Es bien sabido (o fácilmente probado) que el cuadrático tiene un extremo en z = - βα z2+ 2 βz+ γ . Esto muestra que, para cualquiernnúmeros realesx1,x2,...,xn, la cantidad
G(a)= n ∑ i=1(xi-a)2=( n ∑ i = 1 x 2 i )-2a( n ∑ i = 1 xi)+nz= - βαnorteX1, x2, ... , xnorte
tiene un valor mínimo cuando
a = 1
G ( a ) = ∑i = 1norte( xyo- a )2= ( ∑i = 1norteX2yo) -2a ( ∑i = 1norteXyo) +n a2,
.
a = 1norte∑i = 1norteXyo= x¯
Ahora, suponga que es una muestra de tamaño n de una distribución con media desconocida μ y varianza desconocida σ 2 . Podemos estimar μ como 1Xyonorteμσ2μ que es bastante fácil de calcular, pero un intento de estimarσ2
como11n∑ni=1xi=x¯σ21n∑ni=1(xi−μ)2=n−1G(μ)μG(x¯)G(μ)≥G(x¯)G(μ)G(μ)G(x¯)nn−1
G(μ)≈nn−1G(x¯)(1)
n−1G(μ)=1n∑i=1n(xi−μ)21n−1G(x¯)=1n−1∑i=1n(xi−x¯)2.
(1)
G(μ)=∑i=1n(xi−μ)2=∑i=1n(xi−x¯+x¯−μ)2=∑i=1n((xi−x¯)2+(x¯−μ)2+2(xi−x¯)(x¯−μ))=G(x¯)+n(x¯−μ)2+(x¯−μ)∑i=1n(xi−x¯)=G(x¯)+n(x¯−μ)2(2)
∑ni=1(xi−x¯)=nx¯−nx¯=0n(x¯−μ)2=n1n2(∑i=1n(xi−μ))2=1n∑i=1n(xi−μ)2+2n∑i=1n∑j=i+1n(xi−μ)(xj−μ)=1nG(μ)+2n∑i=1n∑j=i+1n(xi−μ)(xj−μ)(3)
xiμμ(xi−μ)(xj−μ)(3)1nG(μ)(3)(2)G(μ)≈G(x¯)+1nG(μ)⟹G(μ)≈nn−1G(x¯)
(1)