该问题来自Robert Hogg的《数理统计入门》第六版问题7.4.9,第388页。
令用pdf在其他地方为零,其中。X1,...,Xnf(x;θ)=1/3θ,−θ<x<2θ,θ>0
(a)求MLE的θ^θ
(b)足够用于统计?为什么呢θ^θ
(c)是的唯一MVUE 吗?为什么呢(n+1)θ^/nθ
我想我可以解决(a)和(b),但是我对(c)感到困惑。
为一个):
令为订单统计信息。Y1<Y2<...Yn
L(θ;x)=13θ×13θ×...×13θ=1(3θ)n当并且, ;否则−θ<y1yn<2θL(θ;x)=0
dL(θ;x)dθ=−n(3θ)n−1,由于,我们可以看到此导数为负,θ>0
因此,似然函数正在减小。L(θ;x)
从和, 和 (−θ<y1yn<2θ)⇒ (θ>−y1θ>yn/2),⇒θ>max(−y1,yn/2)
L(θ,x)被降低,因此,当具有samllest值似然函数将达到最大,因为,当,似然函数将达到最大值。θθ>max(−y1,yn/2)θ=max(−y1,yn/2)
∴ theremleθ^=max(−y1,yn/2)
对于(b):
f(x1;θ)f(x2;θ)...f(xn;θ)=1(3θ)n∏niI(−θ<xi<2θ)=1(3θ)nI(max(xi)<2θ)×1
∴通过Neyman的因式分解定理,对于是足够的统计量。因此,也是一个足够的统计量yn=max(xi)θyn/2
同样
f(x1;θ)f(x2;θ)...f(xn;θ)=1(3θ)n∏niI(−θ<xi<2θ)=1(3θ)nI(min(xi)>−θ)×1
∴通过Neyman的因式分解定理,对于是足够的统计量。因此,也是足够的统计信息。y1=min(xi)θ−y1
对于(c):
首先,我们找到的CDFX
F(x)=∫x−θ13θdt=x+θ3θ,−θ<x<2θ
接下来,我们可以从订单统计书的公式中找到和 pdf 。Y1Yn
f(y1)=n!(1−1)!(n−1)![F(y1)]1−1[1−F(y1)]n−1f(y1)=n[1−y1+θ3θ]n−113θ=n1(3θ)n(2θ−y1)n−1
同样
f(yn)=n(yn+θ3θ)n−113θ=n1(3θ)n(yn+θ)n−1
接下来,我们展示和的pdf族的完整性f(y1)f(yn)
E[u(Y1)]=∫2θ−θu(y1)n1(3θ)n(2θ−y1)n−1dy1=0⇒∫2θ−θu(y1)(2θ−y1)dy1=0。通过(求积分),我们可以显示所有。FTCu(θ)=0θ>0
因此,pdf族已完成。Y1
同样,仍然通过,我们可以证明pdf族是完整的。FTCYn
现在的问题是,我们需要证明是无偏的。(n+1)θ^n
当θ^=−y1
E(−y1)=∫2θ−θ(−y1)n(3θ)n(2θ−y1)n−1dy1=1(3θ)n∫2θ−θy1d(2θ−y1)n
我们可以通过零件积分来求解积分
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
因此,当时,并非的无偏估计量(n+1)θ^nθθ^=−y1
当θ^=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
不过,当时,并不是的无偏估计量(n+1)θ^nθθ^=yn/2
但本书的答案是是一种独特的MVUE。我不明白为什么它是MVUE,如果它是一个有偏估计。(n+1)θ^n
或我的归类错误,请帮助我发现错误,我可以给您更详细的计算。
非常感谢你。