我在自学一些有趣的统计数据,并且对足够的统计数据有些困惑。我将以列表格式列出我的困惑:
如果分布具有参数,那么它将具有足够的统计量吗?
足够的统计量和参数之间是否存在某种直接对应关系?还是将足够的统计信息用作“信息”库,以便我们可以重新创建设置,以便可以为基础分布的参数计算相同的估计值。
所有发行版都有足够的统计信息吗?即。分解定理会失败吗?
使用我们的数据样本,我们假设数据最有可能来自该分布,然后可以为该分布的参数计算估计值(例如MLE)。足够的统计数据是一种能够对参数计算相同估计值而不必依赖数据本身的方法,对吗?
所有足够的统计信息集都会具有最小的统计信息吗?
这是我用来尝试理解主题的材料:https : //onlinecourses.science.psu.edu/stat414/node/283
据我了解,我们有一个分解定理,它将联合分布分解为两个函数,但是我不明白在将分布分解为函数后,我们如何能够提取足够的统计量。
本例中给出的泊松问题具有明确的因式分解,但随后指出,足够的统计量是样本均值和样本和。仅通过看第一个方程的形式,我们怎么知道这些才足够?
如果因式分解结果的第二个方程有时取决于数据值本身,那么如何使用足够的统计量进行相同的MLE估计呢?例如在泊松案例中,第二个函数取决于数据阶乘乘积的倒数,因此我们将不再拥有数据!
相对于网页上的Poisson示例,为什么样本量不够统计?我们将要求n重构第一个函数的某些部分,所以为什么它也不足够统计呢?