นี่เป็นการยืนยันตามปกติเกี่ยวกับตระกูลเอ็กซ์โปเนนเชียล แต่ในความคิดของฉันส่วนใหญ่จะระบุไว้ในลักษณะที่อาจสร้างความสับสนให้กับผู้อ่านที่มีประสบการณ์น้อยกว่า เพราะนำมาซึ่งมูลค่าตามจริงมันอาจตีความได้ว่าการพูดว่า "ถ้าตัวแปรสุ่มของเราตามการแจกแจงในตระกูลเอ็กซ์โพเนนเชียลถ้าเรานำตัวอย่างและใส่เข้าไปในสถิติที่เพียงพอเราจะได้ค่าตามจริงที่คาดหวังของสถิติ " ถ้าเพียง แต่มันเป็นอย่างนั้น ... มากกว่านั้นไม่ได้คำนึงถึงขนาดของตัวอย่างซึ่งอาจทำให้เกิดความสับสนต่อไป
ฟังก์ชันความหนาแน่นเลขชี้กำลังคือ
fX(x)=h(x)eη(θ)T(x)e−A(θ)(1)
ที่เป็นสถิติที่เพียงพอT(x)
เนื่องจากนี่คือความหนาแน่นจึงต้องรวมเข้ากับความสามัคคีดังนั้น (คือการสนับสนุนของ )SxX
∫Sxh(x)eη(θ)T(x)e−A(θ)dx=1(2)
อีคิว ถือสำหรับเพื่อให้เราสามารถแยกความแตกต่างของทั้งสองฝ่ายด้วยความเคารพ:(2)θ
∂∂θ∫Sxh(x)eη(θ)T(x)e−A(θ)dx=∂(1)∂θ=0(3)
เราได้รับลำดับของความแตกต่างและบูรณาการ
∫Sx∂∂θ(h(x)eη(θ)T(x)e−A(θ))dx=0(4)
ดำเนินการตามความแตกต่างที่เรามี
∂∂θ(h(x)eη(θ)T(x)e−A(θ))=fX(x)[T(x)η′(θ)−A′(θ)](5)
การแทรกเข้าไปเราได้(5)(4)
∫SxfX(x)[T(x)η′(θ)−A′(θ)]dx=0
⇒η′(θ)E[T(X)]−A′(θ)=0⇒E[T(X)]=A′(θ)η′(θ)(6)
ตอนนี้เราถาม: ด้านซ้ายมือของเป็นจำนวนจริง ดังนั้นทางด้านขวามือด้านข้างยังต้องเป็นตัวเลขที่จริงและไม่ได้ฟังก์ชั่น ดังนั้นมันจะต้องได้รับการประเมินที่เฉพาะเจาะจงและมันควรจะเป็น "ความจริง"มิฉะนั้นซ้ายมือด้านที่เราจะไม่ได้คาดว่ามูลค่าที่แท้จริงของ(X) เพื่อเน้นสิ่งนี้เราแสดงถึงคุณค่าที่แท้จริงโดยและเราเขียนใหม่เป็น(6)θθT(X)θ0(6)
Eθ0[T(X)]=A′(θ)η′(θ)∣∣θ=θ0(6a)
ตอนนี้เราหันมาใช้การประมาณความเป็นไปได้สูงสุดแล้ว โอกาสในการบันทึกสำหรับตัวอย่างของขนาดคือn
L(θ∣x)=∑i=1nlnh(xi)+η(θ)∑i=1nT(xi)−nA(θ)
การตั้งค่าอนุพันธ์ของมันเทียบกับเท่ากับเราได้ MLEθ0
θ^(x):1n∑i=1nT(xi)=A′(θ)η′(θ)∣∣θ=θ^(x)(7)
เปรียบเทียบกับ(6a)ด้านขวามือไม่เท่ากันเนื่องจากเราไม่สามารถยืนยันได้ว่าตัวประมาณค่า MLE นั้นกระทบกับมูลค่าที่แท้จริง ด้านซ้ายมือก็เช่นกัน แต่จำไว้ว่า eq ถือครองสำหรับและดังนั้นสำหรับเช่นกัน ดังนั้นขั้นตอนใน eq สามารถดำเนินการกับและเพื่อให้เราสามารถเขียน eq สำหรับ :(7)(6a)2 θθ^3,4,5,6θ^6aθ^
Eθ^(x)[T(X)]=A′(θ)η′(θ)∣∣θ=θ^(x)(6b)
ซึ่งเมื่อรวมกับจะทำให้เรามีความสัมพันธ์ที่ถูกต้อง(7)
Eθ^(x)[T(X)]=1n∑i=1nT(xi)
ซึ่งเป็นสิ่งที่ยืนยันภายใต้การตรวจสอบจริง ๆ พูดว่า: ค่าคาดหวังของสถิติเพียงพอภายใต้ MLE สำหรับพารามิเตอร์ที่ไม่รู้จัก (ในคำอื่น ๆ มูลค่าของช่วงเวลาดิบครั้งแรกของการกระจายที่เราจะได้รับถ้าเราใช้ในสถานที่ของ ) เท่ากับ (และมันไม่ได้เป็นเพียงแค่ประมาณ) เดอะเฉลี่ยของสถิติที่เพียงพอตามที่คำนวณจากตัวอย่างx θ^(x)θx
ยิ่งกว่านั้นถ้าขนาดตัวอย่างคือเราก็สามารถพูดได้อย่างแม่นยำว่า "ค่าคาดหวังของสถิติที่เพียงพอภายใต้ MLE เท่ากับสถิติที่เพียงพอ"n=1