CR不等式
“在终极的分析中,一切知识都是历史;
在抽象的意义下,一切科学都是数学;
在理性的世界里,所有的判断都是统计学。”
——《统计与真理》C.R.Rao
瑞典统计学家Cramer和印度统计学家Rao分别在1945年和1946年对单参数正则分布族证明了一个重要不等式,后人称之为Cramer-Rao不等式,即著名的C-R不等式。它给出了可估参数的无偏估计的方差下界。
本文对C-R不等式的相关内容进行介绍。
1. 什么是C-R不等式?
令是来自密度函数为的iid样本,是参数的可微函数,是的任一无偏估计,且假定关于可微并对于和满足
则得到C-R不等式:
上式的右侧即为著名的C-R下界。
2. C-R不等式说明了什么?
C-R不等式说明:
对于无偏估计,其方差并不会无限的小。也就表明任意无偏估计量都存在一定程度的波动性; 无偏估计的方差依赖于样本量,所服从的分布特征,以及待估参数的形式; 对于无偏估计而言,如果存在一个估计量达到了C-R下界,那么这个估计量就是最优无偏估计量。
3. 使用C-R不等式时需要注意什么?
上述C-R不等式是一个非常漂亮的理论结果,但在应用时需要注意:
- 上述结果限制在无偏估计类里。如果不加这一限制,则可能没有这样的理论结果。比如对于任意待估参数,给出估计量,则此估计量在时期望也是1且方差为0.
- C-R不等式假定积分和求导可交换顺序。若这一条件不成立,则C-R不等式也可能不成立。反例见统计推断George Casella例7.3.13.
4. 怎么证明?
简要证明:C-R不等式是Cauchy-Schwarz不等式,即或的巧妙使用。
实际上有以下两个事实成立:
取,根据假定条件,可知
所以第一个结果成立。下证第二个结果。取,根据假定条件,可知
5. 如何达到C-R下界?
从上述证明可知,要达到C-R下界,需要和成线性关系。即对某一函数,有下式成立:
这个推论表明C-R下界有时可能是达不到的。也就是说对某些问题,所有无偏估计量的最小方差仍然可能大于C-R下界。对此一种有效的途径是寻找适用范围更广,产生更大的下界的方法。
6. 例:方差的估计问题
设。考虑对方差进行估计。通过计算可求得:
而我们知道
那么存在比样本方差更优的无偏估计吗?还是C-R下界无法达到?容易求得:
故若取,的最优无偏估计量为。但其仅在已知时才可计算。若未知,则下界无法达到。
最新评论
推荐文章
作者最新文章
你可能感兴趣的文章
Copyright Disclaimer: The copyright of contents (including texts, images, videos and audios) posted above belong to the User who shared or the third-party website which the User shared from. If you found your copyright have been infringed, please send a DMCA takedown notice to [email protected]. For more detail of the source, please click on the button "Read Original Post" below. For other communications, please send to [email protected].
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。
版权声明:以上内容为用户推荐收藏至CareerEngine平台,其内容(含文字、图片、视频、音频等)及知识版权均属用户或用户转发自的第三方网站,如涉嫌侵权,请通知[email protected]进行信息删除。如需查看信息来源,请点击“查看原文”。如需洽谈其它事宜,请联系[email protected]。