首页 理论教育 点估计与有效估计量、最佳估计量、一致估计量的关系

点估计与有效估计量、最佳估计量、一致估计量的关系

时间:2023-07-07 理论教育 版权反馈
【摘要】:如果和是θ的两个无偏估计量,且的方差小于等于的方差,那么为有效估计量,或者说比更有效。若在θ的所有无偏估计量,我们能够找到一个具有最小方差的估计量,则称为θ的最佳估计量。如果估计量是诸样本观测值的一个线性函数,则称为θ的线性估计量。如果当样本容量趋向无穷时,估计量趋向于θ的真值,则称为θ的一致估计量。上式通常用概率极限符号表示为一个估计量是一致估计量的充分条件是且

点估计与有效估计量、最佳估计量、一致估计量的关系

设X为一随机变量,其概率密度函数为f(x,θ),其中θ为该分布的参数(为了简化,假定仅有一个未知参数)。假定已知概率密度函数的形式,即知道理论PDF,如是正态分布,但不知道θ的值。为估计θ的值,从这一已知的分布中抽取一个容量为n的随机样本,然后导出样本值的一个函数(公式):

我们可以用该公式提供θ的真值的估计值。称为总体参数θ的估计量(estimator),该估计量所取的一个具体值称为θ的一个估计值(estimate)。显然,是一个随机变量,因为它是样本数据的函数。

统计性质:

估计量的统计性质可分为两类:小样本性质和大样本性质(渐近性质)。

(1)小样本性质。

①无偏性。如果估计量的期望值等于θ的真值,即

为θ的无偏估计量;反之,则估计量是有偏估计量。

②有效性。如果是θ的两个无偏估计量,且方差小于等于的方差,那么为有效估计量,或者说更有效。

若在θ的所有无偏估计量,我们能够找到一个具有最小方差的估计量,则称为θ的最佳估计量。

③最佳线性无偏性。如果估计量是诸样本观测值的一个线性函数,则称为θ的线性估计量。

如果是线性的、无偏的,并且它在θ的所有线性无偏估计量中具有最小方差,则称为θ的最佳线性无偏估计量(the best linear unbiased estimator,BLUE)。(www.xing528.com)

(2)大样本性质。

往往在小样本的情况下,一个估计量不满足某些小样本性质,但随着样本容量无限增大,该估计量就具有一些令人满意的统计性质,这些性质称为大样本性质或渐近性质。

①渐近无偏性。若对于估计量,有

称为θ的渐近无偏估计量,其中N为样本容量。也就是说,当样本容量趋向于∞时,若参数θ的一个估计量的期望值趋向于θ的真值,则称为θ的渐近无偏估计量。

②一致性。如果当样本容量趋向无穷时,估计量趋向于θ的真值,则称为θ的一致估计量。

定义 如果

式中,P为概率,则称为θ的一致估计量。

上式通常用概率极限符号表示为

一个估计量是一致估计量的充分条件

免责声明:以上内容源自网络,版权归原作者所有,如有侵犯您的原创版权请告知,我们将尽快删除相关内容。

我要反馈