数理统计课件 第2章.pptVIP

其中 ，由上述展式可得 由于 表示独立同分布的随机变量和，并且用对ln p(x, ? ) 可将关于? 求导移到积分号下进行的假定，可得 (2.4.7) 故当n充分大时, 有 (2.4.8) (2.4.9) 由上述结果可得，式(2.4.7)右端的分子弱收敛于N(0, I(? 0)),而分母的第二项依概率收敛到0，整个分母依概率收敛于I(? 0) ，所以可得证定理. Remark i ) 为了验证定理的条件iii ) ，可以将参数空间? 局限于包含? 0的一个开区间. ii ) 式(2.4.6)表明，在满足定理的条件下，似然方程的相合解?n是渐近 ^ 若从这一渐近 分布的方差来看，它与C-R不等式规定的方差下界是相同的.从这一意义来说， ?n是渐近地达到了最优，所以也称为最优渐近正态的(BAN). ^ iii ) 若g(? )是?的可微函数，对似然方程的相合解?n，可以推出， g(? )的估计量g(?n )是渐近 分布的，渐近分布的方差也达到了C-R下界，这也是最大似然估计的渐近性方面表现出来的优良性质. 命题2.2.3 若简单随机样本X=(X1，…，Xn )的分布族为F，则 （1）顺序统计量(X(1) ，…，X(n) )为F的充分统计量; （2）若X1的分布族包含所有的连续型分布或所有的离散分布，则顺序统计量为完备的. 2.3 同变估计 一、同变性 定义2.3.1 若样本X =(X1，…，Xn )取自参数的?0分布 ,若对样本进行某种变换g，经过变换的样本g(X) =(g (X1) ，…， g(Xn ))，它的分布一般不在是原来的分布 甚至可以不属于P，在此要求g(X)的分布仍是P中的一员 .当?0在?中变化时， ?1也始终在?中变化.记?1= g(?0),或等价地 当X以 为其分布 ， g(X)就以 为其分布 g称为样本空间变换g在参数空间的导出变换. 仅讨论? ? R k时的情形. 例2.3.1 （1）设总体分布族为P={F(x- ?), ?? R} 在此参数?称为分布的位置参数.对取自这一分布族的样本X =(X1，…，Xn )，考虑下面的平移变换： 因为 所以按定义2.3.1规定的导出变换g具有形式 （2）设总体分布族为均匀分布族{U(0,?) , ? 0 }，样本X =(X1，…，Xn )取自这一分布族，若进行平移变换， 则变换后 的分布已不在原来的分布族中，以后进行同变估计时，不讨论这种情况. （3）设总体分布族为P={F(x/ ?), ? 0},参数也称为分布的尺度数数.对取自这一分布族的样本X =(X1，…，Xn )，若进行尺度变换 所以按定义2.3.1规定的导出变换g具有形式 定义2.3.2 设总体分布族为P={F ?, ? ?R},G={g}, G={g}分别为样本空间变换集合和参数空间的导出变换的集合，参数?的估计量? = ?(X1，…，Xn )若满足 ^ ^ 则称? 关于G中的变换为同变的估计. ^ 例2.3.2 （1）对于具有位置参数? 的总体分布族为P={F(x- ?), ?? R}，G表示样本空间上的平移变换全体 由例2.3.1 中的(1)可知，其参数空间上导出变换为 所以参数? 的关于平移变换的同变估计? 应满足 ^ 特别地，样本均值，样本中位数和最大值，最小值都能满足上述要求. （2）对于具有尺度参数? 的总体分布族为P={F(x/?), ? 0}，G表示样本空间上的尺度变换全体: 由例2.3.2 中的(3)可知，其参数空间上导出变换为 所以参数? 的关于尺度变换的同变估计? 应满足 ^ 特别地，样本标准差，样本最大值，最小值，极差和四分位数都能满足上述要求. 二、最优同变估计 定义2.3.3 设总体分布族为P={F ?, ? ?R},G={g}, G={g}分别为样本空间变换集合和参数空间的导出变换的集合，参数?的估计量? *= ?*(X1，…，Xn )若满足： ^ ^ i) ? *关于G 中的变换为同变的； ^ ii) 若? 也是关于G 中的变换为同变的，则必有 ^ 就称? *为?的最优同变估计. ^ 例2.3.3 设样本X =(X1，…，Xn ) 取自可能分布族为P={p ?(x)=e-(x- ?)I (x ?