找到独特的MVUE


10

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)n1,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)ninI(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)ninI(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)θy1

对于(c):

首先,我们找到的CDFX

F(x)=θx13θdt=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!(11)!(n1)![F(y1)]11[1F(y1)]n1f(y1)=n[1y1+θ3θ]n113θ=n1(3θ)n(2θy1)n1

同样

f(yn)=n(yn+θ3θ)n113θ=n1(3θ)n(yn+θ)n1

接下来,我们展示和的pdf族的完整性f(y1)f(yn)

E[u(Y1)]=θ2θu(y1)n1(3θ)n(2θy1)n1dy1=0θ2θu(y1)(2θy1)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

θ^=y1

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

我们可以通过零件积分来求解积分

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

因此,当时,并非的无偏估计量(n+1)θ^nθθ^=y1

θ^=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

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。


我看不到分布的任何计算。θ^
ub

谢谢,。它或者或取决于哪一个更大。我计算了和的分布。您可以看到和文本中的。θ^=max(y1,yn/2)y1yn/2y1ynf(y1)=n1(3θ)n(2θy1)n1f(yn)=n1(3θ)n(yn+θ)n1
深北

从上述两个分布中,我计算出和然后计算出E(θ^)=E(Y1)E(θ^)=E(Yn/2)E(n+1nθ^)
深北地区

Answers:


6

应对极端情况需要小心,但这并不困难。在帖子中间附近发现的关键问题是

...我们需要证明是无偏的。n+1nθ^n

您之前获得的

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

尽管这看起来很混乱,但是当您考虑累积分布函数时计算就变得很基础。首先,请注意。令为该范围内的数字。根据定义,F0θ^θt

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

这是所有值都在和之间的机会。这些值限制了长度为的间隔。因为分布是均匀的,所以任何特定处于此间隔的概率与其长度成正比:nt2t3tyi

Pr(yi[t,2t])=3t3θ=tθ.

因为是独立的,所以这些概率相乘,得出yi

F(t)=(tθ)n.

通过使用变量在,的可能值的区间内对生存函数进行积分,可以立即找到期望值:1Fθ^[0,θ]y=t/θ

E(θ^)=0θ(1(tθ)n)dt=01(1yn)θdy=nn+1θ.

(在该式为期望是从通常的积分衍生通过分部积分法。细节在的结尾给出https://stats.stackexchange.com/a/105464。)

重新缩放可得出(n+1)/n

E(n+1nθ^)=θ,

QED


最后一个公式有一个错字,应该是而不是θ^θ^n
Deep North

@Deep,哦,当然!感谢您指出这一点。现在已修复。
whuber
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.