आपका तर्क ज्यादातर सही है।
नमूने का संयुक्त घनत्व (X1,X2,…,Xn) है
fθ(x1,x2,…,xn)⟹lnfθ(x1,x2,…,xn)⟹∂∂θlnfθ(x1,x2,…,xn)=θn(∏ni=1(1+xi))1+θ1x1,x2,…,xn>0,θ>0=nln(θ)−(1+θ)∑i=1nln(1+xi)+ln(1min1≤i≤nxi>0)=nθ−∑i=1nln(1+xi)=−n(∑ni=1ln(1+xi)n−1θ)
इस प्रकार हमने फॉर्म में स्कोर फ़ंक्शन को व्यक्त किया है
∂∂θlnfθ(x1,x2,…,xn)=k(θ)(T(x1,x2,…,xn)−1θ)(1)
, जो क्रामर-राव असमानता में समानता की स्थिति है।
यह सत्यापित करना मुश्किल नहीं है E(T)=1n∑i=1nE(ln(1+Xi))=1/θ=1θ(2)
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[∂2∂θ2lnfθ(X1)]=−1θ2
इसका मतलब है कि पूरे नमूने के लिए सूचना कार्य है I(θ)=−nEθ[∂2∂θ2lnfθ(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=1n∑ni=1ln(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।