数理统计研究生23.pptVIP

解 显然可验证 和 是参数 的无偏估计。 其次，计算 与 的方差 因为 ，所以 比 有效。 例2.3.2 设总体 的数学期望为 是来 自总体 的样本，定义如下两个关于参数 的估量： ， 。问 和 哪一个有效？ 解 考虑 的情形， 例2.3.3 设总体 服从指数分布，其密度函数为 为来自总体 的样本，求参数 的C-R 方差下界。 数 理 统 计 Mathematical Statistics * §2.3 点估计的优良性准则 无偏性 最小方差无偏性 相合性 从上节介绍的内容可以看出，对总体中同一参 数 ，采用不同的点估计法求到的估计量 可能是一样 的，但多数情形是：不同方法寻找的估计量是不同的。 问题 (1)对于同一个参数究竟采用哪一个估计量好? (2)评价估计量的标准是什么? 例如对于总体 ，参数 的矩估计和 最大似然估计是不相同的。 一、 无偏性 设总体分布含有未知参数 ，设 是参 数 的一个估计量，在一次抽样中，其估计值与参数真 值之间存在着偏差 ，这种偏差是随机的。因此评价 一个估计量是否合理，不能根据一次估计的好坏，而应 该根据多次反复使用这个统计量的“平均”效果来评价。 定义2.3.1 设 是参数 的一个估计 量，若对任意的 ，有 ，则称 是 参数 的无偏估计量。令 ，称 是 关于 的偏差，而无偏估计就是偏差为零的 估 计。 如果 则称 是参数 的渐近无偏估计量。 例2.3.1 设总体的数学期望和方差分别为 ， 是总体 的样本，则样本均值 和方差 分别是参数 的无偏估计量。 解 有时对总体的同一个参数可能有很多个无偏估 计量；有时找出的无偏估计量有明显的弊病。 例如 是来自总体 的样本。总体 的数学期望为 。定义参数 的估计量为 ， ，可以验证 ，这说明估计量 是参数 的无偏估计量。又如，总体 是 来自总体 的样本，用 作为 的估计，可以验 证该估计量 是无偏的，即 二 、最小方差无偏性 定义2.3.2 设 和 都是未知参数 的无偏估计， 并且满足 则称 较 有效。 对任意的 ， q ?Q 例2.3.2 设总体 的数学期望为 是来 自总体 的样本，定义如下两个关于参数 的估量： ， 。问 和 哪一个有效？ 解 一般地，如果对给定的样本 和可估函数 （指 存在无偏估计）， 为 的某个无偏估计，其 方差比任何其他 的无偏估计的方差都一致的小，则 这个估计就称为一致最小方差无偏估计，简称UMVU估计。 仅对两个无偏估计量，通过比较它们的方差大小来判断 优劣。如果面对众多的无偏估计量，如何寻找它们的最 小方差？ 定义2.3.2 如果存在一个 的无偏估计量 ，使得对 的任意无偏估计量 ， 有 ，对一切 ，