几何均值是哪个连续分布的均值的无偏估计量?


11

是否存在任何可以用封闭形式表示的连续分布,其均值使得样本的几何均值是该均值的无偏估计量?

更新:我只是意识到我的样本必须是正数(否则几何平均值可能不存在),因此连续不是正确的词。对于随机变量的负值零为正值连续的分布怎么样。类似于截断的分布。


2
在具有严格正样本空间的情况下,分布可以是连续的(例如,伽玛分布)。
gammer'4

1
您是否还表示一个示例,其中样本的几何平均值是第一时刻的无偏估计量?我只见过定义离散数据集的几何平均值,并且不确定如何为连续分布定义“真实”(即总体水平)几何平均值...也许?exp(E(log(X)))
gammer'4

它适用于对数正态分布。
Michael R. Chernick

如果随机变量几乎肯定地X等于某个正标量常数则它成立。并非如此。c
马修·冈恩

Answers:


19

我相信您在问rv 的分布是什么(如果有),X这样,如果我们从该分布中得到一个大小为的iid样本n>1,它将保持

E[GM]=E[(i=1nXi)1/n]=E(X)

由于iid假设,我们有

E[(i=1nXi)1/n]=E(X11/n...Xn1/n)=E(X11/n)...E(Xn1/n)=[E(X1/n)]n

所以我们问我们是否可以拥有

[E(X1/n)]n=E(X)

但是根据詹森的不等式,以及对于幂高于一的幂,幂函数严格地凸的事实,我们几乎可以肯定地是,对于一个非退化(非恒定)随机变量,

[E(X1/n)]n<E[(X1/n)]n=E(X)

因此不存在这种分布。

关于评论中的对数正态分布,可以认为,来自对数正态分布的样本的几何平均值()是中位数的有偏但渐近一致的估计量。这是因为,对于对数正态分布,它认为GM

E(Xs)=exp{sμ+s2σ22}

(其中,σ是基础法线的参数,而不是对数正态的均值和方差)。μσ

在我们的例子中,所以我们得到s=1/n

E(GM)=[E(X1/n)]n=[exp{(μ/n)+σ22n2}]n=exp{μ+σ22n}

(这告诉我们这是中位数的有偏估计)。但

lim[E(X1/n)]n=limexp{μ+σ22n}=eμ

这是分布的中位数。还可以证明样本几何平均值的方差收敛到零,并且这两个条件足以使该估计量渐近一致-对于中位数,

GMpeμ

也许应该补充一点,仅当为常数时,应用严格凸函数的Jensen不等式才是等式。X
奥利维尔

@Olivier:我认为这是一个众所周知的属性,可能只是添加一些杂乱的属性而已。在任何情况下,Jensen不等式是不是真的甚至必要的,因为在考虑的情况下已经足够加上事实V - [R X = 0意味着X = 0通过一个甚至更基本论点几乎肯定。n=2Var(X)=0X=0
红衣主教

4

这与Alecos的出色答案类似,因为算术平均数,几何平均数不等式是Jensen不等式的结果。

  • 为算术平均值:A n = 1一种ñ一种ñ=1个ñ一世=1个ñX一世

  • 为几何平均值:G n = i = 1 X i 1GnGn=(i=1Xi)1n

算术平均值,几何平均值不等式指出平等当且仅当每个观测等于:X 1 = X 2 = ... = X Ñ。(AMGM不等式是Jensen不等式的结果。)AnGnX1=X2==Xn

情况1:几乎可以肯定地X1=X2==Xn

那么E[Gn]=E[An]=E[X]

从某种意义上说,这是一个完全退化的情况。

P(XiXj)>0iĴ

GñAñË[一种ñ]=Ë[X]Ë[Gñ]<Ë[X]

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.