Su razonamiento es mayormente correcto.
(X1,X2,…,Xn)
fθ(x1,x2,…,xn)⟹lnfθ(x1,x2,…,xn)⟹∂∂θlnfθ(x1,x2,…,xn)=θn(∏ni=1(1+xi))1+θ1x1,x2,…,xn>0,θ>0=nln(θ)−(1+θ)∑i=1nln(1+xi)+ln(1min1≤i≤nxi>0)=nθ−∑i=1nln(1+xi)=−n(∑ni=1ln(1+xi)n−1θ)
Por lo tanto, hemos expresado la función de puntuación en la forma
∂∂θlnfθ(x1,x2,…,xn)=k(θ)(T(x1,x2,…,xn)−1θ)(1)
, que es la condición de igualdad en la desigualdad Cramér-Rao.
No es difícil verificar queE(T)=1n∑i=1nE(ln(1+Xi))=1/θ=1θ(2)
De y podemos concluir que(1)(2)
- La estadística es un estimador imparcial de .T(X1,X2,…,Xn)1/θ
- T satisface la condición de igualdad de la desigualdad Cramér-Rao.
Estos dos hechos juntos implican que es el UMVUE de .T1/θ
La segunda viñeta en realidad nos dice que la varianza de alcanza el límite inferior de Cramér-Rao para .T1/θ
De hecho, como ha demostrado,
Eθ[∂2∂θ2lnfθ(X1)]=−1θ2
Esto implica que la función de información para toda la muestra esI(θ)=−nEθ[∂2∂θ2lnfθ(X1)]=nθ2
Entonces, el límite inferior de Cramér-Rao para y, por lo tanto, la varianza del UMVUE es1/θ
Var(T)=[ddθ(1θ)]2I(θ)=1nθ2
Aquí hemos explotado un corolario de la desigualdad de Cramér-Rao, que dice que para una familia de distribuciones parametrizadas por (suponiendo que se mantengan las condiciones de regularidad de la desigualdad CR), si una estadística es imparcial para para alguna función si cumple la condición de igualdad en la desigualdad CR, a saber, , entonces debe ser el UMVUE de . Entonces este argumento no funciona en todos los problemas.fθTg(θ)g∂∂θlnfθ(x)=k(θ)(T(x)−g(θ))
Tg(θ)
Alternativamente, usando el teorema de Lehmann-Scheffe, podría decir que es el UMVUE de ya que es imparcial para y es una estadística completa suficiente para la familia de distribuciones. Que es competitiva suficiente queda claro a partir de la estructura de la densidad conjunta de la muestra en términos de una familia exponencial de un parámetro. Pero la variación de podría ser un poco difícil de encontrar directamente.T=1n∑ni=1ln(1+Xi)1/θ1/θTT