Twoje rozumowanie jest w większości prawidłowe.
Łączna gęstość próbki (X1,X2,…,Xn) jest
fθ(x1,x2,…,xn)⟹lnfθ(x1,x2,…,xn)⟹∂∂θlnfθ(x1,x2,…,xn)=θn(∏ni=1(1+xi))1+θ1x1,x2,…,xn>0,θ>0=nln(θ)−(1+θ)∑i=1nln(1+xi)+ln(1min1≤i≤nxi>0)=nθ−∑i=1nln(1+xi)=−n(∑ni=1ln(1+xi)n−1θ)
Tak więc wyraziliśmy funkcję punktacji w formie
∂∂θlnfθ(x1,x2,…,xn)=k(θ)(T(x1,x2,…,xn)−1θ)(1)
, który jest warunkiem równości w nierówności Cramér-Rao.
Nie jest to trudne do zweryfikowania E(T)=1n∑i=1nE(ln(1+Xi))=1/θ=1θ(2)
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[∂2∂θ2lnfθ(X1)]=−1θ2
Oznacza to, że funkcją informacyjną dla całej próbki jest I(θ)=−nEθ[∂2∂θ2lnfθ(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=1n∑ni=1ln(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.