Theo luật (yếu / mạnh) của số lượng lớn, được cho một số điểm mẫu iid của một phân phối, mẫu của chúng có nghĩa là hội tụ đến phân phối có nghĩa là cả xác suất và như, như cỡ mẫu đi đến vô cùng.
Khi kích thước mẫu được cố định, tôi tự hỏi liệu công cụ ước tính LLN có phải là công cụ ước tính tốt nhất theo nghĩa nào không? Ví dụ,
- kỳ vọng của nó là trung bình phân phối, vì vậy nó là một công cụ ước tính không thiên vị. Phương sai của nó là trong đó là phương sai phân phối. Nhưng đó có phải là UMVU?
có một số chức năng sao cho giải quyết vấn đề tối thiểu hóa:
Nói cách khác, là một hàm tương phản tốt nhất trong khung tương phản tối thiểu (cf Phần 2.1 "Các phương pháp ước lượng cơ bản" trong " Thống kê toán học: ý tưởng cơ bản và chủ đề được chọn, Tập 1 " của Bickle và Doksum).
Ví dụ: nếu phân phối được biết / bị hạn chế là từ họ phân phối Gaussian, thì giá trị trung bình mẫu sẽ là công cụ ước tính MLE của trung bình phân phối và MLE thuộc về khung tương phản tối thiểu và hàm tương phản của nó sẽ trừ đi khả năng ghi nhật ký chức năng.
có một số chức năng sao cho giải quyết vấn đề tối thiểu hóa: cho bất kỳ phân phối của trong một số họ phân phối?
Nói cách khác, là tốt nhất wrt một số chức năng bị mất và một số gia đình bản phân phối trong khuôn khổ lý thuyết quyết định (cf Mục 1.3 "Quyết định lý thuyết khung" trong " thống kê toán học: ý tưởng cơ bản và các chủ đề được lựa chọn, Tập 1 " bởi Bickle và Doksum).
Lưu ý rằng trên đây là ba cách hiểu khác nhau cho ước tính "tốt nhất" mà tôi đã biết cho đến nay. Nếu bạn biết về các giải thích có thể khác có thể áp dụng cho công cụ ước tính LLN, xin đừng ngần ngại đề cập đến điều đó.