คำถามนี้มาจากปัญหาเบื้องต้นทางคณิตศาสตร์รุ่นที่ 6 ของ Robert Hogg 7.4.9 ที่หน้า 388
Let X1,...,Xnจะ IID กับไฟล์ PDF f(x;θ)=1/3θ,−θ<x<2θ,ศูนย์อื่น ๆ ที่θ>0 0
(ก) การค้นหา MLE θของθθ^θ
(ข) คือθสถิติเพียงพอสำหรับθ ? ทำไมθ^θ
(ค) คือ(n+1)θ^/n MVUE เอกลักษณ์ของθ ? ทำไม
ฉันคิดว่าฉันสามารถแก้ไข (a) และ (b) ได้ แต่ฉันสับสนโดย (c)
สำหรับ):
Let Y1<Y2<...Ynเป็นสถิติการสั่งซื้อ
L(θ;x)=13θ×13θ×...×13θ=1(3θ)nเมื่อ−θ<y1และyn<2θ; ที่อื่นL(θ;x)=0
dL(θ;x)dθ=−n(3θ)n−1, เนื่องจากθ>0, เราจะเห็นอนุพันธ์นี้เป็นลบ,
ดังนั้นฟังก์ชันความน่าจะเป็นจึงลดลงL(θ;x)
จากและปีn < 2 θ ) , ⇒ ( θ > - ปีที่ 1และ θ > Y n / 2 ) , ⇒ θ > ม. x ( - Y 1 , Y n / 2 )(−θ<y1yn<2θ)⇒ (θ>−y1θ>yn/2),⇒θ>max(−y1,yn/2)
ลดลงดังนั้นเมื่อ θมีค่า samllest ฟังก์ชันความน่าจะเป็นจะบรรลุผลสูงสุดตั้งแต่ θ > m a x ( - y 1 , y n / 2 )เมื่อ θ = m a x ( - y 1 , y n / 2 )ฟังก์ชันความน่าจะเป็นจะได้ค่าสูงสุดL(θ,x)θθ>max(−y1,yn/2)θ=max(−y1,yn/2)
MLE θ = เมตรx ( - Y 1 , Y n / 2 )∴θ^=max(−y1,yn/2)
สำหรับ (b):
f(x1;θ)f(x2;θ)...f(xn;θ)=1(3θ)n∏niI(−θ<xi<2θ)=1(3θ)nI(max(xi)<2θ)×1
โดยทฤษฎีบทตัวประกอบของ Neyman, Y n = เมตรx ( x ฉัน )เป็นสถิติที่เพียงพอสำหรับθ ดังนั้น y n / 2จึงเป็น statisitc ที่เพียงพอเช่นกัน∴yn=max(xi)θyn/2
Samely,
f(x1;θ)f(x2;θ)...f(xn;θ)=1(3θ)n∏niI(−θ<xi<2θ)=1(3θ)nI(min(xi)>−θ)×1
โดยทฤษฎีบทตัวประกอบของ Neyman, Y 1 = m ฉันn ( x ฉัน )เป็นสถิติที่เพียงพอสำหรับθ ดังนั้น - y 1จึงเป็น statisitc ที่เพียงพอเช่นกัน∴y1=min(xi)θ−y1
สำหรับ (c):
ก่อนอื่นเราจะพบ CDF ของX
F(x)=∫x−θ13θdt=x+θ3θ,−θ<x<2θ
ต่อไปเราสามารถค้นหา pdf สำหรับทั้งและY nจากสูตรของหนังสือสำหรับสถิติการสั่งซื้อY1Yn
ฉ( y1) = n !( 1 - 1 ) ! ( n - 1 ) ![ F( y1) ]1 - 1[ 1 - F( y1) ]n - 1ฉ( y1) = n [ 1 - y1+ θ3θ]n−113θ=n1(3θ)n(2θ−y1)n−1
Samely,
f(yn)=n(yn+θ3θ)n−113θ=n1(3θ)n(yn+θ)n−1
ต่อไปเราจะแสดงความสมบูรณ์ของตระกูล pdf สำหรับและf ( y n )f(y1)f(yn)
0 โดยFTC(หาอนุพันธ์อินทิกรัล) เราสามารถแสดงu(θ)=0สำหรับทุกθ>0E[u(Y1)]=∫2θ−θu(y1)n1(3θ)n(2θ−y1)n−1dy1=0⇒∫2θ−θu(y1)(2θ−y1)dy1=0FTCu(θ)=0θ>0.
ดังนั้นตระกูลของ pdf จึงเสร็จสมบูรณ์ ..Y1
ยังคงโดยเราสามารถแสดงให้เห็นว่าครอบครัวของไฟล์ PDF Y nนั้นเสร็จสมบูรณ์FTCYn
ปัญหาคือตอนนี้เราต้องแสดงให้เห็นว่าไม่มีอคติ(n+1)θ^n
เมื่อθ = - ปีที่ 1θ^=−y1
E(−y1)=∫2θ−θ(−y1)n(3θ)n(2θ−y1)n−1dy1=1(3θ)n∫2θ−θy1d(2θ−y1)n
เราสามารถแก้ปัญหาอินทิกรัลได้โดยรวมเข้าด้วยกัน
E(−y1)=1(3θ)n[y1(2θ−y1)n∣2θ−θ−∫2θ−θ(2θ−y1)ndy1]=1(3θ)n[θ(3θ)n−(3θ)n+1n+1]=θ−3θn+1=(n−2)θn+1
∴E((n+1)θ^n)=n+1nE(−y1)=n+1n(n−2)θn+1=n−2nθ
ดังนั้นไม่เป็นกลาง estimator ของθเมื่อ θ =-ปีที่ 1(n+1)θ^nθθ^=−y1
เมื่อθ = Y n / 2θ^=yn/2
E(Yn)=∫2θ−θynn(3θ)n(yn+θ)n−1dyn=1(3θ)n∫2θ−θynd(yn+θ)n=1(3θ)n[yn(yn+θ)n∣2θ−θ−∫2θ−θ(yn+θ)ndyn]=1(3θ)n[2θ(3θ)−(3θ)n+1n+1]=2θ−3θn+1=2n−1n+1θ
∴E((n+1)θ^n)=n+1nE(Yn/2)=n+12nE(Yn)=n+12n2n−1n+1θ=2n−12nθ
ยังคงไม่เป็นกลาง estimator ของθเมื่อ θ =Yn/2(n+1)θ^nθθ^=yn/2
แต่คำตอบของหนังสือเล่มนี้คือการที่เป็น MVUE ที่ไม่ซ้ำกัน ฉันไม่เข้าใจว่าทำไมมันถึงเป็น MVUE ถ้ามันเป็นตัวประมาณค่าเอนเอียง(n+1)θ^n
หรือการจัดกลุ่มของฉันผิดโปรดช่วยฉันค้นหาข้อผิดพลาดฉันจะให้การคำนวณที่ละเอียดมากขึ้น
ขอบคุณมาก.