का UMVUE ढूंढें


10

चलो X1,X2,...,Xn यादृच्छिक होने के लिए पीडीएफ होने चर

fX(xθ)=θ(1+x)(1+θ)I(0,)(x)

कहाँ पे θ>0। का UMVUE दें1θ और इसके विचरण की गणना करें

मैंने UMVUE के लिए दो ऐसे तरीकों के बारे में सीखा है:

  • क्रामर-राव लोअर बाउंड (CRLB)
  • लेहमैन-शेफ़े थोम

मैं दोनों के पूर्व का उपयोग करके यह प्रयास करने जा रहा हूं। मुझे यह स्वीकार करना चाहिए कि मुझे पूरी तरह से समझ में नहीं आ रहा है कि यहाँ क्या हो रहा है, और मैं एक उदाहरण समस्या का समाधान करने का प्रयास कर रहा हूं। वह मेरे पास हैfX(xθ) एक पूर्ण एक-पैरामीटर घातीय परिवार है

h(x)=I(0,), c(θ)=θ, w(θ)=(1+θ), t(x)=log(1+x)

जबसे w(θ)=1 नॉनज़रो है Θ, CRLB परिणाम लागू होता है। हमारे पास है

log fX(xθ)=log(θ)(1+θ)log(1+x)

θlog fX(xθ)=1θlog(1+x)

2θ2log fX(xθ)=1θ2

इसलिए

I1(θ)=E(1θ2)=1θ2

और निष्पक्ष मूल्यांकनकर्ताओं के लिए CRLB τ(θ) है

[τ(θ)]2nI1(θ)=θ2n[τ(θ)]2

जबसे

i=1nt(Xi)=i=1nlog(1+Xi)

तब के किसी भी रैखिक समारोह i=1nlog(1+Xi), या समकक्ष, के किसी भी रैखिक समारोह 1ni=1nlog(1+Xi), अपनी अपेक्षा के CRLB को प्राप्त करेगा, और इस तरह इसकी उम्मीद का एक UMVUE होगा। जबसेE(log(1+X))=1θ हमारे पास वह UMVUE है 1θ है 1ni=1nlog(1+Xi)

एक प्राकृतिक पैरामीटर के लिए हम दे सकते हैं η=(1+θ)θ=(η+1)

फिर

Var(log(1+X))=ddη(1η+1)=1(η+1)2=1θ2

क्या यह एक वैध समाधान है? क्या अधिक सरल दृष्टिकोण है? क्या यह तरीका तभी काम करता है जबE(t(x)) बराबरी क्या आप अनुमान लगाने की कोशिश कर रहे हैं?


4
उस बिंदु पर जहां आपने दिखाया था कि पीडीएफ एक-पैरामीटर घातीय परिवार का सदस्य है, यह तुरंत स्पष्ट है कि परिवार के लिए एक पूर्ण पर्याप्त आंकड़ा है
T(X1,,Xn)=i=1nln(1+Xi)
चूंकि, आप कहते हैं, E(T/n)=1θ, T/n की UMVUE है 1/θलेहमैन-शेफ़े प्रमेय द्वारा।
स्टबबोर्नटॉम

इसलिए वह हिस्सा जहां मेरे पास "चूंकि" है w(θ)=1 नॉनवेज है .....θ2n[τ(θ)]2"अप्रासंगिक है?
रेमी

2
ज़रुरी नहीं; का विचरणTCRLB का उपयोग करना आसान है। इसलिए एक ही बार में दोनों प्रश्नों को हल करने के लिए, आपका तर्क पर्याप्त है।
स्टबबोर्नटॉम

इस तरह से विचरण खोजने के लिए, क्या मैं ले जाऊंगा θ2n[τ(θ)]2=θ2n(1θ2)2=1nθ2? इसलिए, मैंने पहले गलत तरीके से किया था?
रेमी

हाँ, यह का विचरण है T। यकीनन।
स्टबबोर्नटॉम

जवाबों:


8

आपका तर्क ज्यादातर सही है।

नमूने का संयुक्त घनत्व (X1,X2,,Xn) है

fθ(x1,x2,,xn)=θn(i=1n(1+xi))1+θ1x1,x2,,xn>0,θ>0lnfθ(x1,x2,,xn)=nln(θ)(1+θ)i=1nln(1+xi)+ln(1min1inxi>0)θlnfθ(x1,x2,,xn)=nθi=1nln(1+xi)=n(i=1nln(1+xi)n1θ)

इस प्रकार हमने फॉर्म में स्कोर फ़ंक्शन को व्यक्त किया है

(1)θlnfθ(x1,x2,,xn)=k(θ)(T(x1,x2,,xn)1θ)

, जो क्रामर-राव असमानता में समानता की स्थिति है।

यह सत्यापित करना मुश्किल नहीं है

(2)E(T)=1ni=1nE(ln(1+Xi))=1/θ=1θ

से (1) तथा (2) हम यह निष्कर्ष निकाल सकते हैं कि

  • आँकड़ा T(X1,X2,,Xn) का एक निष्पक्ष आकलनकर्ता है 1/θ
  • T क्रामर-राव असमानता की समानता की स्थिति को संतुष्ट करता है।

ये दोनों तथ्य एक साथ हैं T की UMVUE है 1/θ

दूसरी गोली वास्तव में हमें उस विचरण के बारे में बताती है T Cramér-Rao के लिए निम्न सीमा प्राप्त करता है 1/θ

वास्तव में, जैसा कि आपने दिखाया है,

Eθ[2θ2lnfθ(X1)]=1θ2

इसका मतलब है कि पूरे नमूने के लिए सूचना कार्य है

I(θ)=nEθ[2θ2lnfθ(X1)]=nθ2

इसलिए Cramér-Rao निम्न के लिए बाध्य है 1/θ और इसलिए UMVUE का विचरण होता है

Var(T)=[ddθ(1θ)]2I(θ)=1nθ2


यहाँ हमने Cramér-Rao असमानता का एक सहसंबद्ध शोषण किया है, जो कहता है कि वितरण के एक परिवार के लिए f द्वारा विमुग्ध कर दिया θ (धारण करने के लिए सीआर असमानता की नियमितता की स्थिति मानकर), यदि एक आंकड़ा T के लिए निष्पक्ष है g(θ) कुछ समारोह के लिए g और यदि यह सीआर असमानता, अर्थात् में समानता की स्थिति को संतुष्ट करता है

θlnfθ(x)=k(θ)(T(x)g(θ))
, फिर T का UMVUE होना चाहिए g(θ)। इसलिए यह तर्क हर समस्या में काम नहीं करता है।

वैकल्पिक रूप से, लेहमैन-शेफ़े प्रमेय का उपयोग करके आप यह कह सकते हैं T=1ni=1nln(1+Xi) की UMVUE है 1/θ क्योंकि यह निष्पक्ष है 1/θऔर वितरण के परिवार के लिए एक पूर्ण पर्याप्त आंकड़ा है। उसTप्रतिस्पर्धा पर्याप्त है एक-पैरामीटर घातीय परिवार के संदर्भ में नमूने के संयुक्त घनत्व की संरचना से स्पष्ट है। लेकिन का विचरणT सीधे खोजने के लिए थोड़ा मुश्किल हो सकता है।


एक भी वितरण का उपयोग कर सकता है Tइसका मतलब खोजने के लिए, विचरण।
स्टबबोर्नटॉम
हमारी साइट का प्रयोग करके, आप स्वीकार करते हैं कि आपने हमारी Cookie Policy और निजता नीति को पढ़ और समझा लिया है।
Licensed under cc by-sa 3.0 with attribution required.