Demostremos que puede haber un UMVUE que no es una estadística suficiente.
En primer lugar, si el estimador toma (digamos) el valor en todas las muestras, entonces claramente es un UMVUE de , que puede considerarse una función (constante) de . Por otro lado, este estimador claramente no es suficiente en general.T0T0θT
Es un poco más difícil encontrar un UMVUE del parámetro "completo" desconocido (en lugar de un UMVUE de una función del mismo) de modo que no sea suficiente para . Por ejemplo, supongamos que los "datos" son dados por un rv normal , donde es desconocido. Claramente, es suficiente y completo para . Sea si e si , y sea ; como de costumbre, denotamos por yYθYθX∼N(τ,1)τ∈RXτY=1X≥0Y=0X<0
θ:=EτY=Pτ(X≥0)=Φ(τ)Φφ, respectivamente, el cdf y el pdf de .
Entonces, el estimador es imparcial para y es una función de la estadística completa suficiente . Por lo tanto,
es un UMVUE de .N(0,1)
Yθ=Φ(τ)XYθ=Φ(τ)
Por otro lado, la función es continua y aumenta estrictamente en , de a . Entonces, la correspondencia es una biyección. Es decir, podemos volver a parametirizar el problema, de a , de manera individual . Por lo tanto, es un UMVUE de , no solo para el parámetro "antiguo" , sino también para el parámetro "nuevo" . Sin embargo, no es suficiente para y, por lo tanto, no es suficiente paraΦR01R∋τ=Φ−1(θ)↔θ=Φ(τ)∈(0,1)τθYθτθ∈(0,1)Yτθ . De hecho,
como ; aquí usamos la equivalencia asintótica conocida como , que sigue la regla l'Hospital. Entonces, depende de y, por lo tanto, de , lo que muestra que no es suficiente para (mientras que
Pτ(X<−1|Y=0)=Pτ(X<−1|X<0)=Pτ(X<−1)Pτ(X<0)=Φ(−τ−1)Φ(−τ)∼φ(−τ−1)/(τ+1)φ(−τ)/τ∼φ(−τ−1)φ(−τ)=e−τ−1/2
τ→∞Φ(−τ)∼φ(−τ)/ττ→∞Pτ(X<−1|Y=0)τθYθY es un UMVUE para ).
θ