Domanda:
Se provo che lo stimatore di $ \ theta ^ 2 $ è corretto, ciò prova che lo stimatore del parametro $ \ theta $ è corretto?
kingledion
2017-04-02 04:54:03 UTC
view on stackexchange narkive permalink

Sia $ X_i $ una variabile casuale iid avente pdf $ f (\ mathbf {x} | \ theta) $, dove $ E (X_i) = 6 \ theta ^ 2 $ e $ \ theta > 0 $.

Ho calcolato uno stimatore per il parametro ($ \ theta $) di $ f (\ mathbf {x} | \ theta) $ $ \ hat {\ theta} = \ sqrt {\ bar {x} /6} $.Per dimostrare che questo è uno stimatore imparziale, dovrei provare che $ E (\ hat {\ theta}) = E \ left (\ sqrt {\ bar {x} / 6} \ right) $.Tuttavia, poiché $ \ hat {\ theta} ^ 2 = \ bar {x} / 6 $, sarebbe molto più facile mostrare che $$ \ begin {align} E (\ hat {\ theta} ^ 2) & =E (\ bar {x} / 6) \\ & = \ frac {1} {6} E \ left (\ frac {\ sum X_i} {n} \ right) \\ & = \ frac {1} {6n} \ sum E (X_i) \\ & = \ frac {1} {6n} n6 \ theta ^ 2 \\ & = \ theta ^ 2. \ End {align} $$

In generale, provare $ x ^ 2 = 4 $ non è la stessa cosa che provare $ x = 2 $, poiché $ x $ potrebbe anche essere $ -2 $.Tuttavia, in questo caso $ \ theta>0 $.

Ho dimostrato che $ \ hat {\ theta} ^ 2 $ è imparziale, è sufficiente per dimostrare che $ \ hat {\ theta} $ è imparziale?

Il tuo titolo non sembra avere senso;sembra che si parli della stima di una variabile casuale - ciò che si stima è un parametro;La tua ultima frase dice "Ho dimostrato che $ θ ^ 2 $ è imparziale $ ma * parametri * non sono distorti o imparziali, ... * stimatori * di parametri lo sono. Modifica in modo che la tua domanda sia chiara.
Si prega di consultare la [guida / sull'argomento] sulle domande in stile compiti a casa (di routine tipo libro di testo) (la discussione si applica indipendentemente dal fatto che si tratti effettivamente di compiti a casa o meno), quindi aggiungere il tag `autoapprendimento` come suggerito lì, e modificare la domandaseguire le linee guida per porre tali domande.In particolare, dovresti identificare chiaramente cosa hai fatto per risolvere il problema da solo e indicare l'aiuto specifico di cui hai bisogno nel punto in cui hai incontrato difficoltà.
possibile duplicato: https://stats.stackexchange.com/questions/271319/expectation-of-a-square-root-of-a-sample-mean/271326#271326
@Taylor sono certamente correlati ma la domanda qui non ha la stessa risposta della domanda lì.
@Glen_b ha ragione, qui la terminologia è sbagliata.Ma sospetto che ti starai chiedendo se uno stimatore è imparziale per $ \ theta ^ 2 $, quindi la radice quadrata di tale stimatore non è corretto per $ \ theta $.No non lo è.
@Glen_b Ho aggiunto cappelli all'ultima frase per chiarire che si tratta di stimatori di parametri.Ho modificato il titolo per chiarire che sto valutando anche i parametri.Per quanto riguarda il tuo secondo commento, ho aggiunto il tag di autoapprendimento.Non sono sicuro di come non fossi chiaro su quali passi avevo fatto o su cosa ero bloccato.Sebbene la mia terminologia fosse errata, sembra che la domanda fosse abbastanza chiara per ottenere una risposta.
Grazie per le modifiche.Ti stavo suggerendo di mostrare qualche tentativo di provare il risultato che hai chiesto qui.Non importa, è stato possibile fornire indicazioni e suggerimenti senza fornire la piena derivazione.
Due risposte:
Glen_b
2017-04-02 07:08:03 UTC
view on stackexchange narkive permalink

Nota che per qualsiasi stimatore (con secondo momento finito) $ E (\ widehat {\ theta ^ 2}) - E (\ hat \ theta) ^ 2 $ $ = $ $ \ text {Var} (\ hat\ theta) \ geq 0 $ con uguaglianza solo quando $ \ text {Var} (\ hat \ theta) = 0 $ (che è facile da controllare non è valido).

Sostituisci il primo termine su LHS di quella disuguaglianza utilizzando il tuo risultato per imparzialità di $ \ widehat {\ theta ^ 2} $, e poi utilizzando il fatto che $ \ theta $ e $ \ hat \ theta $ sonoentrambi positivi, mostra che $ \ hat \ theta $ è parziale, non imparziale come si supponeva.(Più in generale, potresti applicare la disuguaglianza di Jensen ma non è necessaria qui)

Nota che questa dimostrazione non si riferisce ai particolari del tuo problema: per uno stimatore non negativo di un parametro non negativo, se il suo quadrato è corretto per il quadrato del parametro, lo stimatore stesso deve esseredistorto a meno che la varianza dello stimatore non sia $ 0 $.

+1 Solo collegamento all'articolo di wikipedia su [Jensen's Inequality] (https://en.wikipedia.org/wiki/Jensen%27s_inequality), dal momento che l'ho trovato molto utile quando ho lavorato su domande simili alcuni anni fa
Questo è davvero chiaro e interessante!
gammer
2017-04-02 07:17:11 UTC
view on stackexchange narkive permalink

Supponiamo che $ Q $ sia corretto per $ \ theta ^ 2 $, cioè $ E (Q) = \ theta ^ 2 $, quindi a causa della disuguaglianza di Jensen,

$$ \ sqrt {E (Q)} = \ theta < E \ left (\ sqrt {Q} \ right) $$

Quindi $ \ sqrt {Q} $ è sbilanciato in alto, cioè sovrastimerà $ \ theta $ in media.

Nota : questa è una disuguaglianza rigorosa (cioè $ < $ non $ \ leq $) perché $ Q $ non è una variabile casuale degenere e la radice quadrata non è una trasformazione affine.



Questa domanda e risposta è stata tradotta automaticamente dalla lingua inglese. Il contenuto originale è disponibile su stackexchange, che ringraziamo per la licenza cc by-sa 3.0 con cui è distribuito.
Loading...