数理统计第三章(2).pptVIP

§3.2 估计量的评选标准 一致最小方差无偏估计 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） 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 * * 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、充分性 1.概念：统计量是把样本中的信息进行加工处理的结果， 可简化数据，便于统计推断。自然希望这种加工处理 不损失原样本中的信息。简单地说，不损失信息的统 计量就是充分统计量。 例1： 为研究某个运动员的打靶命中率 ，我们对该 运动员测试。观测其10次射击，发现除第三、 六次未命中外，其余8次都命中，这样的观测结 果包括两种信息： (1) 打靶10次命中8次; (2) 2次不命中分别出现在第三次和第六次上. 第二种信息对了解运动员的命中率是没什么帮助的. 例2: 定义1: 注： 充分统计量的一对一变换仍是充分统计量 下面我们来介绍不用求复杂的条件分布直接找到 充分统计量的方法。 2.因子分解定理 例： 三、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 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 *