Własności estymatorów Niech X = (X 1,...,Xn) będzie próbą losową
Transkrypt
Własności estymatorów Niech X = (X 1,...,Xn) będzie próbą losową
Własności estymatorów Niech X = (X1 , . . . , Xn ) będzie próbą losową na przestrzeni próbkowej X n , zaś {Pθ : θ ∈ Θ} będzie rodziną rozkładów prawdopodobieństwa na X n . Definicja 1. Estymator ĝ(X) wielkości g(θ) jest nieobciążony, jeżeli dla każdego θ ∈ Θ Eθ ĝ(X) = g(θ). Definicja 2. Jeżeli statystyka ĝ(X) jest estymatorem g(θ), to wielkość b(θ) = Eθ (ĝ(X) − g(θ)), θ∈Θ nazywamy obciążeniem tego estymatora. Definicja 3. Ryzykiem średniokwadratowym estymatora ĝ(X) wielkości g(θ) nazywamy funkcję postaci R(θ) = Eθ (ĝ(X) − g(θ))2 , θ ∈ Θ. Fakt 1. R(θ) = V arθ ĝ(X) + b(θ)2 . Fakt 2. Jeżeli estymator ĝ(X) wielkości g(θ) jest nieobciążony, to R(θ) = V arθ ĝ(X). Definicja 4. Mówimy, że estymator g1 (X) jest lepszy niż g2 (X), jeżeli dla każdego θ ∈ Θ R1 (θ) ≤ R2 (θ) i dla pewnego θ ∈ Θ mamy R1 (θ) < R2 (θ). Definicja 5. Estymator ĝ(X) wielkości g(θ) jest zgodny, jeżeli ĝ(X) −→Pθ g(θ), ∀θ∈Θ n → ∞, czyli dla każdego θ ∈ Θ mamy n→∞ ∀>0 Pθ (|ĝ(X) − g(θ)| ≥ ) −→ 0 . Definicja 6. Estymator ĝ(X) wielkości g(θ) jest mocno zgodny, jeżeli ∀θ∈Θ ĝ(X) −→p.w. g(θ), n → ∞, czyli dla każdego θ ∈ Θ mamy Pθ lim ĝ(X) = g(θ) = 1. n→∞ Twierdzenie (Mocne Prawo Wielkich Liczb). Niech X1 , X2 , . . . będzie ciągiem parami niezależnych zmiennych losowych o jednakowym rozkładzie. Jeżeli E|X1 | < ∞, to X1 + . . . + Xn n→∞ −→ EX1 , P -prawie wszędzie. n