2013 02 27_statistics_lecture02
TRANSCRIPT
Лекция 2. Статистики первого типа. Точеченые оценкии их свойства
Буре В.М., Грауэр Л.В.
ШАД
Санкт-Петербург, 2013
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 1 / 74
Cодержание
Содержание
1 Статистики первого типаСтатистики первого типаТеоремы непрерывностиПредельное распределение статистик первого типа
2 Точечные оценкиСвойства точечных оценокМетоды построения точечных оценокНеравенство Рао-Крамера
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 2 / 74
Статистики первого типа Статистики первого типа
Статистики первого типа
Следуя [3] будем рассматривать функционал G (F ), заданный намножестве функций распределения:
G (F ) = h
∞∫−∞
g(x)dF (x)
,
где g : R→ Rm — заданная борелевская функция,h : Rm → Rl некоторая борелевская функция, непрерывная в точкеa =
∫∞−∞ g(x)dFξ(x) ∈ Rm.
Тогда назовем статистику S(X[n]) = G (F ∗n ) статистикой первого типа.Таким образом,
S(X[n]) = G (F ∗n ) = h
(∫ ∞−∞
g(x)dF ∗n (x)
)= h
(1
n
n∑i=1
g(Xi )
).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 3 / 74
Статистики первого типа Статистики первого типа
Замечание 1
Положим h(t) ≡ t, g(x) = xk , то G (F ∗n ) = a∗k , значит, начальныйэмпирический момент порядка k является статистикой первого типа.
Нетрудно заметить, что центральный эмпирический момент такжеявляется статистикой первого типа.
Покажем это для дисперсии (центрального момента второго порядка):
s2 = a0∗2 =
1
n
n∑i=1
(Xi − a∗1)2 =1
n
n∑i=1
X 2i −
(1
n
n∑i=1
Xi
)2
,
a02 =
+∞∫−∞
(x − a1)2dFξ(x) =
+∞∫−∞
x2dFξ(x)−
+∞∫−∞
xdFξ(x)
2
.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 4 / 74
Статистики первого типа Статистики первого типа
Выберем функции h и g следующего вида:
h(t1, t2) = t2 − t21 ,
g(x) = (g1(x), g2(x)) = (x , x2).
Тогда получаем равенства:
a02 = h
+∞∫−∞
g(x)dFξ(x)
,
a0∗2 = h
(1
n
n∑i=1
g(xi )
).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 5 / 74
Статистики первого типа Статистики первого типа
Теорема 1
Пусть S(X[n]) = G (F ∗n ) — статистика первого типа, тогда имеет местосходимость:
S(X[n])п.н.−−−→
n→∞h(a) = G (Fξ).
ДоказательствоИз усиленного закона больших чисел Колмогорова следуетсходимость:
1
n
n∑i=1
g(xi )п.н.−−−→
n→∞Eg(ξ) =
+∞∫−∞
g(x)dFξ(x),
так как все слагаемые взаимно независимые, одинаковораспределенные случайные величины.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 6 / 74
Статистики первого типа Статистики первого типа
Функция h(·) непрерывна в точке a, следовательно,
G (F ∗n ) = h
(1
n
n∑i=1
g(xi )
)п.н.−−−→
n→∞h
+∞∫−∞
g(x)dFξ(x)
.
Следствие 1Пусть у генеральной совокупности ξ существует теоретическийначальный момент порядка k , ak = Eξk ∈ R , тогда
a∗kп.н.−−−→
n→∞ak .
Следствие 2Пусть у генеральной совокупности ξ существует теоретическийцентральный момент порядка k , a0
k = E (ξ − Eξ)k ∈ R , тогда
a0∗k
п.н.−−−→n→∞
a0k .
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 7 / 74
Статистики первого типа Статистики первого типа
Рассмотрим случайный вектор ξ = (ξ1, . . . , ξm)T с m компонентами.Пусть имеется выборка:
(X1,X2, . . . ,Xn) =
X11 X12 . . . X1n
X21 X22 . . . X2n
. . . . . . . . . . . .Xm1 Xm2 . . . Xnm
.
Рассмотрим компоненты ξk и ξl , им соответствуют элементы выборки:Xk1, . . . ,Xkn и Xl1, . . . ,Xln.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 8 / 74
Статистики первого типа Статистики первого типа
Вычислим выборочные моменты:
a∗1k = Xk =1
n
n∑i=1
Xkiп.н.−−−→
n→∞Eξk ,
a∗1l = Xl =1
n
n∑i=1
Xliп.н.−−−→
n→∞Eξl .
Кроме того,
a∗2k = s2k =
1
n
n∑i=1
(Xki − Xk)2 п.н.−−−→n→∞
Dξk ,
a∗2l = s2l =
1
n
n∑i=1
(Xli − Xl)2 п.н.−−−→
n→∞Dξl .
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 9 / 74
Статистики первого типа Статистики первого типа
Коэффициент корреляции равен
%(ξk , ξl) =cov(ξk , ξl)√Dξk√Dξl
,
где
cov(ξk , ξl) = E(ξk − Eξk)(ξl − Eξl) = E (ξkξl)− E (ξk)E (ξl).
Подберем эмпирический аналог ковариации. Рассмотрим элементывыборки: (
Xk1
Xl1
),
(Xk2
Xl2
), . . . ,
(Xkn
Xln
).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 10 / 74
Статистики первого типа Статистики первого типа
Надо центрировать величины:(Xk1 − Xk
Xl1 − Xl
),
(Xk2 − Xk
Xl2 − Xl
), ...,
(Xkn − Xk
Xln − Xl
).
Перемножив их, получаем выборочную ковариацию:
cov(ξk , ξl) =1
n
n∑i=1
(Xki − Xk)(Xli − Xl) =
=1
n
n∑i=1
XkiXli − Xk Xlп.н.−−−→
n→∞cov(ξk , ξl).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 11 / 74
Статистики первого типа Статистики первого типа
Так как имеют место сходимости:
1
n
n∑i=1
XkiXliп.н.−−−→
n→∞E (ξkξl),
Xk Xlп.н.−−−→
n→∞EξkEξl ,
тогда имеет место сходимость почти наверное для выборочногокоэффициента корреляции:
%(ξkξl) =cov(ξk , ξl)√
s2k s
2l
п.н.−−−→n→∞
%(ξkξl).
Напомним, что под одномерной выборкой понимаем взаимнонезависимые случайные величины, распределенные так же, какгенеральная совокупность.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 12 / 74
Статистики первого типа Теоремы непрерывности
Теоремы непрерывности
Теорема 2
Пусть η — случайная величина, заданная на вероятностномпространстве (Ω,F ,P), последовательность случайных величин ηnтакже задана на (Ω,F ,P). Пусть борелевская функция H : R −→ Rнепрерывна на борелевском множестве B ∈ B(R), Pη ∈ B = 1, тогдасправедливы утверждения:
1 Если ηnп.н.−−−→
n→∞η, тогда H(ηn)
п.н.−−−→n→∞
H(η).
2 Если ηnp−−−−→
n−→∞η, тогда H(ηn)
p−−−−→n−→∞
H(η).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 13 / 74
Статистики первого типа Теоремы непрерывности
ДоказательствоДокажем первое утверждение. Определим множество A следующимобразом:
A = ω : ηn(ω) −−−−→n−→∞
η(ω).
По условию первого утверждения P(A) = 1. Рассмотрим множествоA ∩ η−1(B). Определим вероятность:
P(A ∩ η−1(B)) = P(A ∪ η−1(B) ≤ P(A) + P(η−1(B)) = 0,
тогда P(A ∩ η−1(B)) = 1.Теперь рассмотрим событие ω ∈ A ∩ η−1(B). Тогда
ηn(ω) −−−−→n−→∞
η(ω) ∈ B.
Следовательно, имеет место сходимость:
H(ηn(ω)) −−−−→n−→∞
H(η(ω)).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 14 / 74
Статистики первого типа Теоремы непрерывности
Докажем второе утверждение теоремы от противного.Пусть утверждение 2 неверно. Это означает, что существует ε > 0,существует δ > 0, и существует последовательность n(1)
k , чтосправедливо неравенство
P|H(ηn
(1)k
)− H(η)| > ε > δ.
Последовательность ηn
(1)k
сходится по вероятности к η, ηn
(1)k
P−−−−→k−→∞
η,
следовательно, существует подпоследовательность n(2)k ⊂ n
(1)k , для
которой имеет место сходимость почти наверно:
ηn
(2)k
п.н−−−−→k−→∞
η.
Возникло противоречие, так как ηn
(2)k
п.н−−−−→k−→∞
η, но с другой стороны
P|H(ηn
(2)k
)− H(η)| > ε > δ,
отсюда следует, что утверждение 2 верно.Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 15 / 74
Статистики первого типа Теоремы непрерывности
Теорема 3
Пусть для последовательности случайных векторов имеет местосходимость по распределению:ηn = (η
(1)n , . . . , η
(m)n )
d−−−−→n−→∞
η = (η(1), . . . , η(m)). Пусть задана функция
H : Rm −→ Rl непрерывная на Rm, тогда H(ηn)d−−−−→
n−→∞H(η).
Доказательство Для любой непрерывной и ограниченной функцииg(x) должно выполняться следующее предельное соотношение:
Eg(H(ηn)) −−−−→n−→∞
Eg(H(η)).
Рассмотрим g(H(t)) ≡ h(t), то есть h — суперпозиция двухнепрерывных функций, следовательно, она непрерывна. Так как gограничена, то отсюда следует, что h ограничена, то есть выполненоследующее соотношение:
Eh(ηn) −−−−→n−→∞
Eh(η).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 16 / 74
Статистики первого типа Теоремы непрерывности
Теорема 4
Пусть борелевская функция H : Rm → Rk непрерывна на B ∈ B(Rm) иPη ∈ B = 1. Пусть ηTn = (η1n, . . . , ηmn)
d−−−→n→∞
η, тогда
H(ηn)d−−−→
n→∞H(η).
Доказательство теоремы можно найти в книге [1].
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 17 / 74
Статистики первого типа Теоремы непрерывности
Теорема 5
Пусть последовательность случайных величин ηn сходится пораспределению к случайной величине η, ηn
d−−−−→n−→∞
η. Пусть функцияH : R→ R — борелевская функция. Числовая последовательностьbn −−−→
n→∞0, причем bn 6= 0 для любого n. Тогда справедливы
утверждения:1 Если функция H дифференцируема в точке a ∈ R, то
H(a + bnηn)− H(a)
bn
d−−−−→n−→∞
H ′(a)η.
2 Если функция H дифференцируема в некоторой окрестноститочки a, H ′(a) = 0, и существует H ′′(a), то
H(a + bnηn)− H(a)
b2n
d−−−−→n−→∞
1
2H ′′(a)η2.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 18 / 74
Статистики первого типа Теоремы непрерывности
ДоказательствоДокажем утверждение 1. Введем H1(x) и H1(x , y) = H1(x)y , причем
H1(x) =
H(a+x)−H(a)
x , x 6= 0,H ′(a), x = 0.
Из условия теоремы ясно, что H1(x) непрерывна в нуле, тогда H1(x , y)непрерывна на множестве (0, y), y ∈ R. Покажем, что(bnηn, ηn)
d−−−→n→∞
(0, η). Воспользуемся методом характеристическихфункций.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 19 / 74
Статистики первого типа Теоремы непрерывности
Надо показать, что
ϕ(bnηn,ηn)(t1, t2) −−−−→n−→∞
ϕ(0,η)(t1, t2). (1)
Рассмотрим левую часть (1):
ϕ(bnηn,ηn)(t1, t2) = Ee i(t1bnηn+t2ηn) = Ee i(t1bn+t2)ηn = ϕηn(bnt1 + t2)±±ϕη(bnt1 + t2) = (ϕηn(bnt1 + t2)−ϕη(bnt1 + t2)) +ϕη(bnt1 + t2) −−−→
n→∞
−−−→n→∞
ϕη(t2) = Ee it2η+it10 = ϕ(0,η)(t1, t2),
так как t1, t2 фиксированы, то (bnt1 + t2) ∈ [a, b], то есть, сходимостьна данном промежутке равномерная, тогда(ϕηn(bnt1 + t2)− ϕη(bnt1 + t2)) −−−→
n→∞0.
Таким образом, показали, что
ϕ(bnηn,ηn)(t1, t2) −−−−→n−→∞
ϕ(0,η)(t1, t2).
Заметим, что P(0, η) ∈ (0, y) : y ∈ R = 1.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 20 / 74
Статистики первого типа Теоремы непрерывности
Подставим в H1 случайный вектор (bnηn, ηn), получим:
H1(bnηn, ηn) =H(a + bnηn)− H(a)
bn,
H1(bnηn, ηn)d−−−→
n→∞H1(0, η) = H ′(a)η
как следует из теоремы 4.Докажем второе утверждение теоремы. Запишем формулу Тейлоравторого порядка:
H(a + x) = H(a) +1
2H ′′(a)x2 + o(x2).
Введем функцию:
H2(x) =
H(a+x)−H(a)
x2 , x 6= 0,12H′′(a), x = 0.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 21 / 74
Статистики первого типа Теоремы непрерывности
Введем функцию H2(x , y) = H2(x)y2, функция непрерывна намножестве (0, y) : y ∈ R. Подставим в H2 случайный вектор(bnηn, ηn):
H2(bnηn, ηn)d−−−−→
n−→∞H2(0, η) =
1
2H ′′(a)η2,
H2(bnηn, ηn) =H(a + bnηn)− H(a)
b2n
.
Утверждение 2 доказано.
Замечание 2
Теорема 5 допускает обобщение на многомерный случай.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 22 / 74
Статистики первого типа Теоремы непрерывности
Теорема 6
Пусть задана функция H : Rm → R и последовательность случайныхвекторов ηn = (η
(1)n , . . . , η
(m)n )
d−−−−→n−→∞
η = (η(1), . . . , η(m)). Пустьчисловая последовательность bn −−−→
n→∞0 такая, что bn 6= 0 для любого
n. Тогда справедливы утверждения:
1 Если существует ∂H∂t
∣∣t=a
=(∂H∂t1, . . . , ∂H∂tm
)∣∣∣t=a
, a ∈ Rm, то
H(a + bnηn)− H(a)
bn
d−−−→n→∞
H ′(a)ηT .
2 Если H ′(a) = 0, и существует H ′′(a) =(∂2H∂ti∂tj
)∣∣∣t=a
, то
H(a + bnηn)− H(a)
b2n
d−−−−→n−→∞
1
2ηH ′′(a)ηT .
Можно продолжить обобщение теоремы 6 на случай H : Rm → Rl .
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 23 / 74
Статистики первого типа Предельное распределение статистик первого типа
Предельное распределение статистик первого типа
Пусть задана статистика первого типа:
S(X[n]) = G (F ∗n ) = h
(1
n
n∑i=1
g(Xi )
),
где G (F ) = h(∫∞−∞ g(x)dF (x)
),∫∞−∞ g(x)dFξ(x) = a ∈ Rm, т. е.
G (Fξ) = h(a).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 24 / 74
Статистики первого типа Предельное распределение статистик первого типа
Теорема 7
Пусть имеется выборка X[n] из генеральной совокупности ξ с функцией
распределения Fξ и S(X[n]) = h
(1n
n∑i=1
g(Xi )
)— статистика I типа,
борелевские функции h : R −→ R, g : R −→ R, тогда справедливыутверждения:
1 Если существует h′(a), то
√n(S(X[n])− h(a)
) d−−−−→n−→∞
h′(a)ζ,
где ζ — случайная величина, распределенная нормально спараметрами (0,Dg(ξ)), ζ ∼ N(0,Dg(ξ)).
2 Если h′(a) = 0 и существует h′′(a), то
n(S(X[n])− h(a)
) d−−−−→n−→∞
1
2h′′(a)ζ2.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 25 / 74
Статистики первого типа Предельное распределение статистик первого типа
ДоказательствоПрименима теорема 5. Преобразуем функцию G (F ∗):
G (F ∗) = h
(1
n
n∑i=1
g(Xi )
)= h
(a +
1
n
n∑i=1
(g(Xi )− a)
)=
= h
(a +
1√n√n
n∑i=1
(g(Xi )− a)
),
где a = Eg(X1).По центральной предельной теореме для одинаково распределенныхслагаемых, справедливо:
1√n
n∑i=1
(g(Xi )− a) = ξnd−−−−→
n−→∞ζ ∼ N(0, σ2),
где σ2 = Dg(ξ). Заметим, что 1√n
= bn.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 26 / 74
Статистики первого типа Предельное распределение статистик первого типа
Теорема 8
Пусть задана статистика I типа S(X[n]) = h
(1n
n∑i=1
g(Xi )
)и
борелевские функции h : Rm → R, g : R→ Rm, тогда справедливыутверждения:
1 Если существует h′(a) =(∂h∂t1, . . . , ∂h∂tm
)∣∣∣t=a
, где
a = Eg(ξ) = (Eg1(ξ), . . . ,Egm(ξ)), то
√n(S(X[n])− h(a)
) d−−−→n→∞
h′(a)ζT ,
где случайный вектор ζ = (ζ1, . . . , ζm) подчиняется многомерномунормальному распределению с параметрами (0,Dg(ξ)),ζ ∼ N(0,Dg(ξ)).
2 Если h′(a) = 0 и существует h′′(a), то
n(S(X[n])− h(a)
) d−−−−→n−→∞
1
2ζh′′(a)ζT .
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 27 / 74
Статистики первого типа Предельное распределение статистик первого типа
Доказательство проводится аналогично доказательству теоремы 7.Применяется центральная предельная теорема для одинаковораспределенных случайных векторов.
ПримерРассмотрим генеральную совокупность ξ, для которой Eξ = α > 0,Dξ = σ2. Получена выборка X[n] = (X1, . . . ,Xn) из ξ. Найдемасимптотическое распределение статистики 1/X , гдеX = 1
n
∑ni=1 Xi = a∗1. Покажем, что 1/X — статистика первого типа.
Для доказательства достаточно взять h(t) = 1/t, g(x) = x и заметить,что
1/X = h
(1
n
n∑i=1
g(Xi )
).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 28 / 74
Статистики первого типа Предельное распределение статистик первого типа
Очевидно, что
a =
+∞∫−∞
g(x)dFξ(x) = Eg(ξ) = Eξ = α,
при этом, h(α) = 1/α, 1/X = h( 1n
∑ni=1 g(xi )) является статистикой
первого типа.Из теоремы 7 следует, что
√n
(1
X− 1
α
)d−−−→
n→∞ζ
(−1
α2
)= −ζ 1
α2,
где ζ ∼ N(0, σ2).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 29 / 74
Точечные оценки Свойства точечных оценок
Точеченые оценки
Рассмотрим выборку X[n] = (X1, . . . ,Xn), генеральную совокупность ξи ее функцию распределения Fξ(x , θ), где θ = (θ1, . . . , θm) —неизвестные параметры в распределении случайной величины ξ. Поимеющейся выборке можно построить оценку для этих параметров.
Определение 1
Пусть θ ∈ Θ ⊂ R. Под оценкой понимается статистика θ(X[n]) такая,что получившееся значение можно рассматривать как точечнуюоценку параметра θ (θ(X[n]) ∼ θ).
Невозможно найти численное значение вероятностиP∣∣∣θ(X[n])− θ
∣∣∣ > ε
для произвольного ε, так как вероятностьсодержит неизвестный параметр θ. Тогда какую оценку считать«хорошей»?
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 30 / 74
Точечные оценки Свойства точечных оценок
Свойства точечных оценок
1. Несмещенность.
Определение 2
Пусть параметр θ ∈ Θ ⊂ R. Говорят, что оценка θ(X[n]) являетсянесмещенной оценкой параметра θ, если
E θ(X[n]) = θ (2)для любого θ ∈ Θ.
Определение 3
Говорят, что оценка θ(X[n]) является асимптотически несмещеннойоценкой параметра θ, если
E θ(X[n]) −−−→n→∞
θ (3)
для любого θ ∈ Θ.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 31 / 74
Точечные оценки Свойства точечных оценок
Замечание 3Свойство несмещенности позволяет агрегировать информацию,накопленную в различных научных центрах. Рассмотрим следующийпример. Пусть θ1 — несмещенная оценка параметра θ, полученная внекотором научном центре, θ2 — несмещенная оценка того жепараметра, полученная в другом научном центре. Предполагая, чтотехническая оснащенность научных центров одинаковая, будемсчитать, что дисперсии оценок одинаковы:
D(θi ) = E (θi − θ)2 = σ2(θ),
E (θi ) = θ, i = 1, 2.
Рассмотрим новую оценку:
θ =θ1 + θ2
2, E θ =
E θ1 + E θ2
2= θ,
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 32 / 74
Точечные оценки Свойства точечных оценок
тогда имеют место равенства:
D θ = E (θ − θ)2 =1
4E(θ1 − θ) + (θ2 − θ)2 =
σ2(θ)
2.
Как видим, агрегированная оценка оказывается более точной,дисперсия уменьшилась в два раза.
Пример 1Выборочное среднее является несмещенной оценкой дляматематического ожидания:
EX = E
1
n
n∑k=1
Xk
=
1
n
n∑k=1
EXk = Eξ = a1.
Рассмотрим выборочную дисперсию, проверим, выполнено лисвойство несмещенности:
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 33 / 74
Точечные оценки Свойства точечных оценок
Es2 = E
1
n
n∑k=1
(Xk − a1 −
1
n
n∑i=1
(Xi − a1)
)2
=
= E
1
n
n∑k=1
(Xk − a1)2 −
(1
n
n∑k=1
(Xk − a1)
)2 =
=1
n
n∑k=1
E (Xk − a1)2 − 1
n2
n∑k=1
σ2 = σ2 − 1
nσ2 =
n − 1
nσ2,
при выводе формулы учитывалось следующее соотношение:
E(Xk − a1)(Xl − a1) = σ2δkl =
σ2, k = l ;0, k 6= l .
Таким образом, получаем равенство:
Es2 =n − 1
nσ2.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 34 / 74
Точечные оценки Свойства точечных оценок
Cледовательно, s2 — смещенная оценка, однако она являетсяасимптотически несмещенной оценкой: Es2 −−−→
n→∞σ2.
Рассмотрим исправленную оценку дисперсии:
s2 =n
n − 1s2 =
1
n − 1
n∑k=1
(Xk − X )2,
что доказывает, что s2 — несмещенная оценка дисперсии.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 35 / 74
Точечные оценки Свойства точечных оценок
2. Состоятельность.
Определение 4
Пусть параметр θ ∈ Θ ⊂ R. Говорят, что оценка θ(X[n]) состоятельна,если
θ(X[n])p−−−→
n→∞θ (4)
для любого θ ∈ Θ.
Определение 5
Оценка θ(X[n]) называется сильно состоятельной оценкой параметра θ,если
θ(X[n])п.н.−−−→
n→∞θ (5)
для любого θ ∈ Θ.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 36 / 74
Точечные оценки Свойства точечных оценок
Замечание 4
В случае, когда θ(X[n]) — векторная оценка, свойство состоятельностии сильной состоятельности рассматриваются покомпонентно.
Замечание 5В определении оценки предполагалось, что n фиксировано, но обычнопод оценкой понимают некоторое правило, по которому можнопостроить оценку для любого n.
Замечание 6
Пусть существует Eξk , тогда a∗k — статистика первого рода, где a∗k —эмпирический момент порядка k . Тогда a∗k → ak = Eξk , то есть, a∗kявляется сильно состоятельной оценкой.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 37 / 74
Точечные оценки Свойства точечных оценок
Пусть существует E (ξ − Eξ)k , тогда
a0∗k =
1
n
n∑i=1
(Xi − X )k
— сильно состоятельная оценка для теоретического момента, то есть:
a0∗k
п.н.−−−→n→∞
a0k = E (ξ − Eξ)k .
Пример 2Выборочное среднее и выборочная дисперсия представляют собойсильно состоятельные оценки соответствующих числовыххарактеристик случайной величины при условии, что они существуюти конечны.
a∗1 = xп.н−−−→
n→∞a1 = Eξ,
s2 =1
n
n∑k=1
(xk − X )2 = a0∗2
п.н−−−→n→∞
a02 = Dξ.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 38 / 74
Точечные оценки Свойства точечных оценок
3. Эффективность.Пусть в распределении генеральной совокупности имеетсянеизвестный параметр θ ∈ Θ ⊂ R. Рассмотрим некоторый классоценок K = θ(X[n]) параметра θ.
Определение 6
Говорят, что оценка θ∗(X[n]) ∈ K является эффективной оценкойпараметра θ в классе K , если для любой другой оценки θ ∈ K имеетместо неравенство:
E (θ∗ − θ)2 6 E (θ − θ)2 (6)
для любого θ ∈ Θ.
Класс несмещенных оценок обозначим через
K0 =θ(X[n]) : E θ = θ,∀θ ∈ Θ
.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 39 / 74
Точечные оценки Свойства точечных оценок
Рассмотрим случай, когда m > 1, то есть, θ = (θ1, . . . , θm). Длялюбого y ∈ Rm определим αy = (θ, y) = θ1y1 + . . .+ θmym. Тогдаα∗y = (θ∗, y) — оценка параметра αy .
Определение 7
Будем говорить, что оценка θ∗ ∈ K является эффективной оценкойпараметра θ = (θ1, . . . , θm) в классе K , если для любой другой оценкиθ ∈ K и любого y ∈ Rm при любом допустимом значении θ ∈ Θ имеетместо неравенство:
E (α∗y − αy )2 6 E (αy − αy )2, (7)
где αy = (θ, y).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 40 / 74
Точечные оценки Свойства точечных оценок
Теорема 9
Пусть несмещенные оценки θ1 и θ2 параметра θ ∈ Θ ⊂ R являютсяэффективными, тогда оценки θ1 и θ2 почти наверное совпадают.
ДоказательствоРассмотрим θ = θ1+θ2
2 . Нетрудно показать несмещенность даннойоценки. Справедливо тождество:
(θ1 − θ)2
2+
(θ2 − θ)2
2=
((θ1 − θ)
2− (θ2 − θ)
2
)2
+
+
((θ1 − θ)
2+
(θ2 − θ)
2
)2
.
Из условия теоремы следует, что для любого θ ∈ Θ имеет месторавенство:
D θ1 = D θ2 = d2(θ).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 41 / 74
Точечные оценки Свойства точечных оценок
Кроме того, для любого θ ∈ K0 должно выполняться неравенство:D θ ≥ d2(θ). Найдем для тождества математическое ожидание:
d2(θ) =1
4E (θ1 − θ2)2 + D θ.
Следовательно, E (θ1 − θ2)2 = 0 (так как если это неверно, тоD θ < d2(θ), чего быть не может), но тогда θ1
п.н= θ2.
Замечание 7
Утверждение теоремы переносится на многомерный случай.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 42 / 74
Точечные оценки Свойства точечных оценок
Рассмотрим случай, когда θ вектор. Пусть θ = (θ1, . . . , θk)T ∈ Θ ⊂ Rk ,θ ∈ K0, то есть E θ = θ для любого θ ∈ Θ. Возьмем любой векторy ∈ Rk , рассмотрим скалярное произведение:
(θ, y) =k∑
i=1
θi (X[n])yi ,
как оценку для скалярного произведения (θ, y). Оценка (θ, y) будетнесмещенной оценкой:
E (θ, y) = (θ, y)
для любого θ ∈ Θ и y ∈ Rk .Оценка (θ, y) эффективна, если D(θ, y) ≤ D(θ, y) для любого θ ∈ K0 илюбого θ ∈ Θ, и y ∈ Rk .Вычислим левую и правую части неравенства, получим:
D(θ, y) = yTD θy ,
где D θ — ковариацинонная матрица вектора θ,
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 43 / 74
Точечные оценки Свойства точечных оценок
D(θ, y) = yTD θy ,
где D θ — ковариацинонная матрица вектора θ. Следовательно,справедливо неравенство:
yT (D θ − D θ)y ≥ 0.
Тогда, так как y — любое, получаем, что матрица коэффициентовквадратичной формы является неотрицательно определеннойматрицей, т. е. D θ − D θ 0. В результате приходим к определению 8,которое эквивалентно определению 7 для класса несмещенных оценок.
Определение 8
Оценка θ эффективна в классе K0, или просто эффективна, еслиD θ − D θ 0 (неотрицательно определенная матрица), где θ ∈ K0 длялюбого θ ∈ Θ ⊂ Rk .
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 44 / 74
Точечные оценки Свойства точечных оценок
4. Асимптотическая нормальность.
Определение 9
Пусть оценивается параметр θ ∈ Θ ⊂ R. Оценка θ называетсяасимптотически нормальной оценкой параметра θ с коэффициентомрассеивания σ2(θ), если
√n(θ − θ)
d−−−→n→∞
ζ ∼ N(0, σ2(θ)). (8)
Из этого определения следует, что для любого x ∈ R имеет местосходимость:
P√
n(θ − θ) 6 x−−−−→n−→∞
1√2πσ(θ)
x∫−∞
e− y2
2σ2(θ) dy .
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 45 / 74
Точечные оценки Свойства точечных оценок
Определение 10
Пусть оценивается параметр θ ∈ Θ ⊂ Rm. Оценка θ = (θ1, . . . , θm)называется асимптотически нормальной с матрицей рассеивания Σ(θ),если имеет место сходимость по распределению:
√n(θ − θ)
d−−−→n→∞
η ∼ N(0,Σ(θ)).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 46 / 74
Точечные оценки Свойства точечных оценок
5. Асимптотическая эффективность.
Определение 11
Оценка θ называется асимптотически эффективной в класс K оценокпараметра θ ∈ Θ ⊂ R, если
limn→∞
E (θ − θ)2
E (θ − θ)26 1
для любого параметра θ ∈ Θ ⊂ R и любой оценки θ ∈ K .
Статистическая оценка считается «хорошей», если она обладает хотябы некоторыми из свойств 1-5.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 47 / 74
Точечные оценки Методы построения точечных оценок
Методы построения точечных оценок
Рассмотрим сначала метод моментов. Пусть требуется оценитьпараметр θ ∈ Θ ⊂ R по имеющейся выборке X[n] = (X1, . . . ,Xn).Рассмотрим борелевскую функцию g(x) : R→ R и определим
функцию m(θ) =∞∫−∞
g(x)dFξ(x ; θ).
Далее положим, что
∞∫−∞
g(x)dF ∗n (x) =1
n
n∑i=1
g(Xi ) = g . (9)
Получим уравнение
m(θ) = g =1
n
n∑i=1
g(Xi ). (10)
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 48 / 74
Точечные оценки Методы построения точечных оценок
Предположим, что уравнение (10) имеет единственное решение θ(X[n]),тогда будем это решение называть оценкой θ неизвестного параметраθ, полученной по методу моментов:
θ(X[n]) = m−1
(1
n
n∑i=1
g(Xi )
).
Введем следующее обозначение: h(·) = m−1(·), оценка по методумоментов при некоторых условиях является статистикой первого типа.По теореме о предельном поведении статистики первого типаполучаем сходимость:
θ(X[n])п.н.−−−→
n→∞θ.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 49 / 74
Точечные оценки Методы построения точечных оценок
Свойства оценок, построенных по методу моментов:1 Если функция m−1(y) непрерывна на всей области определения,
то оценка по методу моментов сильно состоятельна.2 Если m′(θ) 6= 0 для всех θ ∈ Θ, тогда оценка по методу моментов
асимптотически нормальна с коэффициентом рассеяния Dg(ξ)(m′(θ))2 ,
где θ — истинное значение параметра.Метод моментов легко обобщить на многомерный случай, при этом,g(x) = (g1(x), . . . , gk(x)), где k — число неизвестных параметров, тоесть, θ = (θ1, . . . , θk)T ∈ Θ ⊂ Rk .
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 50 / 74
Точечные оценки Методы построения точечных оценок
Пример 3
Пусть ξ ∼ N(a, σ2), тогда θ = (a, σ2)T ∈ Θ = R× R+. Выберемg(x) = (x , x2), тогда
Eg(ξ) =
(EξEξ2
)=
(a
σ2 + a2
),
так как σ2 = Dξ = Eξ2 − (Eξ)2 = Eξ2 − a2. Нетрудно показать, что
g =
1n
n∑k=1
Xk
1n
n∑k=1
X 2k
=
(X
s2 + X 2
),
так как s2 = 1n
n∑k=1
X 2k − (X )2.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 51 / 74
Точечные оценки Методы построения точечных оценок
Таким образом, получили систему:a = Xσ2 + a2 = s2 + X 2.
Следовательно, оценки по методу моментов имеют следующий вид:a = X ,σ2 = s2.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 52 / 74
Точечные оценки Методы построения точечных оценок
Пример 4Рассмотрим равномерно распределенную случайную величину ξ сплотностью распределения:
fξ(x) =
1θ , x ∈ [0, θ];0, x /∈ [0, θ].
Так как неизвестный параметр один, то g(x) = x . Вычислимматематическое ожидание:
Eg(ξ) = Eξ =
θ∫0
x1
θdx =
1
2θx2 =
θ
2.
Уравнение имеет вид:θ
2= X ,
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 53 / 74
Точечные оценки Методы построения точечных оценок
откуда получаем оценку:
θ = 2X = 21
n
n∑k=1
Xi .
Может оказаться, что 1n
∑nk=1 Xi > θ/2, тогда θ > θ. Данный метод
может дать сильно завышенную оценку.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 54 / 74
Точечные оценки Методы построения точечных оценок
Рассмотрим теперь метод максимального правдоподобияпостроения точечных оценок. Пусть задана генеральная совокупностьξ с функцией распределения Fξ и плотностью распределения fξ (будемпредполагать, что плотность распределения существует). Заданавыборка X[n] = (X1, . . . ,Xn) . Совместная плотность распределениявыборки имеет вид:
fX[n](x1, . . . , xn) =
n∏i=1
fξ(xi ). (11)
В плотности распределения выборки существует неизвестныйпараметр θ, поэтому ниже будем рассматривать совместную плотностьраспределения в виде:
fX[n](x1, . . . , xn|θ) =
n∏i=1
fξ(xi , θ) или fX[n](X[n]|θ) =
n∏i=1
fξ(Xi , θ),
где θ = (θ1, . . . , θm) ∈ Θ.Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 55 / 74
Точечные оценки Методы построения точечных оценок
Определение 12
Если генеральная совокупность имеет плотность распределения fξ, тофункцией правдоподобия выборки X[n] будем называть функцию
L(X[n], θ) =n∏
i=1
fξ(Xi , θ).
Определение 13
Если генеральная совокупность ξ — дискретная случайная величина свозможными значениями zi и соответствующими вероятностямиpξ(zi , θ), то функцией правдоподобия выборки X[n] будем называтьфункцию
L(X[n], θ) =n∏
i=1
pξ(Xi , θ).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 56 / 74
Точечные оценки Методы построения точечных оценок
Будем считать функцию правдоподобия функцией неизвестногопараметра θ. Для нахождения оценки параметра θ решаем задачу:
maxθ∈Θ
L(X[n], θ).
Определение 14
Оценкой максимального правдоподобия параметра θ называетсяоценка
θ(X[n]) = arg maxθ∈Θ
L(X[n], θ), (12)
если решение задачи максимизации существует и единственно.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 57 / 74
Точечные оценки Методы построения точечных оценок
Свойства оценок максимального правдоподобия:1 Предположим, что существует взаимно однозначное соответствиеβ : Θ↔ B , пусть
b(X[n]) = arg maxb∈B
L(X[n], β−1(b)). (13)
Если решение (12) существует и единственно, то существует иединственно решение (13), причем, имеет место равенство:
θ = β−1(b).
2 Если функция правдоподобия непрерывно дифференцируема, ивыполнены некоторые условия гладкости, то можно доказать, чтооценки метода максимального правдоподобия — сильносостоятельны, асимптотически эффективны и асимптотическинормальны [3], [?], [?].
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 58 / 74
Точечные оценки Методы построения точечных оценок
Замечание 8Часто вместо функции L(X[n], θ) рассматривают функцию ln L(X[n], θ),поскольку функция ln(t) является строго возрастающей функциейсвоего аргумента t, и данный переход правомерен.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 59 / 74
Точечные оценки Методы построения точечных оценок
Пример 5
Рассмотрим случайную величину ξ ∼ N(a, σ2) с плотностьюраспределения
fξ(x) =1√2πσ
e−(x−a)2
2σ2 .
Функция правдоподобия имеет вид:
L(X[n], a, σ2) =
n∏i=1
fξ(Xi , a, σ2) =
1
(2π)n2σn
e
−n∑
i=1(Xi−a)2
2σ2 .
Тогда
ln L = ln1
((2π)12σ)n
−
n∑i=1
(Xi − a)2
2σ2,
продифференцируем по a: ∂ ln L/∂a = 0, или∑n
i=1 Xi − an = 0, откудаa = X .
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 60 / 74
Точечные оценки Методы построения точечных оценок
Продифференцируем по σ:
∂ ln L
∂σ= −n
σ+
n∑i=1
(Xi − a)2
σ3= 0,
nσ2 =n∑
i=1
(xi − a)2,
откуда находим решение:
σ2 =1
n
n∑i=1
(Xi − a)2 =1
n
n∑i=1
(Xi − X )2 = s2.
Нетрудно проверить, что X и s2 доставляют максимум функцииправдоподобия.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 61 / 74
Точечные оценки Методы построения точечных оценок
Пример 6Пусть случайная величина ξ подчиняется равномерномураспределению с плотностью:
f (x , θ) =
1θ , x ∈ [0, θ];0, x 6∈ [0, θ].
Запишем функцию правдоподобия:
L(X[n], θ) =n∏
i=1
f (Xi , θ) =
1θn , если для ∀i : Xi ∈ [0, θ];0, если ∃i : Xi 6∈ [0, θ].
Построим вариационный ряд X(1) ≤ . . . ≤ X(n). Таким образом,получаем:
L(X[n], θ) =
1θn , X(n) ∈ [0, θ];0, ∃k : X(k) 6∈ [0, θ].
Очевидно, что оценка максимального правдоподобия θ(X[n]) = X(n).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 62 / 74
Точечные оценки Неравенство Рао-Крамера
Неравенство Рао-Крамера
Пусть имеется выборка X[n] из генеральной совокупности ξ с функциейраспределения Fξ(x , θ) и плотностью распределения fξ(x , θ), гдеθ ∈ Θ ⊂ R — неизвестный параметр.
Замечание 9Все результаты этого параграфа можно перенести на дискретныйслучай.
Функция правдоподобия имеет вид:
L(X[n], θ) =n∏
i=1
fξ(Xi , θ),
совместная плотность выборки имеет вид:
fX[n](x , θ) = L(x , θ) =
n∏i=1
fξ(xi , θ).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 63 / 74
Точечные оценки Неравенство Рао-Крамера
Имеет место следующее равенство:∫Rn
L(x , θ)dx = 1. (14)
Пусть имеется оценка θ(X[n]) неизвестного параметра θ, и справедливоследующее равенство:
E θ =
∫Rn
θ(x1, . . . , xn)L(x , θ)dx = h(θ). (15)
Обозначим через In(θ) математическое ожидание:
In(θ) = E
(∂ ln L(X(n), θ)
∂θ
)2
=
∫Rn
(∂ ln L(x , θ)
∂θ
)2
L(x , θ)dx .
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 64 / 74
Точечные оценки Неравенство Рао-Крамера
Определение 15
Величина In(θ), если математическое ожидание существует и конечно,называется информационным количеством Фишера (соответствующимвыборке объема n).
Будем предполагать, что выполнены условия регулярности:Для информационного количества Фишера выполненонеравенство 0 < In(θ) <∞ для любого θ ∈ Θ.Равенства (14) и (15) можно продифференцировать и получитьследующие уравнения: ∫
Rn
∂L(x , θ)
∂θdx = 0, (16)
∫Rn
θ(x1, . . . , xn)∂L(x , θ)
∂θdx = h′(θ). (17)
Множество N = x ∈ Rn : L(x , θ) = 0 не зависит от θ.Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 65 / 74
Точечные оценки Неравенство Рао-Крамера
Теорема 10
(Неравенство Рао-Крамера) Пусть имеется генеральная совокупность ξc функцией распределения Fξ(y , θ), где θ ∈ Θ ⊂ R. Задана выборкаX[n] из генеральной совокупности ξ, и выполнены условиярегулярности, тогда имеет место неравенство:
D θ >(h′(θ))2
In(θ). (18)
ДоказательствоПерепишем 16 и 17 следующим образом:∫
Rn
∂ ln L(x , θ)
∂θL(x , θ)dx = E
∂ ln L(X[n], θ)
∂θ
= 0,
∫Rn
θ(x)∂ ln L(x , θ)
∂θL(x , θ)dx = E
θ(X[n])
∂ ln L(X[n], θ)
∂θ
= h′(θ).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 66 / 74
Точечные оценки Неравенство Рао-Крамера
Заметим, что множество N = x : L(x , θ) = 0 — множество мерынуль, так как
PX[n] ∈ N =
∫N
L(x , θ)dx = 0.
Умножим первое равенство на E θ и вычтем из второго:
E
(θ(X[n])− E θ)
∂ ln L(X[n], θ)
∂θ
= h′(θ).
Сделаем обозначения:
η1 = (θ(X[n])− E θ),
η2 =∂ ln L(X[n], θ)
∂θ.
Воспользуемся неравенством Коши-Шварца-Буняковского:
(h′(θ))2 = (Eη1η2)2 ≤ Eη21Eη
22 = D θIn(θ).
Теорема доказана.Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 67 / 74
Точечные оценки Неравенство Рао-Крамера
Замечание 10
Неравенство (18) выполнено как равенство тогда и только тогда, когдаη1
п.н.= A(θ)η2 (следует из неравенства Коши-Шварца-Буняковского), то
есть,
(θ(X[n])− θ)п.н.= A(θ)
∂ ln L
∂θ.
Замечание 11
Если E θ = θ для любого θ ∈ Θ (то есть, оценка — несмещенная), тосправедливо неравенство:
D θ ≥ 1
In(θ).
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 68 / 74
Точечные оценки Неравенство Рао-Крамера
Замечание 12
По определению In(θ) = E(∂ ln L∂θ
)2. Заметим, что
E
∂ ln L(X[n],θ)
∂θ
= 0.
Следовательно, имеют место равенства:
In(θ) = E
(∂ ln L
∂θ
)2
= D
(∂ ln L(X[n], θ)
∂θ
)=
= D
(n∑
i=1
∂ ln fξ(Xi , θ)
∂θ
)=
n∑i=1
D∂ ln fξ(Xi , θ)
∂θ= nI1(θ),
где I1(θ) — информационное количество Фишера, соответствующееодному наблюдению. Как видим, наблюдается линейный ростинформации.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 69 / 74
Точечные оценки Неравенство Рао-Крамера
Из неравенства Рао-Крамера можно сделать вывод, что врегулярном случае дисперсия не может убывать быстрее чем 1/n.Для «хороших» оценок дисперсия должна убывать, разбросдолжен становиться меньше с ростом n.Для несмещенных оценок при выполнении условий регулярностиоценка эффективна, если неравенство Рао-Крамера выполненокак равенство.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 70 / 74
Точечные оценки Неравенство Рао-Крамера
Справедлива еще одна формула для вычисления In(θ) при выполнениидополнительных условий, которые необходимы для корректногопроведения всех последующих преобразований. Продифференцируемравенство ∫
Rn
∂ ln L(x , θ)
∂θL(x , θ)dx = 0
еще один раз, получаем следующее равенство:∫Rn
(∂ ln L(x , θ)
∂θ
)2
L(x , θ)dx +
∫Rn
∂2 ln L(x , θ)
∂θL(x , θ)dx = 0,
или, что тоже самое:
E
∂ ln L(X[n], θ)
∂θ
2
+ E
∂2 ln L(X[n], θ)
∂θ2
= 0.
Откуда сразу получаем равенство:
In(θ) = −E
∂2 ln L(X[n], θ)
∂θ2
.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 71 / 74
Точечные оценки Неравенство Рао-Крамера
Замечание 13Справедлив аналог неравенства Рао-Крамера для многомерногослучая. Пусть θ ∈ Θ ⊂ Rk , пусть E θ(X[n]) = θ, тогда
D θ ≥ (In(θ))−1,
где In - информационная матрица Фишера, а D θ - ковариациноннаяматрица
In(θ) = E
∂ ln L(X[n], θ)
∂θ
(∂ ln L
∂θ
)T,
D θ = E
(θ − θ)(θ − θ)T
То есть, матрица D θ − (In(θ))−1 0 — неотрицательно определенная.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 72 / 74
Точечные оценки Неравенство Рао-Крамера
Пример 7
Пусть ξ ∼ N(a, σ2), методы максимального правдоподобия и моментовдали оценку a = X , которая является сильно состоятельной,несмещенной, асимптотически нормальной оценкой. Выясним,обращается ли неравенство Рао-Крамера в равенство. Действительно,можно заметить, что
∂ ln L
∂a=
n∑i=1
(Xi − a)
σ2=
n
σ2(X − a),
где
L(X[n], a) =1
(2π)n2σn
e−
n∑i=1
(Xi−a)2
2σ2 .
Как следует из замечания 10, случайные величины пропорциональны,следовательно, X — эффективная оценка.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 73 / 74
Точечные оценки Неравенство Рао-Крамера
Биллингсли П.Сходимость вероятностных мер. — М.: Изд. Наука, 1977.
Боровков А.А.Теория вероятностей. — М.: Изд. Наука, 1986.
Боровков А.А.Математическая статистика. — М.: Изд. Наука, 1984.
Буре В.М., Грауэр Л.В. (ШАД) Лекция 2. Статистики первого типа. Точеченые оценки и их свойстваСанкт-Петербург, 2013 74 / 74