Znajdź UMVUE z


10

Pozwolić X1,X2,...,Xn być zmiennymi losowymi mającymi pdf

fX(xθ)=θ(1+x)(1+θ)I(0,)(x)

gdzie θ>0. Podaj UMVUE z1θ i obliczyć jego wariancję

Dowiedziałem się o dwóch takich metodach dla uzyskanych UMVUE:

  • Cramer-Rao Lower Bound (CRLB)
  • Lehmann-Scheffe Thereom

Spróbuję tego przy użyciu pierwszego z nich. Muszę przyznać, że nie do końca rozumiem, co się tutaj dzieje i opieram próbę rozwiązania na przykładowym problemie. mam tofX(xθ) jest pełną jednoparametrową rodziną wykładniczą z

h(x)=I(0,), c(θ)=θ, w(θ)=(1+θ), t(x)=log(1+x)

Od w(θ)=1 jest niezerowy Θ, obowiązuje wynik CRLB. Mamy

log fX(xθ)=log(θ)(1+θ)log(1+x)

θlog fX(xθ)=1θlog(1+x)

2θ2log fX(xθ)=1θ2

więc

I1(θ)=E(1θ2)=1θ2

oraz CRLB dla obiektywnych estymatorów τ(θ) jest

[τ(θ)]2nI1(θ)=θ2n[τ(θ)]2

Od

i=1nt(Xi)=i=1nlog(1+Xi)

następnie dowolna funkcja liniowa i=1nlog(1+Xi)lub równoważnie dowolna funkcja liniowa 1ni=1nlog(1+Xi), osiągnie CRLB swoich oczekiwań, a zatem będzie UMVUE swoich oczekiwań. OdE(log(1+X))=1θ mamy to UMVUE z 1θ jest 1ni=1nlog(1+Xi)

Na naturalną parametryzację możemy pozwolić η=(1+θ)θ=(η+1)

Następnie

Var(log(1+X))=ddη(1η+1)=1(η+1)2=1θ2

Czy to prawidłowe rozwiązanie? Czy istnieje prostsze podejście? Czy ta metoda działa tylko wtedy, gdyE(t(x)) równa się temu, co próbujesz oszacować?


4
W miejscu, w którym wykazałeś, że pdf jest członkiem jednoparametrowej rodziny wykładniczej, natychmiast staje się jasne, że pełna wystarczająca statystyka dla rodziny to
T(X1,,Xn)=i=1nln(1+Xi)
Ponieważ, jak mówisz, E(T/n)=1θ, T/n jest UMVUE z 1/θwedług twierdzenia Lehmanna-Scheffego.
StubbornAtom

Więc część, w której mam „Odtąd w(θ)=1 jest niezerowy .....θ2n[τ(θ)]2„nie ma znaczenia?
Remy

2
Nie całkiem; wariancjaTłatwiej jest znaleźć za pomocą CRLB. Aby rozwiązać oba pytania jednocześnie, twój argument jest wystarczający.
StubbornAtom

Chciałbym znaleźć taką wariancję θ2n[τ(θ)]2=θ2n(1θ2)2=1nθ2? Dlatego wcześniej robiłem to niepoprawnie?
Remy

Tak, to jest wariant T. Dokładnie.
StubbornAtom

Odpowiedzi:


8

Twoje rozumowanie jest w większości prawidłowe.

Łączna gęstość próbki (X1,X2,,Xn) jest

fθ(x1,x2,,xn)=θn(i=1n(1+xi))1+θ1x1,x2,,xn>0,θ>0lnfθ(x1,x2,,xn)=nln(θ)(1+θ)i=1nln(1+xi)+ln(1min1inxi>0)θlnfθ(x1,x2,,xn)=nθi=1nln(1+xi)=n(i=1nln(1+xi)n1θ)

Tak więc wyraziliśmy funkcję punktacji w formie

(1)θlnfθ(x1,x2,,xn)=k(θ)(T(x1,x2,,xn)1θ)

, który jest warunkiem równości w nierówności Cramér-Rao.

Nie jest to trudne do zweryfikowania

(2)E(T)=1ni=1nE(ln(1+Xi))=1/θ=1θ

Od (1) i (2) możemy stwierdzić, że

  • Statystyka T(X1,X2,,Xn) jest obiektywnym estymatorem 1/θ.
  • T spełnia warunek równości nierówności Cramér-Rao.

Te dwa fakty implikują to T jest UMVUE z 1/θ.

Druga kula faktycznie mówi nam o tej wariancji T osiąga dolną granicę Cramér-Rao 1/θ.

Rzeczywiście, jak wykazałeś,

Eθ[2θ2lnfθ(X1)]=1θ2

Oznacza to, że funkcją informacyjną dla całej próbki jest

I(θ)=nEθ[2θ2lnfθ(X1)]=nθ2

Więc Cramér-Rao dolnej granicy 1/θ i stąd wariancja UMVUE jest

Var(T)=[ddθ(1θ)]2I(θ)=1nθ2


Wykorzystaliśmy tutaj następstwo nierówności Craméra-Rao, która mówi, że dla rodziny dystrybucji f sparametryzowane przez θ (przy założeniu warunków regularności nierówności CR do utrzymania), jeżeli jest to statystyka T jest bezstronny dla g(θ) dla niektórych funkcji g i jeśli spełnia warunek równości w nierówności CR, a mianowicie

θlnfθ(x)=k(θ)(T(x)g(θ))
, następnie T musi być UMVUE z g(θ). Tak więc ten argument nie działa w każdym problemie.

Alternatywnie, używając twierdzenia Lehmanna-Scheffego, można to powiedzieć T=1ni=1nln(1+Xi) jest UMVUE z 1/θ jak to jest bezstronne 1/θi jest kompletną wystarczającą statystyką dla rodziny rozkładów. ŻeTczy konkurencja jest wystarczająca, wynika ze struktury łącznej gęstości próbki w kategoriach jednoparametrowej rodziny wykładniczej. Ale wariancjaT może być trochę trudne do znalezienia bezpośrednio.


Można również użyć dystrybucji Tznaleźć jego średnią, wariancję.
StubbornAtom
Korzystając z naszej strony potwierdzasz, że przeczytałeś(-aś) i rozumiesz nasze zasady używania plików cookie i zasady ochrony prywatności.
Licensed under cc by-sa 3.0 with attribution required.