Nierówność Craméra - Rao Niech X = (X 1,...,Xn) będzie próbą
Transkrypt
Nierówność Craméra - Rao Niech X = (X 1,...,Xn) będzie próbą
Nierówność Craméra - Rao Niech X = (X1 , . . . , Xn ) będzie próbą losową na przestrzeni X , zaś P = {Pθ , θ ∈ Θ} rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X . Definicja 1. Estymator T funkcji g(θ) nazywamy nieobciążonym, jeżeli ∀θ∈Θ Eθ T (X) = g(θ). Definicja 2. Nieobciążony estymator T funkcji g(θ) nazywamy estymatorem nieobciążonym o minimalnej wariancji (ENMW[g(θ)]), jeżeli dla każdego nieobciążonego estymatora S funkcji g(θ) zachodzi ∀θ∈Θ V arθ T (X) ≤ V arθ S(X). Definicja 3. Przestrzeń statystyczna (X , A, P) jest dominowana, jeżeli istnieje σskończona miara µ na (X , A) taka, że każda P ∈ P jest absolutnie ciągła względem µ (istnieje gęstość: dP ). dµ Przykłady: - rozkłady absolutnie ciągłe (µ - miara Lebesgue’a), - rozkłady dyskretne na przeliczalnej (lub skończonej) liczbie punktów (µ(A) = ]{xi ∈ A}, miara ’licząca’). Definicja 4. Niech Θ ⊂ R będzie przedziałem otwartym. Model statystyczny (X , A, P) jest regularny w sensie Craméra - Rao, jeżeli: (1) rodzina miar P = {Pθ , θ ∈ Θ} jest dominowana przez pewną miarę µ (skończoną), a gęstości fθ mają wspólny nośnik X (niezależny od θ). (2) istnieje pochodna ∂ f (x), ∂θ θ (3) można zamienić kolejność różniczkowania względem θ i całkowania względem x. (4) dla każdego θ ∈ Θ I(θ) = Eθ 2 ∂ ln fθ (X) ∈ (0, +∞). ∂θ Definicja 5. Informacją Fishera zmiennej losowej X nazywamy funkcję z punktu (4) warunków regularności w sensie Craméra - Rao. Definicja 6. Informacją Fishera próby losowej X1 , . . . , Xn nazywamy funkcję postaci 2 ∂ In (θ) = Eθ ln fθ (X1 , . . . , Xn ) ∈ (0, +∞). ∂θ 1 Fakt Niech X1 , . . . , Xn będzie próbą prostą z modelu regularnego. 2 ∂ (4) Jeżeli istnieje pochodna ∂θ 2 fθ (x) i można zamienić kolejności różniczkowania (drugiego rzędu) względem θ i całkowania względem x, to I(θ) = −Eθ ∂2 ln fθ (X), ∂θ2 (5) Jeżeli próba losowa jest prosta (X1 , . . . , Xn są iid), to In (θ) = nI(θ). Nierówność Craméra - Rao Niech X = (X1 , . . . , Xn ) bedzie próbą z modelu regularnego w sensie Craméra - Rao. Jeżeli T (X) funkcji g(θ), takim, że R jest nieobciążonym Restymatorem d d 0 g (θ) = dθ X T (x)fθ (x)µ(dx) = X dθ T (x)fθ (x)µ(dx), to ∀θ∈Θ V arθ T (X) ≥ [g 0 (θ)]2 . In (θ) Definicja 7. Efektywnością nieobciążonego estymatora T funkcji g(θ) nazywamy funkcję e(T ) = [g 0 (θ)]2 In (θ) V arθ T (X) = [g 0 (θ)]2 . V arθ T (X) · In (θ) Definicja 8. Estymator nieobciążony T funkcji g(θ) w modelu regularnym nazywany jest estymatorem efektywnym w sensie Craméra - Rao, jeżeli ∀θ∈Θ e(T ) = 1. UWAGI (1) Jeżeli estymator T jest efektywny, to jest też estymatorem ENMW[g(θ)]. (2) Mogą istnieć ENMW, które nie są efektywne. (3) Jeżeli model nie jest regularny, to mogą istnieć estymatory nieobciążone nadefektywne (superefektywne), tzn. takie, których wariancja jest mniejsza niż oszacowanie wynikające z nierówności Craméra - Rao. 2