umvue पर टैग किए गए जवाब

5
क्यों हम एक सामान्य वितरण के के लिए एक पक्षपाती और भ्रामक मानक विचलन सूत्र का उपयोग कर रहे हैं ?
यह एक सदमे का एक सा के रूप में मेरे लिए पहली बार मैं एक सामान्य वितरण मोंटे कार्लो सिमुलेशन किया था और पता चला कि का मतलब आया से मानक विचलन नमूने, सब केवल का एक नमूना आकार होने , बहुत कम साबित हुई की तुलना में, औसत, बार, …

2
की पीडीएफ
मान लीजिए कि से अज्ञात औरX1,X2,...,XnX1,X2,...,XnX_1, X_2,...,X_nN(μ,σ2)N(μ,σ2)N(\mu,\sigma^2)μ∈Rμ∈R\mu \in \mathcal Rσ2>0σ2>0\sigma^2>0 चलो एस मानक विचलन यहाँ है।Z=X1−X¯S,Z=X1−X¯S,Z=\frac{X_1-\bar{X}}{S}, यह दिखाया जा सकता है कि ZZZ में Lebesgue pdf है f(z)=n−−√Γ(n−12)π−−√(n−1)Γ(n−22)[1−nz2(n−1)2]n/2−2I(0,(n−1)/n√)(|Z|)f(z)=nΓ(n−12)π(n−1)Γ(n−22)[1−nz2(n−1)2]n/2−2I(0,(n−1)/n)(|Z|)f(z)=\frac{\sqrt{n} \Gamma\left(\frac{n-1}{2}\right)}{\sqrt{\pi}(n-1)\Gamma\left(\frac{n-2}{2}\right)}\left[1-\frac{nz^2}{(n-1)^2}\right]^{n/2-2}I_{(0,(n-1)/\sqrt{n})}(|Z|) मेरा सवाल यह है कि इस pdf को कैसे प्राप्त करें? सवाल से है यहाँ की UMVUE खोजने के लिए उदाहरण …
15 self-study  umvue 

2
मुझे कैसे पता चलेगा कि पैरामीटर आकलन की कौन सी विधि का चयन करना है?
वहाँ पैरामीटर अनुमान के लिए काफी कुछ तरीके हैं। MLE, UMVUE, MoM, निर्णय-सिद्धांतवादी, और अन्य सभी को ऐसा लगता है कि उनके पास पैरामीटर अनुमान के लिए उपयोगी होने के कारण काफी तार्किक मामला है। क्या कोई एक विधि दूसरों की तुलना में बेहतर है, या यह सिर्फ एक मामला …

1
UMVUE के अस्तित्व पर और mathta के अनुमान के विकल्प में जनसंख्या
आज्ञा देना जनसंख्या से लिया गया एक यादृच्छिक नमूना है जहाँ ।(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R मैं Theta के UMVUE की तलाश कर रहा हूं ।θθ\theta का संयुक्त घनत्व है(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) fθ(x1,x2,⋯,xn)=∏i=1n1θ2π−−√exp[−12θ2(xi−θ)2]=1(θ2π−−√)nexp[−12θ2∑i=1n(xi−θ)2]=1(θ2π−−√)nexp[1θ∑i=1nxi−12θ2∑i=1nx2i−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈Rfθ(x1,x2,⋯,xn)=∏i=1n1θ2πexp⁡[−12θ2(xi−θ)2]=1(θ2π)nexp⁡[−12θ2∑i=1n(xi−θ)2]=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈R\begin{align} f_{\theta}(x_1,x_2,\cdots,x_n)&=\prod_{i=1}^n\frac{1}{\theta\sqrt{2\pi}}\exp\left[-\frac{1}{2\theta^2}(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[-\frac{1}{2\theta^2}\sum_{i=1}^n(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right] \\&=g(\theta,T(\mathbf x))h(\mathbf x)\qquad\forall\,(x_1,\cdots,x_n)\in\mathbb R^n\,,\forall\,\theta\in\mathbb R \end{align} , जहां और ।ज(x)=१g(θ,T(x))=1(θ2π√)nexp[1θ∑ni=1xi−12θ2∑ni=1x2i−n2]g(θ,T(x))=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]g(\theta, T(\mathbf x))=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right]h(x)=1h(x)=1h(\mathbf x)=1 इधर, पर निर्भर …

1
अद्वितीय MVUE ढूंढें
यह प्रश्न रॉबर्ट हॉग के परिचय से गणितीय सांख्यिकी के 6 वें संस्करण की समस्या 7.4.9 पेज 388 पर है। चलो आईआईडी साथ पीडीएफ हो शून्य कहीं और है, जहां ।X1,...,XnX1,...,XnX_1,...,X_nf(x;θ)=1/3θ,−θ<x<2θ,f(x;θ)=1/3θ,−θ<x<2θ,f(x;\theta)=1/3\theta,-\theta0 (क) MLE खोजें कीθ^θ^\hat{\theta}θθ\theta (ख) है एक के लिए पर्याप्त आंकड़े ? क्यों ?θ^θ^\hat{\theta}θθ\theta (c) है अद्वितीय एमवीयू ऑफ …

1
का UMVUE ढूंढें
चलो X1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n यादृच्छिक होने के लिए पीडीएफ होने चर fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) कहाँ पे θ>0θ>0\theta >0। का UMVUE दें1θ1θ\frac{1}{\theta} 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 …
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.