第三章 估计量的评选标准.pptVIP

本书涉及的问题中，满足定理中的条件，且达到 R-C不等式下界的无偏估计量也就是UMVUE. 定义： 假定满足Rao-Cramer定理的条件 求证： 证明： 又因为 注1： 信息不等式成立是有条件的，当定理条件不满足时，无偏估计的方差可能比R-C下界要小。 例： 则有 故 注2： 如果某个无偏估计的方差达到R-C下界，那么 它是UMVUE；如果一个估计是UMVUE，但它的方差不一定达到R-C下界。 练习： (1) (2) (1) 证明： 因为 信息量为 （2） 证明： 因为 总体的密度函数为 得 易得 于是得信息量为 §3.2 估计量的评选标准 一、无偏性 定义1： 例： 解： 定义2： 例2： 证明： 则 因为 所以， 注1： 无偏估计不一定存在。 例： 即 注2： 无偏估计量存在也不一定唯一。 注3： 无偏估计不一定是一个好估计。 例： 即 二、有效性 无偏性： 反映了估计量所取数值在未知参数的真 值周围波动，而没有反映出估计值的波 动的大小程度。 方差： 反映随机变量的取值在它的数学期望的邻 域内的分散或集中程度的一种度量。 一个好的估计量，不仅应该是无偏估计量， 而且应该有尽可能小的方差。 定义3： 例： 例： 证明： 因为 由于 三、相合性 估计量的无偏性和有效性是在固定样本容量 时的估计量的性质，当样本容量n较大时， 自然 希望对未知参数 的估计值越精确，这就是估计 量的相合性的朴素想法。 定义4： 即 相合估计一般是对估计的一个最基本的要求，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。证明估计的相合性一般可以应用大 数定律或直接由定义来证。 定理1： 样本原点矩是相应的总体原点矩的相合估计 量。 定理2： 推论： 样本中心矩是相应的总体中心矩的相合估计量。 定理3： 练习： 证明： 故有 练习： 证明： 由 可得 则 一致最小方差无偏估计 定义： 下面我们来介绍如何去寻找一致最小方差无偏估计。 回顾第一章中在条件期望一节中介绍的定理推论： 由此可得如下定理： 定理1： 说明： （1） 如果无偏估计不是充分统计量的函数，将之 对充分统计量求条件期望可以得到一个新的 无偏估计，该估计的方差比原来估计的方差 小； （2） 考虑 的较小方差的无偏估计只需在基于充分 统计量的函数中进行即可，也就是说，如果参 数的UMVUE存在，则它一定是充分统计量的 函数。 例1： 解： 令 关于UMVUE，有如下的一个判断准则。 定理2： 证明： 于是 证毕。 例1（续）： 例2： 整理得 解： 由此推得 一致最小方差无偏估计量是一种最优的估计量， 但有时并不存在，通常我们都是在 的一类无偏 估计量中，求出具有最小方差的无偏估计。 例3： 下面的定理给出了无偏估计方差的下界，有助于 找UMVUE. 定理4： （Rao-Cramer定理）