无偏最大似然估计器是否始终是最佳无偏估计器?


22

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)?


3
有趣的问题。MLE是足够统计量的函数,并且可以通过对完整且足够的统计量进行调节来获得UMVUE。因此,如果MLE是无偏的(并且是充分统计量的函数),则它没有最小方差的唯一可能方法是充分统计量不完整。我试图找到一个例子,但是没有成功。
Greenparker

2
这里是关于充分和完整的统计数据的一些简要信息。
理查德·哈迪

10
真正的问题是更多的MLE很少偏见:如果是的无偏估计和的MLE,是的MLE但偏向于大多数双射变换。θ θ ˚F θ˚F θ ˚Fθθθf(θ^)f(θ)f
西安

1
这相关吗?印度赖布尔的Vyas Dubey Pt.Ravishankar Shukla大学,“人口均值的几乎无偏估计”

2
西安评论+1。最佳估计量意味着方差最小,无偏则意味着其他。因此,我不确定您是否可以尝试证明这一点,因为一个与另一个无关。但是,在我开始自己的推导之前,我想在(尝试)证明中付出一些认真的努力。我要说的是,即使是第一个陈述的证明(对于某些情况,MLE也是最佳的)也不是小事。
天使

Answers:


13

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 2σ 2 Ñ = 1σ2σ2 同时的MLEσ2 σ 2 Ñ =1

σ^n2=1n1i=1n{xix¯n}2
σ2 人体工程学,它们是不同的。这意味着
σˇñ2=1个ñ一世=1个ñ{X一世-X¯ñ}2

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)。θ


那么我们可以说无偏MLE是(U)MVUE,但不是每个(U)MVUE都是MLE吗?
Sextus Empiricus

2
不,我们没有理由相信总体上是正确的。
西安

13

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

证明:

  • Lehmann-Scheffé定理依赖于完整充分统计量的任何无偏估计量都是最佳的(UMVUE)。
  • MLE是任何足够统计信息的函数。见4.2.3 此处 ;

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”

pθX=pX-θpŤ[Rp-Ť=pŤñ

  • MLE是公正的
  • 它由另一个称为Pitman的等方估计量的无偏估计量控制

p


为什么投票率最高?我觉得这个答案比西安的要好。
Red Floyd

0

MLE的渐近方差为UMVUE,即达到cramer rao下界,但有限方差可能不是UMVUE,以确保估计量为UMVUE,它应足够,完整,统计量或该统计量的任何函数。


0

简而言之,如果没有偏见且具有完整且充分的统计功能,则估计器为UMVUE。(请参阅Rao-Blackwell和Scheffe)


这意味着这仅限于指数族。
西安
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.