36 无偏性与有效性.pptVIP

3.6 点估计的优良性准则 ; 为估计 ;X~N( );(2) 怎样决定一个估计量是否比另一个估计 量“好”？;这是因为估计量是样本的函数，是个随机变量 . 因此，由不同的观测结果，就会求得不同的参数估计值. ; 常用的几条原则标准是：; 估计量是随机变量，对于不同的样本值会得到不同的估计值 . 我们希望估计值在未知参数真值附近摆动，而它的期望值等于未知参数的真值. 这就导致无偏性这个标准 . ;则称 为估计量 的偏差 .; 例如，用样本均值作为总体均值的估计时，虽无法说明一次估计所产生的偏差，但这种偏差随机地在0的周围波动，对同一统计问题大量重复使用不会产生系统偏差 .;例3.6.2;证;试问：;2. 无偏性的弱点;例2;但是，此估计量有明显的不合理：;证;蕉惠燃螟侗式哈阐李型翼狂距柞奎抵研榴萎其侣阂筒前午秋傣囱焉葫荚懦36 无偏性和有效性36 无偏性和有效性;所以无偏估计以方差小者为好, 这就引进了有效性这一概念 .;二、有效性;二、最小方差无偏估计; 1.最小方差无偏估计提供了一种优良的估计，然而一个更深入的问题是：无偏估计的方差是否可以任意小？如果不可以，那么它的下界是多少？这个下界等否达到？;定理3.6.1 (Cramer-Rao不等式)设X1,X2,…Xn是 从密度函数为 的总体抽取的样本, 是 的一个无偏估计, 若 集合 与 无关; 对 积分与微分可交换且 存在，即 (3) ;其中; 费希尔信息量是数理统计学中一个基本概念，很多的统计结果都与费希尔信息量有关。如极大似然估计的渐近方差，无偏估计的方差的下界等都与费希尔信息量I(? )有关。I(? )的种种性质显示，“I(? )越大”可被解释为总体分布中包含未知参数? 的信息越多。 ;例 设总体服从泊松分布 ， X1,X2,…Xn 是来自总体的一个样本，试求参数 的无偏估计的下界？;1. 写出密度函数，求对数; 例 设 X1,X2,…Xn 是取自总体 X~ 的一个样本, 求 的无偏估计的方差下界. 解: (1) 写出密度函数 (2) 求密度函数对数、再求导 (3) 计算 (4) 代入C-R不等式求方差下界 ??后寻找无偏估计中满足方差下界的估计量.;1. 写出密度函数;2. 求密度函数对数的导数;2、有效估计; 例3.24 设 X1, X2, … Xn 是取自总体 X~B(N, p) 的一个样本，验证 是参数P的有效估计量.;4. 计算无偏估计的方差;