高等数理统计(part8) |
您所在的位置：网站首页 › 存在即唯一 › 高等数理统计(part8) |
高等数理统计(part8)
|
学习笔记，仅供参考，有错必纠 文章目录 UMRUE和UMVUE引理3.2.4(唯一性)引理3.2.5(最优性)引理3.2.5(Lehmann-Scheffe)L-S定理求 g ( θ ) g(\theta) g(θ)的UMRUE无偏估计可能不唯一，可能不存在，也可能不合理定义3.2.9(一致最小均方误差)定义3.2.11(一致最小方差无偏估计)定理3.2.12定理3.2.13(UMVUE特征定理1)定理3.2.14(UMVUE特征定理2)定理:UMVUE特征定理3(Lehmann-Scheffe定理)定理3.2.19(UMVUE唯一性) UMRUE和UMVUE 引理3.2.4(唯一性)
应用L-S定理求 g ( θ ) g(\theta) g(θ)的UMRUE，前提是假定完备充分统计量存在以及 g ( θ ) g(\theta) g(θ)的UMRUE存在. 直接法
对于均匀分布 U ( 0 , θ ) U(0, \theta) U(0,θ)，其矩估计是无偏的，而极大似然估计是有偏的，但偏差不大，且矩估计的方差明显大于极大似然估计的方差，因此，从实际应用角度考虑，极大似然估计应优于矩估计，比较准则正是均方误差准则. 定义3.2.9(一致最小均方误差)
无偏准则与均方误差准则是从两个不同角度考察一个估计量优劣的，但当二者发生矛盾时，更应重视均方误差准则.有时一致最小均方误差估计并不存在，为了找到一个一致最小均方误差估计，通常通过缩小估计类来求得。 定义3.2.11(一致最小方差无偏估计)
为了方便计算UMVUE，先给出如下一个定理。 定理3.2.12
从定理可以看出，当找到充分统计量后，任一个无偏估计都可以得到改进. 同时，为找到UMVUE，仅需在充分统计量的无偏估计类中寻找.但这一定理并没有告诉我们如何才能得到UMVUE.下一定理将回答这一问题. 引入如下两个无偏估计类:
应用UMVUE特征定理1的主要步骤包括: 应用UMVUE定理2(适用于T的分布容易计算，T为充分统计量)的主要步骤包括:
|
注:UMVUE是无偏估计类中方差最小的估计，虽然UMVUE是一个很好的估计，但对于某些分布族或参数，其UMVUE不一定存在.
【本文地址】