(19)衡量估计量好坏标准.docxVIP

PAGE

PAGE11

二．衡量估计量好坏的标准

X~U[0,?]，?0是未知参数，x1,x2,…,xn是X的iid.样本，?有估计量

（矩法估计），

（极大似然估计），

，

。

无偏性

引例：X~N(m,1)，?未知，x1,x2,…,xn是X的iid.样本。

由于?=EX，所以?的矩法估计量

。

，有。

定义1：作为未知参数?的估计量，有

，

则称是?的无偏估计量。

(，E?=0)

例1．X~U[0,?]，?0未知。x1,x2,…,xn是X的iid.样本。（1）由于EX=?/2，所以?=2EX，?的矩法估计量

。

与X同分布，，，有

，

是?的无偏估计量；

（2）记（的极大似然估计），则

，

不是?的无偏估计量（渐近无偏）。

（3）记，则

，是?的无偏估计量；

/*（2）（3）用到期中概率练习39题：

独立同分布，，，

，则；

，则。

*/

例2．X有分布律（p未知），X有iid.样本x1,x2,…,xn。记，由于p=EX，所以p的矩法估计量

（样本频率），

与X同分布，，，所以，

，

样本频率是总体频率p的无偏估计量。

例3．EX=?，DX=?2，x1,x2,…,xn是X的iid.样本。

（1）?有无偏估计；

（2）若?已知，则?2有无偏估计；

若?未知，则?2有无偏估计。

证明：

（1），

即样本均值是总体均值?的无偏估计量；

（2）①?已知时，

，

即是的无偏估计。

②若?未知，则由

，

有

，

其中，，

于是，，

样本方差

是总体方差?2的无偏估计。

注意：的矩法估计量

不是总体方差的无偏估计。

事实上，

≠，

是总体方差的无偏估计；

不是总体方差的无偏估计（渐近无偏）。

/*定义2：若，则称是?的渐近无偏估计。*/

注1:有些教材称为样本方差。

注2:n很大时和b2取值相差很小。

注3:计算器中的标准差：

：或；：或.

例：

则，（小）

（大）

，

。

练习：（1）X有分布律（p未知），X有样本。证明：是p2的无偏估计。

（2）X~P(?)（?未知），X有iid.样本x1,x2,…,xn。

常数a∈(0,1)。证明：是?的无偏估计。

注意：是的无偏估计，未必是的无偏估计。

（即，未必有）

练习：已知，证明：

（1）若是?2的无偏估计，则不是?的无偏估计；

（2）若是?的无偏估计，则不是?2的无偏估计。

2*.有效性

EX=?未知，?2=DX存在，是X的样本。记

，，

则，即和都是?的无偏估计量。

，

，

，称比有效。

定义：设、都是的无偏估计，如果

，

则称是比更有效的估计。

如果是比任何其他?的无偏估计都更有效，则称是?的最小方差无偏估计(MVUE估计)。

样本均值是比其他样本加权平均数更有效的估计：

?=EX是未知参数，DX=?2存在，为X的样本。

①记，其中，()，。则叫做样本的加权平均数（weightedaverage），

称b1,b2,…,bn为x1,x2,…,xn的权重（教材P68-70）。于是

，

即是?的无偏估计。特别的是?的无偏估计。

②比更有效：

≥。

/*上式用到，则。

证明：由施瓦兹不等式有

，

取，（），由，有

，即。*/

即在?的一切线性无偏估计中，样本均值方差最小。

练习：是的样本，则

，

，

，

都是?的无偏估计量，方差最小（最有效）。

选做题：，，

X1的样本与X2的样本独立，分别是X1，X2的样本方差。

（1）常数a、b满足a+b=1，则是?2的无偏估计；

（2）确定常数a、b，使最小。

/*答案：最小*/

3.一致估计（相合估计）

设EX=?未知，是X的样本。则由辛钦大数定律，有

，

即对任意的?0，有

，

称是?的一致(相合)估计量。

定义:是?的估计量，如果

，

即对任意的，有

，

则称是?的一致(相合)估计量。

例如：?=EX，s2=DX是未知参数，为X的样本，则

，

样本均值是总体均值的一致（相合）估计量；

，

是的一致（相合）估计量；

样本二阶中心矩b2是总体二阶中心矩（总体方差s2）的一致（相合）估计量。

一般的，若是连续函数，则

是的一致估计量。

思考：

（1）样本方差s2是总体方差DX=?2的一致（相合）估计量吗？

（2）样本频率是总体频率p的一致（相合）估计量吗？

样本方差s2是总体方差DX=?2的一致（相合）估计量；

有样本，

，

样本频率是总体频率p的一致（相合）估计量。

例：(未知)，