Estadística completa para en una


9

Me gustaría saber si la estadística está completa para en una configuración .

T(X1,,Xn)=i=1n(XiX¯n)2n1
σ2N(μ,σ2)

¿Depende esto de si se conoce previamente o no? Si está completo para , entonces por Lehmann-Scheffé es UMVUE . Pero si se conociera \ mu , podríamos haber considerado W (X_1, \ ldots, X_n) = \ frac {\ sum_ {i = 1} ^ n (X_i- \ mu) ^ 2} {n}, cuya varianza es igual a Cramer-Rao enlaza 2 \ sigma ^ 4 / n , y es estrictamente menor que 2 \ sigma ^ 4 / (n-1) = \ text {Var} [T] , por lo que T no puede ser UMVUE.μTσ2μ

W(X1,,Xn)=i=1n(Xiμ)2n,
2σ4/n2σ4/(n1)=Var[T]T

Tal vez estarías de acuerdo conmigo en que T no es imparcial cuando se conoce mu.
Michael R. Chernick

1
@MichaelChernick ¿No tienes en general que ? E[T]=σ2
user39756

Lo siento, tienes razón. T tiene el promedio de muestra utilizado en la fórmula. Estaba pensando en W.
Michael R. Chernick

1
Sugerencia : ¿Ha verificado si es suficiente en el caso de que se conozca ? Tμ
cardenal

Respuestas:


4

Creo que resolví mi propia pregunta. Comentarios sobre esta respuesta y nuevas respuestas son bienvenidas.

Si son observaciones en una población y es desconocido , entonces (esto muestra que la familia normal es una familia exponencial) Como la imagen del mapa contiene un conjunto abierto de , según un teorema (por ejemplo, consulte la página 6 aquí ), la estadísticax1,,xnN(μ,σ2)μ

F(X1,...,XnorteEl |μ,σ2)=(12πσ2)nortemi-norteμ22σ2miμσ2yo=1norteXyo-12σ2yo=1norteXyo2
(μ,σ2)R×R+(μσ2,-12σ2)
R2U=(yo=1norteXyo,yo=1norteXyo2)es suficiente y completo para . Como es una función de y está centrado para , por Lehmann-Scheffé es UMVUE para .(μ,σ2)TUσ2Tσ2

Ahora, si se conoce , ya no pertenece al espacio paramétrico, por lo tanto, la función de densidad "nueva" es (tenemos una nueva familia exponencial). Como la imagen del mapa contiene un subconjunto abierto de , nuestra estadística es suficiente y completa para . Como además está centrado, es UMVUE para por Lehmann-Scheffé.μ=μ0 0μ

F(X1,...,XnorteEl |σ2)=(12πσ2)nortemi-12σ2yo=1norte(Xyo-μ0 0)2
σ2R+-12σ2
RWσ2Wσ2

0

En su estadística , se usa como la estimación de . Si conoce el verdadero valor de , entonces es preferible el estimador de la varianza . es imparcial y tiene una varianza menor que . Así, en el entorno en el que es conocido, el uso .T(X1,...,Xnorte)X¯μμW(X1,...,Xnorte)WTμW


Sé que es preferible, pero me gustaría entender por qué no está completo cuando se conoce . WTμ
user39756

1
He estado buscando en la red refrescando mi memoria en el Teorema de Lehmann-Scheffe y Rao-Blackwell. Estoy de acuerdo con el OP en que la respuesta podría ser que T no es una estadística completa suficiente cuando se conoce mu. Creo que puede ser que el espacio del parámetro cambie.
Michael R. Chernick
Al usar nuestro sitio, usted reconoce que ha leído y comprende nuestra Política de Cookies y Política de Privacidad.
Licensed under cc by-sa 3.0 with attribution required.