7.3估计量的评选标准.pptVIP

* * * * * * * * * * * * * 若把依赖于样本量n的估计量 看作一个随机变量序列,相合性就是 依概率收敛于?,所以证明估计的相合性可应用依概率收敛的性质及各种大数定律。 相合性被认为是对估计的一个最基本要求, 如果一个估计量, 在样本量不断增大时，它都不能把被估参数估计到任意指定的精度, 那么这个估计是很值得怀疑的。 通常, 不满足相合性要求的估计一般不予考虑。证明估计的相合性一般可应用大数定律或直接由定义来证. 在判断估计的相合性时下述两个定理是很有用的。 定理1 设 是? 的一个估计量，若 则 是? 的相合估计， 定理2 若 分别是?1, …, ?k 的相合估 计，? =g(?1 , …, ?k) 是?1, …, ?k 的连续函数，则 是? 的相合估计。 例1 为常数 则 是? 的相合估计。 证明： 经过简单计算可得 于是 所以 是 ? 的相合估计量，证毕。 证明 由大数定律知, 例2 由大数定律知, 例3 设 是来自均匀总体U（0，θ）的样本，证明θ的极大似然估计是相合估计。 证明 在前面我们已经给出θ的极大似然估计是x（n）。由次序统计量的分布，我们知道 的分布密度为 。 故有 由定理1可知x（n）是θ的相合估计。 定理2 若 分别是 的相合估计， 是 连续函数，则 有 是 的相合估计。 由大数定律及定理2，我们可以看到： 矩估计一般都具有相合性。比如： 样本均值是总体均值的相合估计； 样本标准差是总体标准差的相合估计； 样本变异系数是总体变异系数的相合估计。 又由 的相合性，对给定的 ，对任意的 存在正整数N，使得 时 证明 由函数 的连续性，对任意给定的 ，存在一个 ，当 时有， 从而有 由 的任意性，定理得证。 根据上述的式子， 故有 例4 设一个试验有三种可能结果，其发生概率分别是 ， 现做了n次试验，观测到三种结果发生的次数分别为n1，n2，n3，可以采用频率替换方法估计θ。由于可以有三个不同的θ的表达式： 从而可以给出θ的三种不同的频率替换估计，分别是 。 分别是p1 ，p2 ，p3相合估计。 2、估计的评选标准---均方误差 对于两个无偏估计，我们可以通过比较它们的方差来比较哪个更好，但对有偏估计来讲，比较方差意义不大，我们关心的是估计值围绕真值波动的大小，因而引入均方误差准则。 设 是 的估计量.称 为 的均方误差.注意到： 定义 无偏估计不一定比有偏估计更优。 评价一个点估计的好坏一般可以用：点估计值 与参数真值? 的距离平方的期望，这就是下式给出的均方误差 均方误差是评价点估计的最一般的标准。我们希望估计的均方误差越小越好。 注意到 ，因此 (1) 若 是? 的无偏估计，则 ， 这说明用方差考察无偏估计有效性是合理的。 (2) 当 不是? 的无偏估计时，就要看其均方 误差 。 下面的例子说明：在均方误差的含义下有些有偏 估计优于无偏估计。 例1 对均匀总体U(0, ? )，由? 的极大似然估计得到的无偏估计是 ，它的均方误差 现我们考虑θ的形如 的估计，其均方差为