上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第六章 点估计 §6.4 充分统计量

§6.4 充分统计量 我们先分析一下上节中导出的罗一克拉美不等式中等号 成立的充要条件(6.26)。 log f(; 日) =K(1-0) L1 a0 其中K不依赖于 51, 2 72 而可能依赖于θ。 对这等式两端求对的积分 log f(;) d0=A(0)n+B(0)+C(51, a 5 2 S 72

或者 1ogL=1ogΠf(x;)=A(⊙)y+B()+C(X1, i-1 X2,…,Xw) (6.43) 这里y=u(区1,X2,…,X)。由此得出,似然函数L (X1,X2,…,X)有形状 Le4(),+B(9)hX1,X2,…, (6.44)

这里h(X1,X2,…,X:)=eCW不依赖于, A(8)和B(8)只是日的函数,所以使罗一克拉美不等式中等 号成立的条件有下列两个: (1)似然还数L能分解成两个因子,即 L(8:X1,…,Xx)=gy;8)h(X1, X2,…,X然) (6.45) 其中第一个因子只依赖于y和B,第二个因子在y值已知时不 依赖于8; (2)第一个因子有指数型分布

A(),+B(8) g(y;0)=e (6.46) 满足条件(1)的统计量称为参数8的充分统计量.满足 条件(2)的门的分布为指数型分布。反过来,如果一个无偏估 计是充分的,且其分布为指数型,那么这个就是一个有效估 计。下面我们将分别研究充分统计量和指数型分布。 在引入充分统计量的概念以前,我们先说明了的直观含 义。 我们知道统计量是子样的函数,它把子样中所含的有关

所研究问题的信息集中起来作为我们进行统计推断的依据。 由于统计量有很多,那么怎样的统计量是最佳的呢?直观的 想法是,一方面要尽可能地简单,另一方面又要能提供子样 所含的“全部信息”。 怎样理解“全部信息”呢?在数理统计学中,子样1, 专2,一,专m给我们提供了母体的信息。如果母体的概 率函数依赖于参数日,子样当然也包含日的信息,但是依赖 于子样的统计量脚不一定包含日的全部信息。例如在一般 情形下,子样的联合概率还数(即似然还数)能分解成

L(8;x1,…,Xx)=gy:8)h(X1,X2,…,Xw) h(X1,X…,Xx;8)是条件门=y下的条件概率函数, 它一般是依赖于8的函数.如果8未知,hX1,X…,x;8) 也就不可能知道,这时统计量门并没有反映子样所含有的“全 部信息”,只有在不依赖于日时,统计量才反映了子样的“全 部信息”。正因为这一点,费歇命名这种反映“全部信息”的 统计量为充分统计量

例6.15(略) 从上面(6.44)式和例6.15看到,1门为8的一个充分统 计量,子样的联合概率函做L应该分解成两个因子,一个因 子与门的概率函数有关,它可以依赖于未知参数日,而另一 个因子应该是条件下子样51,与2,”,。 的条件 概率还数,它与8无关。由此我们引出充分统计量的定义

定义67设51,52,”5m是取自具有概率 函数fc,),日∈⊙的母体的一个容量为n的子样。设 门=以(51,2,”号)是一个统计量,有概率函数 gy,0。若 j,f(,9…fx,0=l818,) (6.47) g[u(1,…,x)]

成立,且每当u(1,…,Xx)取一固定值时,门y发 生条件下的条件概率函数h(X1,…,X:)不依赖于日,则 称门为8的一个充分估计量。 例6.16 设母体专有密度函数 ca=6w”,0<x<o,0eoo 0,其他 和5(1)<5(2)<<5(m)是取自这个母体的子样的 次序统计量

由第五章定理5.5系2知最小次序统计量5(1)的密度 函数为 ne-n-)e<y<oo g0y= 0,其他 于是 -∑x+e f:…f9_g 8- i-1 i-1 g0;) 2e-p) 2e*血若) ,(1<in) (6.48)
按次数下载不扣除下载券;
注册用户24小时内重复下载只扣除一次;
顺序:VIP每日次数-->可用次数-->下载券;
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第六章 点估计 §6.3 罗—克拉美不等式.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第六章 点估计 §6.2 极大似然估计.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第六章 点估计 §6.1 矩法估计.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第五章 数理统计的基本概念 §5.3 次序统计量及其分布.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第五章 数理统计的基本概念 §5.2 统计量及其分布.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第五章 数理统计的基本概念 §5.1 母体与子样、经验分布函数.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第四章 大数定律与中心极限定理 §4.3 中心极限定理.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第四章 大数定律与中心极限定理 §4.2 随机变量序列的两种收敛性.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第四章 大数定律与中心极限定理 §4.1 大数定理.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第三章 连续形型随机变量 §3.6 条件分布函数与条件期望、回归与第二类回归.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第三章 连续形型随机变量 §3.5 随机变量的数字特征、契贝晓夫有等式.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第三章 连续形型随机变量 §3.4 随机变量函数的分布.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第三章 连续形型随机变量 §3.3 多维随机变量及其分布.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第三章 连续形型随机变量 §3.2 连续型随机变量.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第三章 连续形型随机变量 §3.1 随机变量及分布函数.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第二章 离散型随机变量 § 2.6 条件分布与条件数学期望.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第二章 离散型随机变量 §2.5 方差的定义及性质.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第二章 离散型随机变量 § 2.4 数学期望的定义及性质.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第二章 离散型随机变量 § 2.3 随机变量函数的分布列.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第二章 离散型随机变量 § 2.2 多维随机变量,联合分布列和边际分布列.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第六章 点估计 §6.5 罗—勃拉克维尔定理和一致最小方差无偏估计.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第七章 假设检验 §7.1 假设检验的基本思想和概念.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第七章 假设检验 §7.2 参数假设检验.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第七章 假设检验 §7.3 正态母体参数的置信区间.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第七章 假设检验 §7.4 非参数假设检验.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第八章 方差分析和回归分析 §8.1 方差分析.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(PPT课件)第八章 方差分析和回归分析 §8.2 线性回归分析的数学模型.ppt
- 上饶师范学院:《概率论与数理统计》课程教学资源(学习指导)疑难分析与例题解析(主讲:李永明).doc
- 深圳大学:《数理方程与特殊函数》课程教学资源(教学大纲)Physical-Mathematical Equations and Special Functions.pdf
- 深圳大学:《数理方程与特殊函数》课程教学资源(参考资料)专业名词术语.pdf
- 南京大学:《概率论与数理统计 Probability and Statistics》课程教学资源(试卷习题)2016-2017学年第一学期(A卷).pdf
- 南京大学:《概率论与数理统计 Probability and Statistics》课程教学资源(试卷习题)2017-2018学年第一学期(A卷).pdf
- 南京大学:《计算方法 Numerical method》课程教学资源(课件讲稿)浮点数、求解方程的根(主讲:刘景铖).pdf
- 南京大学:《计算方法 Numerical method》课程教学资源(课件讲稿)牛顿法、插值.pdf
- 南京大学:《计算方法 Numerical method》课程教学资源(课件讲稿)Chebyshev多项式插值、函数逼近与正交多项式、最小二乘法与最佳平方逼近.pdf
- 南京大学:《计算方法 Numerical method》课程教学资源(课件讲稿)傅里页变换、三角插值.pdf
- 南京大学:《计算方法 Numerical method》课程教学资源(课件讲稿)解线性方程组的直接和迭代方法、条件数、算子范数(operator norm).pdf
- 南京大学:《计算方法 Numerical method》课程教学资源(课件讲稿)正定矩阵、Courant-Fischer特征值的min-max刻画、矩阵的多项式.pdf
- 南京大学:《计算方法 Numerical method》课程教学资源(课件讲稿)计算方法7.pdf
- 南京大学:《计算方法 Numerical method》课程教学资源(课件讲稿)计算方法8.pdf