我知道对于常规问题,如果我们有最佳的常规无偏估计量,则它必须是最大似然估计量(MLE)。但是总的来说,如果我们有一个无偏的MLE,那它也是最好的无偏估计量吗(或者,只要它具有最小的方差,也许我应该称其为UMVUE)?
我知道对于常规问题,如果我们有最佳的常规无偏估计量,则它必须是最大似然估计量(MLE)。但是总的来说,如果我们有一个无偏的MLE,那它也是最好的无偏估计量吗(或者,只要它具有最小的方差,也许我应该称其为UMVUE)?
Answers:
在我看来,这个问题并不是真正的连贯性,因为仅因为最大似然估计量是等变的,即不可能实现似然和无偏的最大化,即估计量的变换是参数变换的估计量,而无偏不属于非线性变换。因此,如果在所有可能的参数设置范围内考虑“几乎”,则最大似然估计器几乎永远不会保持公正。
然而,有一个更直接的问题的答案:考虑到正常方差的估计时,,的UMVUE σ 2是 σ 2 Ñ = 1 同时的MLEσ2是 σ 2 Ñ =1
如果我们有最佳的常规无偏估计量,则它必须是最大似然估计量(MLE)。
一般不成立。
还要注意,即使存在参数无偏估计量,也不一定有最佳无偏最小方差估计量(UNMVUE)。
但是总的来说,如果我们有一个无偏的MLE,那它也是最好的无偏估计量吗?
如果有足够完整的统计信息,则为是。
证明:
因此,只要存在完整的足够统计信息,无偏MLE就必然是最好的。
但是实际上,由于几乎没有完整的统计信息,因此几乎没有应用该结果的情况。这是因为(对于)仅存在MLE最常出现偏差的指数族(高斯的位置参数除外),存在完整的(基本上)统计信息。
因此,真正的答案实际上是“ 否”。