第23最小方差无偏估计和有效估计.ppt

第2.3节 最小方差无偏估计和有效估计 一、最小方差无偏估计 二、有效估计 再 见 一、最小方差无偏估计 二、有效估计 最小方差无偏估计在均方误差意义下达到最优，是一种最优估计.如何寻求此种估计，将变得非常有意义. 1 最小方差无偏估计的判别法 定理2.7 证 注 此定理是最小方差无偏估计的判别法，但无 法寻求最小方差无偏估计的存在性. 2 由于L(X)的任意性，因而很难利用定理判别. 例1(p52例2.19) 证 由此例可以看出，利用判别定理进行判别，非常复杂，况且也无法利用此定理去寻求MVUE. 充分完备统计量是解决上述困难的有力工具. 定理2.8 证明从略 定理2.9 注 由此定理可以看出，需求最小方差无偏估计， 可以只在无偏的充分统计量中去发现，如果这 样的无偏充分统计量唯一，则此统计量就是 最小方差无偏估计。以下定理回答此问题. 证 以及 由此可得 又由于T是完备统计量，因而由定义1.6可知 注 最小方差无偏估计计算方法 例如 例2(p54例2.20) 解 由例1.10可知 所以 例3(p54例2.21) 解 首先寻求充分完备统计量，样本的联合分布为 利用完备分布族定义可以验证该分布族具有完备性. 又由于 所以 上一节介绍了最小方差无偏估计以及相应的寻求方法。自然会引入另一个问题：最小方差无偏估计是否可以任意的小？是否有下界？事实上， Rao-Cramer不等式可以回答此问题。 1、Fisher信息量 为Fisher信息量. Fisher信息量的另外一种表达式为： 2、Rao-Cramer不等式 定理2.10 由此可见，统计量的方差不可以无限的小，存在下界。当其方差达到下界，它一定是MVUE. 但最小方差无偏估计不一定达到下界. 证(证明过程可以不讲） 由统计量T(X)的无偏性可知： 因而 又由于 因而 则有 改写上式为 由施瓦兹不等式可知 因而有 又因为 这是因为 则有 综上所述 例4(p55例2.22) 解 解 例5(p56例2.23) 其信息量的下界为 又因为 其信息量的下界为 3、有效估计 定义2.8 定义2.9 定义2.10