Letเป็นตัวอย่างที่สุ่มมาจากประชากรที่R
ฉันกำลังมองหา UMVUE ของ\
ข้อต่อความหนาแน่นของคือ
ที่และ 1
ที่นี่ขึ้นอยู่กับและถึงและเป็นอิสระจาก\ดังนั้นโดยทฤษฎีบทตัวประกอบฟิชเชอร์ - เนย์แมนสถิติสองมิติก็เพียงพอแล้วสำหรับ\
อย่างไรก็ตามไม่ได้เป็นสถิติที่สมบูรณ์ นี่เป็นเพราะ
และฟังก์ชั่นไม่ใช่ศูนย์เหมือนกัน
แต่ฉันรู้ว่าเป็นสถิติที่น้อยที่สุด
ฉันไม่แน่ใจ แต่ฉันคิดว่าสถิติที่สมบูรณ์อาจไม่มีอยู่สำหรับตระกูลเลขชี้กำลังแบบโค้งนี้ แล้วฉันจะรับ UMVUE ได้อย่างไร? หากสถิติที่สมบูรณ์ไม่มีอยู่ตัวประมาณที่ไม่มีอคติ (เช่นในกรณีนี้) ซึ่งเป็นฟังก์ชันของสถิติที่เพียงพอเพียงเล็กน้อยคือ UMVUE หรือไม่ (หัวข้อที่เกี่ยวข้อง: เงื่อนไขที่จำเป็นสำหรับตัวประมาณที่ไม่มีอคติให้เป็น UMVUE คืออะไร )
เกิดอะไรขึ้นถ้าผมคิดว่าดีที่สุดเชิงเส้นประมาณการที่เป็นกลาง (สีฟ้า) ของ ? BLUE สามารถเป็น UMVUE ได้หรือไม่
สมมติว่าฉันพิจารณาตัวประมาณค่าเชิงเส้นตรงของโดยที่และ 2 เนื่องจากเราไม่ทราบว่าEความคิดของฉันคือการลดเพื่อให้จะเป็นสีฟ้าของ\หากว่าจะแล้ว UMVUE ของ ? θ T ∗ θ
ผมได้นำเป็นกลาง estimator เชิงเส้นขึ้นอยู่กับและเป็นนอกจากนี้ยังมีเพียงพอสำหรับ\ S( ˉ X ,S2)θ
แก้ไข:
มีการทำงานมากมายในการประมาณในครอบครัวทั่วไปซึ่งเป็นที่รู้จักต่อไปนี้เป็นข้อมูลอ้างอิงที่เกี่ยวข้องมากที่สุด:N ( θ , a θ 2 ) a > 0
การประมาณค่าเฉลี่ยของการแจกแจงแบบปกติที่มีค่าสัมประสิทธิ์การเปลี่ยนแปลงที่ทราบโดย Gleser / Healy
หมายเหตุเกี่ยวกับการประเมินค่าเฉลี่ยของการแจกแจงแบบปกติที่มีค่าสัมประสิทธิ์การเปลี่ยนแปลงที่ทราบโดย RA Khan
ข้อสังเกตในการประมาณค่าเฉลี่ยของการแจกแจงแบบปกติด้วยค่าสัมประสิทธิ์การเปลี่ยนแปลงที่เป็นที่รู้จักโดย RA Khan
นี้สารสกัดจากบท
ฉันพบข้ออ้างอิงแรกในการฝึกหัดนี้จากการอนุมานทางสถิติโดย Casella / Berger:
คำถามของฉันไม่ได้เกี่ยวกับแบบฝึกหัดนี้
บันทึกย่อสุดท้าย (การตัดทอนบท) บอกว่าUMVUE ofไม่มีอยู่เนื่องจากสถิติที่น้อยที่สุดยังไม่สมบูรณ์ ฉันอยากจะรู้ว่าอะไรทำให้เราสามารถสรุปได้ว่า UMVUE ไม่มีอยู่จริงเพราะไม่สามารถหาสถิติที่เพียงพอได้? มีผลลัพธ์ที่เกี่ยวข้องเกี่ยวกับเรื่องนี้หรือไม่? ฉันเห็นการมีอยู่ของ UMVUE แม้ว่าจะไม่มีสถิติเพียงพอที่สมบูรณ์ในเธรดที่เชื่อมโยง
ทีนี้สมมติว่าไม่มีความแปรปรวนขั้นต่ำที่เหมือนกันอย่างสม่ำเสมอและไม่มีค่าประมาณสิ่งที่ควรเป็นเกณฑ์ต่อไปของเราในการเลือกตัวประมาณค่าที่ดีที่สุด เรามองหา MSE ขั้นต่ำความแปรปรวนขั้นต่ำหรือ MLE หรือไม่ หรือตัวเลือกของเกณฑ์ขึ้นอยู่กับจุดประสงค์ของการประเมินของเรา
ตัวอย่างเช่นสมมติว่าผมมีความเป็นกลาง estimatorและอีกประมาณลำเอียงของ\สมมติว่า MSE ของ (ซึ่งเป็นความแปรปรวนของมัน) มีมากขึ้นกว่าที่T_2เนื่องจากการย่อขนาดของ MSE หมายถึงการลดความเอนเอียงรวมถึงความแปรปรวนพร้อมกันฉันคิดว่าควรเป็นตัวเลือกตัวประมาณค่าที่ดีกว่าแม้ว่าแบบเดิมจะเอนเอียงT 2 θ T 1 T 2 T 2 T 1
ตัวเลือกที่น่าจะเป็นของตัวประมาณของอยู่ในรายการจากหน้า 4 ของบันทึกย่อล่าสุด
สารสกัดต่อไปนี้มาจากทฤษฎีการประมาณค่าจุดโดย Lehmann / Casella (ฉบับที่สอง, หน้า 87-88):
เป็นไปได้สูงมากที่ฉันเข้าใจผิดทุกอย่าง แต่ประโยคสุดท้ายที่บอกว่าภายใต้เงื่อนไขบางประการการมีสถิติที่สมบูรณ์จำเป็นสำหรับการมีอยู่ของ UMVUE หรือไม่? ถ้าเป็นเช่นนี้ผลลัพธ์ที่ฉันควรจะดูคืออะไร?
ว่าผลที่ผ่านมาเนื่องจาก RR กฤษณาซึ่งเป็นที่กล่าวถึงขวาสุดหมายถึงนี้ทราบ
เมื่อทำการค้นหาเพิ่มเติมฉันพบผลลัพธ์ที่ระบุว่าหากสถิติที่น้อยที่สุดไม่สมบูรณ์สถิติก็จะไม่มีอยู่จริง อย่างน้อยฉันก็ค่อนข้างมั่นใจว่าสถิติที่สมบูรณ์ไม่มีอยู่ที่นี่
อีกผลลัพธ์ที่ฉันลืมที่จะพิจารณาคือเงื่อนไขที่จำเป็นและเพียงพอสำหรับตัวประมาณที่ไม่มีอคติที่จะเป็น UMVUE นั่นคือมันจะต้องไม่เกี่ยวข้องกับตัวประมาณค่าที่เป็นกลางทั้งหมด ฉันพยายามใช้ทฤษฎีบทนี้เพื่อแสดงว่า UMVUE ไม่มีอยู่ที่นี่และความจริงที่ว่าตัวประมาณที่ไม่มีอคติเช่นไม่ใช่ UMVUE แต่นี่ไม่ใช่งานง่ายอย่างที่ทำในที่นี้ในภาพประกอบสุดท้าย