验证UMVUE的基本方法小结.docVIP

验证参数函数的无偏估计是它的UMVUE的基本方法 用定义验证（由于定义不具备操作性，在实际题目中几乎无法运用） C-R不等式方法（在总体分布正则分布族的前提下才能使用，而且大多数UMVUE并不是有效估计量，所以只有少数实际问题中可以运用） 首先求的Fisher信息量；然后求的C-R下界；最后验证的方差达到C-R下界（即验证是的有效估计量）。 （基于样本的）零的无偏估计量法 （注意：课本上的定理6.3.3其实是UMVUE的充要条件，在我的课堂讲义里给出了完整的定理叙述！） 设是零的任一方差有限的无偏估计量，验证与的协方差为零，或验证与的乘积的期望为零。在实际题目中一般先根据是零的无偏估计量写出函数的等式，再通过求导与积分（或求和）的换序并作适当整理来证明。 （基于充分统计量的）零的无偏估计量法（课上介绍的方法） 设是的充分统计量，是零的无偏估计量，验证总有与的协方差为零，或验证与的乘积的期望为零成立。在实际题目中先求出的分布；先根据是零的无偏估计量写出函数的等式，最后通过求导与积分（或求和）的换序并作适当整理来证明。 （基于L-S定理的）充分完备统计量法（补充的复旦大学讲义） 先设法找出的一个充分完备统计量；运气好的话，再找出参数函数的一个方差有限的是关于的函数形式的无偏估计即可。运气不好的话，就要先找出参数函数的一个的无偏估计，然后求出条件数学期望才行。 总之，在解题的大方向明确的前提下，还需要扎实的概率计算和细心的整理分析。