Tìm UMVUE của


10

Đặt là iid các biến ngẫu nhiên có pdfX1,X2,...,Xn

fX(xθ)=θ(1+x)(1+θ)I(0,)(x)

trong đó . Đưa UMVUE của và tính toán phương sai của nóθ>01θ

Tôi đã tìm hiểu về hai phương pháp như vậy để thu được UMVUE:

  • Giới hạn Cramer-Rao (CRLB)
  • Lehmann-Scheffe Có

Tôi sẽ cố gắng điều này bằng cách sử dụng trước đây của hai. Tôi phải thừa nhận rằng tôi không hoàn toàn hiểu những gì đang xảy ra ở đây và tôi dựa trên giải pháp đã cố gắng của mình về một vấn đề mẫu. Tôi có là một họ hàm mũ một tham số đầy đủ vớifX(xθ)

h(x)=I(0,) c ( θ ) = θ w ( θ ) = - ( 1 + θ ) t ( x ) = log ( 1 + x ) , , ,c(θ)=θw(θ)=(1+θ)t(x)=log(1+x)

Vì không khác biệt trên , nên kết quả CRLB được áp dụng. Chúng ta ców(θ)=1Θ

log fX(xθ)=log(θ)(1+θ)log(1+x)

θlog fX(xθ)=1θlog(1+x)

2θ2log fX(xθ)=1θ2

vì vậy

I1(θ)=E(1θ2)=1θ2

và CRLB cho các công cụ ước tính không thiên vị của làτ(θ)

[τ(θ)]2nI1(θ)=θ2n[τ(θ)]2

i=1nt(Xi)=i=1nlog(1+Xi)

sau đó, bất kỳ hàm tuyến tính nào của hoặc tương đương, bất kỳ hàm tuyến tính nào của , sẽ đạt được CRLB của kỳ vọng của nó và do đó là UMVUE của kỳ vọng của nó. Vì chúng tôi có UMVUE của lài=1nlog(1+Xi)1ni=1nlog(1+Xi)E(log(1+X))=1θ1θ1ni=1nlog(1+Xi)

Để tham số hóa tự nhiên, chúng ta có thể đểη=(1+θ)θ=(η+1)

Sau đó

Var(log(1+X))=ddη(1η+1)=1(η+1)2=1θ2

Đây có phải là một giải pháp hợp lệ? Có một cách tiếp cận đơn giản hơn? Phương thức này chỉ hoạt động khi bằng với những gì bạn đang cố ước tính?E(t(x))


4
Tại thời điểm bạn chỉ ra rằng pdf là thành viên của họ hàm mũ một tham số, ngay lập tức rõ ràng rằng một thống kê đầy đủ cho gia đình là Vì, như bạn nói, , là UMVUE của theo định lý Lehmann-Scheffe.
T(X1,,Xn)=i=1nln(1+Xi)
E(T/n)=1θT/n1/θ
StubbornAtom

Vì vậy, phần mà tôi có "Vì là khác không ..... " có liên quan không? w(θ)=1θ2n[τ(θ)]2
Rémy

2
Không thực sự; phương sai của dễ dàng tìm thấy hơn bằng CRLB. Vì vậy, để giải quyết cả hai câu hỏi cùng một lúc, lập luận của bạn là đủ. T
StubbornAtom

Để tìm phương sai theo cách đó, tôi sẽ lấy ? Do đó, tôi đã làm nó không chính xác trước đây? θ2n[τ(θ)]2=θ2n(1θ2)2=1nθ2
Rémy

Vâng, đó là sự thay đổi của . Đúng. T
StubbornAtom

Câu trả lời:


8

Lý luận của bạn chủ yếu là chính xác.

Mật độ chung của mẫu là(X1,X2,,Xn)

fθ(x1,x2,,xn)=θn(i=1n(1+xi))1+θ1x1,x2,,xn>0,θ>0lnfθ(x1,x2,,xn)=nln(θ)(1+θ)i=1nln(1+xi)+ln(1min1inxi>0)θlnfθ(x1,x2,,xn)=nθi=1nln(1+xi)=n(i=1nln(1+xi)n1θ)

Vì vậy, chúng tôi đã thể hiện chức năng điểm số trong mẫu

(1)θlnfθ(x1,x2,,xn)=k(θ)(T(x1,x2,,xn)1θ)

, đó là điều kiện bình đẳng trong bất đẳng thức Cramér-Rao.

Không khó để xác minh rằng

(2)E(T)=1ni=1nE(ln(1+Xi))=1/θ=1θ

Từ và chúng ta có thể kết luận rằng(1)(2)

  • Thống kê là một công cụ ước tính không thiên vị của .T(X1,X2,,Xn)1/θ
  • T thỏa mãn điều kiện bình đẳng của bất đẳng thức Cramér-Rao.

Hai sự thật này cùng ngụ ý rằng là UMVUE của .T1/θ

Viên đạn thứ hai thực sự cho chúng ta biết rằng phương sai của đạt được giới hạn dưới của Cramér-Rao trong .T1/θ

Thật vậy, như bạn đã chỉ ra,

Eθ[2θ2lnfθ(X1)]=1θ2

Điều này ngụ ý rằng hàm thông tin cho toàn bộ mẫu là

I(θ)=nEθ[2θ2lnfθ(X1)]=nθ2

Vì vậy, Cramér-Rao giới hạn dưới cho và do đó phương sai của UMVUE là1/θ

Var(T)=[ddθ(1θ)]2I(θ)=1nθ2


Ở đây chúng ta đã khai thác một hệ quả của bất đẳng thức Cramer-Rao, mà nói rằng đối với một gia đình bản phân phối parametrised bởi (giả sử điều kiện đều đặn của CR bất bình đẳng để giữ), nếu một thống kê là không thiên vị cho cho một số hàm và nếu nó thỏa mãn điều kiện đẳng thức trong bất đẳng thức CR, cụ thể là , thì phải là UMVUE của . Vì vậy, đối số này không hoạt động trong mọi vấn đề.fθTg(θ)g

θlnfθ(x)=k(θ)(T(x)g(θ))
Tg(θ)

Ngoài ra, sử dụng định lý Lehmann-Scheffe, bạn có thể nói rằng là UMVUE của vì nó không thiên vị cho và là một thống kê đầy đủ cho gia đình phân phối. Đó là cạnh tranh đầy đủ rõ ràng từ cấu trúc của mật độ chung của mẫu trong điều khoản của một gia đình mũ một tham số. Nhưng phương sai của có thể hơi khó tìm trực tiếp.T=1ni=1nln(1+Xi)1/θ1/θTT


Người ta cũng có thể sử dụng phân phối của để tìm giá trị trung bình, phương sai của nó. T
StubbornAtom
Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.