고유 한 MVUE 찾기


10

이 질문은 Robert Hogg의 388 페이지의 수학 통계 6 판 7.4.9 소개에서 발췌 한 것입니다.

하자 PDF 파일과 IID 수 제로 다른 곳 .X1,...,Xnf(x;θ)=1/3θ,θ<x<2θ,θ>0

(가) MLE 찾기 의θ^θ

(b)는 에 대한 충분한 통계치 ? 왜 ?θ^θ

(c) 은 의 유일한 MVUE 입니까? 왜 ?(n+1)θ^/nθ

나는 (a)와 (b)를 풀 수 있다고 생각하지만 (c)와 혼동된다.

(a)의 경우 :

하자 주문 통계를합니다.Y1<Y2<...Yn

L(θ;x)=13θ×13θ×...×13θ=1(3θ)n 및 , 다른 장소의θ<y1yn<2θL(θ;x)=0

dL(θ;x)dθ=n(3θ)n1 은 이기 때문에이 미분이 음수임을 알 수 있습니다.θ>0

따라서 우도 함수 이 감소하고 있습니다.L(θ;x)

가입일 및 y_n <2 \ 세타) , \ 향하는 화살표 (\ 세타> -y_1\ 세타> y_n / 2) \ RIGHTARROW \ 세타> 맥스 (-y_1, y_n / 2)(θ<y1yn<2θ) (θ>y1θ>yn/2),θ>max(y1,yn/2)

θ θ > m a x ( y 1 , y n /L(θ,x) 은 감소하고 있습니다. 가 가장 큰 값을 가질 때 이므로 , 우도 함수는 최대 값을 달성 할 것입니다.θθ = m a x ( y 1 , y n / 2 )θ>max(y1,yn/2)θ=max(y1,yn/2)

MLEθ^=max(y1,yn/2)

(b)의 경우 :

f(x1;θ)f(x2;θ)...f(xn;θ)=1(3θ)ninI(θ<xi<2θ)=1(3θ)nI(max(xi)<2θ)×1

y n = m a x ( x i ) θ y n / 2 Neyman의 인수 분해 이론에 따르면 는 대한 충분한 통계량입니다 . 따라서 도 충분한yn=max(xi)θyn/2

마찬가지로

f(x1;θ)f(x2;θ)...f(xn;θ)=1(3θ)ninI(θ<xi<2θ)=1(3θ)nI(min(xi)>θ)×1

y 1 = m i n ( x i ) θ y 1 Neyman의 인수 분해 이론에 따르면 는 대한 충분한 통계량입니다 . 따라서 도 충분한 입니다.y1=min(xi)θy1

(c)의 경우 :

먼저 의 CDF를 찾습니다.X

F(x)=θx13θdt=x+θ3θ,θ<x<2θ

다음으로, 주문 통계에 대한 책 공식에서 및 대한 pdf를 찾을 수 있습니다 .Y1Yn

f(y1)=n!(11)!(n1)![F(y1)]11[1F(y1)]n1f(y1)=n[1y1+θ3θ]n113θ=n1(3θ)n(2θy1)n1

마찬가지로

f(yn)=n(yn+θ3θ)n113θ=n1(3θ)n(yn+θ)n1

다음으로, 및 대한 pdf 제품군의 완전성을 보여줍니다.F ( Y N )f(y1)f(yn)

FTCu(θ)=0θ>0E[u(Y1)]=θ2θu(y1)n1(3θ)n(2θy1)n1dy1=0θ2θu(y1)(2θy1)dy1=0 . 의해 (적분을 모든 대해 을 표시 할 수 있습니다 .FTCu(θ)=0θ>0

따라서 pdf 제품군 이 완성되었습니다.Y1

마찬가지로 여전히 에 의해 pdf 가 완료 보여줄 수 있습니다 .Y의 NFTCYn

문제는 이제 이 편향되어 있지 을 보여 주어야합니다 .(n+1)θ^n

θ^=y1

E(y1)=θ2θ(y1)n(3θ)n(2θy1)n1dy1=1(3θ)nθ2θy1d(2θy1)n

부품별로 통합하여 적분을 해결할 수 있습니다

E(y1)=1(3θ)n[y1(2θy1)nθ2θθ2θ(2θy1)ndy1]=1(3θ)n[θ(3θ)n(3θ)n+1n+1]=θ3θn+1=(n2)θn+1

E((n+1)θ^n)=n+1nE(y1)=n+1n(n2)θn+1=n2nθ

따라서 은 때 의 편향 추정치가 아닙니다. θ θ =-(n+1)θ^nθθ^=y1

경우θ^=yn/2

E(Yn)=θ2θynn(3θ)n(yn+θ)n1dyn=1(3θ)nθ2θynd(yn+θ)n=1(3θ)n[yn(yn+θ)nθ2θθ2θ(yn+θ)ndyn]=1(3θ)n[2θ(3θ)(3θ)n+1n+1]=2θ3θn+1=2n1n+1θ

E((n+1)θ^n)=n+1nE(Yn/2)=n+12nE(Yn)=n+12n2n1n+1θ=2n12nθ

여전히 은 때 의 편향 추정치가 아닙니다. θ θ =YN/2(n+1)θ^nθθ^=yn/2

그러나이 책의 답은 은 고유 한 MVUE입니다. 편향 추정 기인 경우 왜 MVUE인지에 대해서는 확신하지 않습니다.(n+1)θ^n

또는 내 추리가 잘못되었습니다. 실수를 찾도록 도와주세요. 더 자세한 계산을 해줄 수 있습니다.

대단히 감사합니다.


분포에 대한 계산이 보이지 않습니다 . θ^
whuber

감사합니다, whater, . 이 중 하나입니다 또는 하나가 더 큰 인에 따라 달라집니다. 과 대한 분포를 계산했습니다 . 보시 과 . -Y1 개, YN/2, Y1, YNF(1θ^=max(y1,yn/2)y1yn/2y1ynf(ynf(y1)=n1(3θ)n(2θy1)n1f(yn)=n1(3θ)n(yn+θ)n1
Deep North

위의 두 분포에서 및 한 다음E ( θ ) = E ( Y N / 2 )E(θ^)=E(Y1)E(θ^)=E(Yn/2)E(n+1nθ^)
Deep North

답변:


6

극한의 작업에는주의가 필요 하지만 반드시 그럴 필요는 없습니다. 게시물 중간에있는 중요한 질문은

... 이 (가) 편향되어 있지 않음 을 보여 주어야합니다 .n+1nθ^n

앞서 얻은

θ^=max(y1,yn/2)=max{min{yi},max{yi}/2}.

복잡해 보이지만 누적 분포 함수 를 고려하면 계산이 기본이됩니다 . 이를 시작하려면 입니다. 하자 이 범위의 숫자. 정의에 따라0 θθF0θ^θt

F(t)=Pr(θ^t)=Pr(y1<t and yn/2t)=Pr(ty1y2yn2t).

이것은 모든 값이 와 사이에 있을 가능성입니다 . 이 값들은 길이 의 구간을 묶었 다 . 분포가 균일하기 때문에 특정 가이 구간에 확률 은 길이에 비례합니다.t 2 t 3 tnt2t3tyi

Pr(yi[t,2t])=3t3θ=tθ.

때문에 독립적, 이러한 확률은 곱셈, 제공yi

F(t)=(tθ)n.

변수에 대해 를 사용하여 , 대해 가능한 값의 간격에 걸쳐 생존 함수 를 통합하면 기대 값을 즉시 찾을 수 있습니다 .θ [ 0 , θ ] Y = t1Fθ^[0,θ]y=t/θ

E(θ^)=0θ(1(tθ)n)dt=01(1yn)θdy=nn+1θ.

(이 기대치 공식은 부품 통합을 통한 일반적인 적분에서 파생됩니다 . 자세한 내용은 https://stats.stackexchange.com/a/105464 끝에 제공됩니다 .)

스케일링에 의해 범(n+1)/n

E(n+1nθ^)=θ,

QED .


마지막 수식 오타가있다, 그것은해야한다 하지 θ Nθ^θ^n
딥 북한

물론 @Deep! 지적 해 주셔서 감사합니다. 이제 수정되었습니다.
whuber
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.