Preguntas etiquetadas con umvue

5
¿Por qué estamos usando una fórmula de desviación estándar sesgada y engañosa para
Me sorprendió un poco la primera vez que hice una simulación de Monte Carlo de distribución normal y descubrí que la media de 100100100 desviaciones estándar de 100100100 muestras, todas con un tamaño de muestra de solo n=2n=2n=2 , resultó ser mucho menor que, es decir, promediando 2π−−√2π \sqrt{\frac{2}{\pi }} …

2
El pdf de
Supongamos que X1,X2,...,XnX1,X2,...,XnX_1, X_2,...,X_n se iid de N(μ,σ2)N(μ,σ2)N(\mu,\sigma^2) con desconocido μ∈Rμ∈R\mu \in \mathcal Ry σ2>0σ2>0\sigma^2>0 Deje Z=X1−X¯S,Z=X1−X¯S,Z=\frac{X_1-\bar{X}}{S},S es la desviación estándar aquí. Se puede demostrar que ZZZ tiene el pdf de Lebesgue f(z)=n−−√Γ(n−12)π−−√(n−1)Γ(n−22)[1−nz2(n−1)2]n/2−2I(0,(n−1)/n√)(|Z|)f(z)=nΓ(n−12)π(n−1)Γ(n−22)[1−nz2(n−1)2]n/2−2I(0,(n−1)/n)(|Z|)f(z)=\frac{\sqrt{n} \Gamma\left(\frac{n-1}{2}\right)}{\sqrt{\pi}(n-1)\Gamma\left(\frac{n-2}{2}\right)}\left[1-\frac{nz^2}{(n-1)^2}\right]^{n/2-2}I_{(0,(n-1)/\sqrt{n})}(|Z|) Mi pregunta es, entonces, ¿cómo obtener este pdf? La pregunta es de aquí en el ejemplo …
15 self-study  umvue 


1
Sobre la existencia de UMVUE y la elección del estimador de
Let ser una muestra aleatoria extraída de N ( θ , θ 2 ) población donde θ ∈ R .(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n)N(θ,θ2)N(θ,θ2)\mathcal N(\theta,\theta^2)θ∈Rθ∈R\theta\in\mathbb R Estoy buscando el UMVUE de .θθ\theta La densidad conjunta de es(X1,X2,⋯,Xn)(X1,X2,⋯,Xn)(X_1,X_2,\cdots,X_n) fθ(x1,x2,⋯,xn)=∏i=1n1θ2π−−√exp[−12θ2(xi−θ)2]=1(θ2π−−√)nexp[−12θ2∑i=1n(xi−θ)2]=1(θ2π−−√)nexp[1θ∑i=1nxi−12θ2∑i=1nx2i−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈Rfθ(x1,x2,⋯,xn)=∏i=1n1θ2πexp⁡[−12θ2(xi−θ)2]=1(θ2π)nexp⁡[−12θ2∑i=1n(xi−θ)2]=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]=g(θ,T(x))h(x)∀(x1,⋯,xn)∈Rn,∀θ∈R\begin{align} f_{\theta}(x_1,x_2,\cdots,x_n)&=\prod_{i=1}^n\frac{1}{\theta\sqrt{2\pi}}\exp\left[-\frac{1}{2\theta^2}(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[-\frac{1}{2\theta^2}\sum_{i=1}^n(x_i-\theta)^2\right] \\&=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right] \\&=g(\theta,T(\mathbf x))h(\mathbf x)\qquad\forall\,(x_1,\cdots,x_n)\in\mathbb R^n\,,\forall\,\theta\in\mathbb R \end{align} , donde yh(x)=1.g(θ,T(x))=1(θ2π√)nexp[1θ∑ni=1xi−12θ2∑ni=1x2i−n2]g(θ,T(x))=1(θ2π)nexp⁡[1θ∑i=1nxi−12θ2∑i=1nxi2−n2]g(\theta, T(\mathbf x))=\frac{1}{(\theta\sqrt{2\pi})^n}\exp\left[\frac{1}{\theta}\sum_{i=1}^n x_i-\frac{1}{2\theta^2}\sum_{i=1}^nx_i^2-\frac{n}{2}\right]h(x)=1h(x)=1h(\mathbf …

1
Encuentra el MVUE único
Esta pregunta es de la Introducción a las estadísticas matemáticas de Robert Hogg, problema 7.4.9 de la sexta versión en la página 388. Deje ser iid con pdf cero en otro lugar, donde .X1,...,XnX1,...,XnX_1,...,X_nf(x;θ)=1/3θ,−θ<x<2θ,f(x;θ)=1/3θ,−θ<x<2θ,f(x;\theta)=1/3\theta,-\theta0 (a) Encuentre el mle deθ^θ^\hat{\theta}θθ\theta (b) ¿Es una estadística suficiente para ? Por qué ?θ^θ^\hat{\theta}θθ\theta (c) …

1
Encuentra UMVUE de
Dejar que X1,X2,...,XnX1,X2,...,XnX_1, X_2, . . . , X_n iid variables aleatorias que tienen pdf fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)fX(x∣θ)=θ(1+x)−(1+θ)I(0,∞)(x)f_X(x\mid\theta) =\theta(1 +x)^{−(1+\theta)}I_{(0,\infty)}(x) donde θ>0θ>0\theta >0 . Dar el UMVUE de 1θ1θ\frac{1}{\theta} y calcula su varianza He aprendido acerca de dos métodos para obtener UMVUE: Límite inferior Cramer-Rao (CRLB) Lehmann-Scheffe Thereom Voy a intentar esto …

2
Estadística completa para en una
Me gustaría saber si la estadística está completa para en una configuración .T(X1, ... ,Xnorte) =∑nortei = 1(Xyo-X¯norte)2n - 1T(X1,…,Xn)=∑i=1n(Xi−X¯n)2n−1T(X_1,\ldots,X_n)=\frac{\sum_{i=1}^n (X_i-\bar{X}_n)^2}{n-1}σ2σ2\sigma^2norte( μ ,σ2)N(μ,σ2)N(\mu,\sigma^2) ¿Depende esto de si se conoce previamente o no? Si está completo para , entonces por Lehmann-Scheffé es UMVUE . Pero si se conociera \ mu , …

2
Encuentre la distribución conjunta de y
Esta pregunta es de la Introducción a las estadísticas matemáticas de Robert Hogg, sexta versión, pregunta 7.6.7. El problema es : Deje que se tome una muestra aleatoria de tamaño de una distribución con el pdfnnnf(x;θ)=(1/θ)exp(−x/θ)I(0,∞)(x)f(x;θ)=(1/θ)exp⁡(−x/θ)I(0,∞)(x)f(x;\theta)=(1/\theta)\exp(-x/\theta)\mathbb{I}_{(0,\infty)}(x) Encuentre el MLE y el MVUE de .P(X≤2)P(X≤2)P(X \le 2) Sé cómo encontrar el …

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.