Temukan MVUE yang unik

10

Pertanyaan ini dari Pengantar Robert Hogg untuk Statistik Matematika 6 Versi masalah 7.4.9 di halaman 388.

Biarkan menjadi iid dengan pdf nol di tempat lain, di mana .X1,...,Xnf(x;θ)=1/3θ,θ<x<2θ,θ>0

(a) Temukan mle dariθ^θ

(B) Apakah statistik yang cukup untuk ? Mengapaθ^θ

(c) Apakah MVUE unik dari ? Mengapa(n+1)θ^/nθ

Saya pikir saya bisa menyelesaikan (a) dan (b), tetapi saya bingung dengan (c).

Untuk sebuah):

Biarkan menjadi statistik pesanan.Y1<Y2<...Yn

L(θ;x)=13θ×13θ×...×13θ=1(3θ)n ketika dan ; di tempat lainθ<y1yn<2θL(θ;x)=0

dL(θ;x)dθ=n(3θ)n1 , karena , kita dapat melihat turunan ini negatif,θ>0

jadi kemungkinan fungsi menurun.L(θ;x)

Dari dan , dan (θ<y1yn<2θ) (θ>y1θ>yn/2),θ>max(y1,yn/2)

θ θ > m a x ( - y 1 , y n / 2 ) θ = m a x ( - y 1 , y n / 2 )L(θ,x) menurun, jadi ketika memiliki nilai samllest, fungsi likelihood akan mencapai maksimum, karena , ketika , fungsi kemungkinan akan mencapai nilai maksimum.θθ>max(y1,yn/2)θ=max(y1,yn/2)

q = m a x ( - y 1 , y n / 2 ) mleθ^=max(y1,yn/2)

Untuk (b):

f(x1;θ)f(x2;θ)...f(xn;θ)=1(3θ)ninI(θ<xi<2θ)=1(3θ)nI(max(xi)<2θ)×1

y n = m a x ( x i ) θ y n / 2 Oleh Dengan faktorisasi Neyman, adalah statistik yang cukup untuk . Oleh karena itu, juga merupakan yang cukupyn=max(xi)θyn/2

Selalu sama,

f(x1;θ)f(x2;θ)...f(xn;θ)=1(3θ)ninI(θ<xi<2θ)=1(3θ)nI(min(xi)>θ)×1

y 1 = m i n ( x i ) θ - y 1 Oleh Dengan faktorisasi Neyman, adalah statistik yang cukup untuk . Karenanya, juga merupakan - yang cukup.y1=min(xi)θy1

Untuk (c):

Pertama, kami menemukan CDFX

F(x)=θx13θdt=x+θ3θ,θ<x<2θ

Selanjutnya, kita dapat menemukan pdf untuk dan dari rumus buku untuk statistik pesanan.Y nY1Yn

f(y1)=n!(11)!(n1)![F(y1)]11[1F(y1)]n1f(y1)=n[1y1+θ3θ]n113θ=n1(3θ)n(2θy1)n1

Selalu sama,

f(yn)=n(yn+θ3θ)n113θ=n1(3θ)n(yn+θ)n1

Selanjutnya, kami menunjukkan kelengkapan keluarga pdf untuk danf ( y n )f(y1)f(yn)

FTCu(θ)=0θ>0E[u(Y1)]=θ2θu(y1)n1(3θ)n(2θy1)n1dy1=0θ2θu(y1)(2θy1)dy1=0 . Dengan (turunkan integral) kita dapat menunjukkan untuk semua .FTCu(θ)=0θ>0

Karenanya, keluarga pdf lengkap ..Y1

Samely, masih oleh , kami dapat menunjukkan bahwa keluarga pdf sudah lengkap.Y nFTCYn

Masalahnya sekarang kita perlu menunjukkan bahwa tidak bias.(n+1)θ^n

Whenθ^=y1

E(y1)=θ2θ(y1)n(3θ)n(2θy1)n1dy1=1(3θ)nθ2θy1d(2θy1)n

Kita dapat memecahkan integral dengan mengintegrasikan bagian-bagian

E(y1)=1(3θ)n[y1(2θy1)nθ2θθ2θ(2θy1)ndy1]=1(3θ)n[θ(3θ)n(3θ)n+1n+1]=θ3θn+1=(n2)θn+1

E((n+1)θ^n)=n+1nE(y1)=n+1n(n2)θn+1=n2nθ

Karenanya, bukan penaksir yang tidak bias dari ketika q q =-y1(n+1)θ^nθθ^=y1

Whenθ^=yn/2

E(Yn)=θ2θynn(3θ)n(yn+θ)n1dyn=1(3θ)nθ2θynd(yn+θ)n=1(3θ)n[yn(yn+θ)nθ2θθ2θ(yn+θ)ndyn]=1(3θ)n[2θ(3θ)(3θ)n+1n+1]=2θ3θn+1=2n1n+1θ

E((n+1)θ^n)=n+1nE(Yn/2)=n+12nE(Yn)=n+12n2n1n+1θ=2n12nθ

Namun, bukan merupakan penaksir yang tidak bias dari ketika q q =yn/2(n+1)θ^nθθ^=yn/2

Tetapi jawaban buku itu adalah adalah MVUE yang unik. Saya tidak mengerti mengapa itu adalah MVUE jika merupakan estimator yang bias.(n+1)θ^n

Atau perhitungan saya salah, tolong bantu saya untuk menemukan kesalahan, saya bisa memberi Anda perhitungan yang lebih rinci.

Terima kasih banyak.

Jauh di Utara
sumber
Saya tidak melihat perhitungan distribusi . θ^
whuber
Terima kasih, whuber, . Entah atau tergantung mana yang lebih besar. Saya menghitung distribusi untuk dan . Anda dapat melihat dan dalam teks. - y 1 y n / 2 y 1 y n f ( y 1 ) = n 1θ^=max(y1,yn/2)y1yn/2y1ynf(yn)=n1f(y1)=n1(3θ)n(2θy1)n1f(yn)=n1(3θ)n(yn+θ)n1
Deep North
Dan dari dua distribusi di atas, saya menghitung dan laluE ( θ ) = E ( Y n / 2 ) E ( n + 1E(θ^)=E(Y1)E(θ^)=E(Yn/2)E(n+1nθ^)
Deep North

Jawaban:

6

Bekerja dengan ekstrema membutuhkan perawatan, tetapi tidak harus sulit. Pertanyaan krusial, ditemukan di dekat tengah pos, adalah

... kita perlu menunjukkan bahwa tidak bias.n+1nθ^n

Sebelumnya kamu memperoleh

θ^=max(y1,yn/2)=max{min{yi},max{yi}/2}.

Meskipun yang terlihat berantakan, perhitungan menjadi dasar ketika Anda mempertimbangkan kumulatif fungsi distribusi . Untuk memulai dengan ini, perhatikan bahwa . Biarkan menjadi angka dalam rentang ini. Menurut definisi,0 qq tF0θ^θt

F(t)=Pr(θ^t)=Pr(y1<t and yn/2t)=Pr(ty1y2yn2t).

Ini adalah kesempatan bahwa semua nilai terletak di antara dan . Nilai-nilai tersebut mengikat interval panjang . Karena distribusinya seragam, probabilitas bahwa setiap spesifik terletak pada interval ini sebanding dengan panjangnya:- t 2 t 3 t y int2t3tyi

Pr(yi[t,2t])=3t3θ=tθ.

Karena independen, probabilitas ini berlipat ganda, memberiyi

F(t)=(tθ)n.

Harapan dapat segera ditemukan dengan mengintegrasikan fungsi survival selama interval nilai yang mungkin untuk , , menggunakan untuk variabel:θ [ 0 , θ ] y = t / θ1Fθ^[0,θ]y=t/θ

E(θ^)=0θ(1(tθ)n)dt=01(1yn)θdy=nn+1θ.

(Formula untuk ekspektasi ini berasal dari integral biasa melalui integrasi oleh bagian-bagian. Rincian diberikan di akhir https://stats.stackexchange.com/a/105464 .)

Penskalaan ulang dengan memberi(n+1)/n

E(n+1nθ^)=θ,

QED .

whuber
sumber
Ada kesalahan ketik untuk rumus terakhir, itu seharusnya bukan q nθ^θ^n
Deep North
@Jaga Oh, tentu saja! Terima kasih telah menunjukkannya. Sekarang sudah diperbaiki.
whuber