22估计量的评选标准..doc

§2 估计量的评选标准 问题：用不同的方法求出的同一参数的估计量可能不同，哪个估计量更好？怎样衡量？ 2.1 无偏估计 引例：有一大批产品，废品率为未知，现任取件产品进行检验，获取子样观测值，构造统计量来估计未知参数. 如果，则不利于产品卖方；如果，则不利于产品买方。事实上，的值随每次抽样结果而变，因此自然希望抽样检验长期进行的话，在平均意义下能有一个不偏不倚的结果，即.——这就是估计量的无偏性要求。 定义：设是未知参数的估计量， ①若，则称是的无偏估计(unbiased estimator)，简记为UE； ②若，则称是的有偏估计(biased estimator)； ③若，则称是的渐近无偏估计(asymptotic unbiased estimator). 例2.2.1 是来自母体的一个子样，证明：是的无偏估计，但子样方差不是的无偏估计。 证明：，故是的无偏估计； 故不是的无偏估计，但由于 故是的渐近无偏估计. 为得的无偏估计，对进行修正（称为纠偏），令： 则. 即是的无偏估计，此即修正样本方差. 例2.2.2 设母体，则是的无偏估计. 例2.2.3 是来自母体的一个子样，证明： 是的无偏估计。 证明： ，故 即：是的无偏估计。 证毕. 例2.2.4 ，①的矩估计量 ，②的最大似然估计，它们是的无偏估计吗？ 解：①，故是的无偏估计. ②是来自母体的一个子样，故 （1） 代入（1）式得： . 不是的无偏估计，只是一个渐近无偏估计. 说明：①对进行纠偏，令：，则，即 为的无偏估计。 ②同一参数的无偏估计并不唯一。——如何再进一步判别各无偏估计量的好坏？ 2.2 优效估计 （1）有效性 定义：设都是的无偏估计，若对于任意子样容量n有，则称比有效(efficiency)。 例2.2.5 在上例中 ，的两个无偏估计与哪个更有效？ 解： 其中，故 更有效. 例2.2.6 是来自母体的一个子样，未知，记，，证明：都是的无偏估计，其中最有效。 证明: 故：都是的无偏估计， ， 即：中最有效。 证毕 （2）最小方差无偏估计 定义：若的一切具有二阶矩的无偏估计中，满足：对的任意无偏估计，都有，则称是的最小方差无偏估计(minimum variance unbiased estimator)。 用定义判定一个估计量是否最小方差无偏估计一般较难，下面讨论无偏估计量的方差的下界。 （3）罗-克拉美（R-C）不等式 ①对于连续母体情形，有 定理：设是实数轴上的一个开区间，是母体的一个分布密度函数族，是来自母体的子样，是未知参数的无偏估计，如果母体及满足正则条件： (ⅰ)集合：与无关； (ⅱ)存在,且对中的一切有：，及 其中； (ⅲ) 则有不等式 此不等式称为R-C不等式，称为R-C下界. 例如：指数分布的母体满足条件(ⅰ)，而均匀分布的母体不满足. ②对于离散母体情形，类似条件下有 其中. ③有关计算中，有时用到如下等式： 对连续型母体， 对离散型母体， （4）优效估计 定义: ①若的无偏估计的方差达到R-C下界, 即，则称是的优效估计(optimal efficient estimator)； ②若的无偏估计为, 则称为的(有)效率(efficiency), 显然，优效估计的(有)效率为1）； ③若的无偏估计满足：, 则称是的渐近优效估计(asymptotic optimal efficient estimator). 例2.2.7 , 问是否为未知参数的优效估计？ 解:①，故是的无偏估计. ② ③求R-C下界 母体分布律为 ，故 即：是的优效估计. 例2.2.8 设母体的分布密度为, 问是否为未知参数的优效估计？ 解:①，故是的无偏估计. ②. ③求R-C下界 即：是的优效估计. 例2.2.9 , 问是否分别为的优效估计？ 解: （ⅰ）对于， ①，故是的无偏估计. ②. ③求R-C下界 母体分布密度为，故 （1） 由（1）得：， 故 即：是的优效估计. （ⅱ）对于 ① ，故是的无偏估计. ② ，，. ③求R-C下界 由（1）式知： （2） 从而 ，故不是的优效估计. 但，故是的渐近优效估计. 注：①事实上可以证明，已经是的最小方差无偏估计, 这说明的优效估计不存在. ②在满足正则条件的估计量族范围内，优效估计是最小方差无偏估计. 2.3 相合估计 事实上，与子样容