的任一个无偏估计,存在,且对一切∈Θ,微分可在积分号下进行,则有上式称为克拉美-罗(C-R)不等式;[g’(θ)]2/(nI())称为g()的无偏估计的方差的C-R下界,简称g()的C-R下界。特别,对的无偏估计,有;如果等号成立,则称T=T(x1,…,xn)是g()的有效估计,有效估计一定是UMVUE。例6.3.5设总体分布列为p(x,)=x(1-)1-x,x=0,1,它满足定义6.3.2的所有条件,可以算得该分布的费希尔信息量为,若x1,x2,…,xn是该总体的样本,则的C-R下界为(nI())-1=(1-)

6、/n。因为是的无偏估计,且其方差等于(1-)/n,达到C-R下界,所以是的有效估计,它也是的UMVUE。例6.3.6设总体为指数分布Exp(1/),它满足定义6.3.2的所有条件,例6.3.4中已经算出该分布的费希尔信息量为I()=-2,若x1,x2,…,xn是样本,则的C-R下界为(nI())-1=2/n。而是的无偏估计,且其方差等于2/n,达到了C-R下界,所以,是的有效估计,它也是的UMVUE。能达到C-R下界的无偏估计不多:例6.3.7设总体为N(0,2),满足定义6.3.2的条件,且费希尔信息量为,令,则的C-R下界为,而的UMVUE为其方差大于C

7、-R下界。这表明所有的无偏估计的方差都大于其C-R下界。费希尔信息量的主要作用体现在极大似然估计。定理6.3.5设总体X有密度函数p(x;),∈Θ,Θ为非退化区间,假定(1)对任意的x,偏导数,和对所有∈Θ都存在;(2)∀∈Θ,有,其中函数F1(x),F2(x),F3(x)可积.(3)∀∈Θ,若x1,x2,…,xn是来自该总体的样本,则存在未知参数的极大似然估计,且具有相合性和渐近正

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。