点估计的评价标准样本

6.2点预计评价标注咱们已经看到，点预计有各种不同求法，为了在不同点预计间进行比较选取，就必要对各种点预计好坏给出评价原则.数理记录中给出了众多预计量评价原则，对同一预计量实用不同评价原则也许会得到完全不同结论，因而在评价某一种预计好坏时一方面要阐明是在哪一种原则下，否则所论好坏则毫无意义.但不论怎么说，有一种基本原则时所有预计都应当满足，它是衡量一种预计与否可行必要条件，这就是预计相合性，咱们就从相合性开始。6.2.1相合性咱们懂得，点预计是一种记录量，因而它是一种随机变量，在样本量一定条件下，咱们不也许规定它完全等同于参数真实取值。但如果咱们有足够观测值，依照格里文科定理，随着样本量不断增大，经验分布函数逼近真实分布函数，因而完全可以规定预计量随着样本量不断增大而逼近参数真值，这就是相合性，严格定义如下：定义6.2.1设为未知参数，是一种预计量，是样本容量，若对任何一种，有则称为参数相合预计。相合性被以为是对预计一种最基本规定，如果一种预计量，在样本量不断增大时，它都不能把被估参数预计到任意指定精度，那么这个预计值是很值得怀疑。普通，不满足相合性规定预计普通不予考虑。证明预计相合性普通可应用大数定律或直接由定义来证。若把依赖于样本量预计量看作一种随机变量序列，相合性就是依概率收敛于，因此证明预计相合性可应用依概率收敛性质以及各种大数定律。例6.2.1设是来自正态总体样本，则有辛钦大数定律及依概率收敛性质知：是相合预计；是相合预计；也是相合预计。由此可见参数相合预计不止一种。在判断预计相合性时下述两个定理是很有用。定理6.2.1设是一种预计量，若则是相合预计。证明：对任意，由切比雪夫不等式有另一方面，由可知，当充分大时有注意到此时如果，就有故由此即有定理得证。例6.2.2设是来自均匀总体样本，证明最大似然预计是相合预计。证明在例6.1.8中咱们已经给出最大似然预计是。由顺序记录量分布，咱们懂得分布密度函数为故有由定理6.2.1可知，是相合预计。定理6.2.2若分别是相合预计，是持续函数，则是相合预计。证明有函数持续性，对任意给定，存在一种，当，有（6.2.3）又由相合性，对给定，对任意给定，存在正整数，使得时,.从而有依照（6.2.3）,,故有,由任意性，定理得证.由大数定律及定理6.2.2,咱们可以看到，矩预计普通都具备相合性.例如：·样本均值是总体均值相合预计；·样本原则差是总体原则差相合预计；·样本变异系数是总体变异系数相合预计.例6.2.3设一种实验有三种也许成果，其发生概率分别为现做了次实验，观测到三种成果发生次数分别为，可以采用频率替代办法预计.由于可以有三个不同表达式：从而可以给出三种不同频率替代预计，它们分别是：由大数定律，分别是相合预计，由定理6.2.2知，上述三个预计都是相合预计.无偏性相合性是大样本下预计量评价原则，对小样本而言，需要某些其她评价原则，无偏性便是一种惯用评价原则.定义6.2.2设是一种预计，参数空间为，若对任意,有,则称是无偏预计，否则称为有偏预计.无偏性规定可以改写为，这表达无偏预计没有系统偏差.当咱们使用预计时,由于样本随机性,与总是有偏差,这种偏差时而（对某些样本观测值）为正,时而（对另某些样本观测值）为负,时而大,时而小.无偏性表达，把这些偏差平均起来其值为0，这就是无偏预计含义.而若预计不具备无偏性，则无论使用多少次，其平均也会与参数真值有一定距离，这个距离就是系统误差.例6.2.4对任一总体而言，样本均值是总体均值无偏预计.当总体k阶矩存在时,样本k阶原点矩是总体k阶原点矩无偏预计.但对k阶中心矩则不同样,譬如,样本方差就不是总体方差无偏预计,由于在定理5.2.1中已经指出：.对此，有如下两点阐明：当样本趋于无穷时，有，咱们称为渐近无偏预计，这表白当样本量较大时，可近似看作无偏预计.若对作如下修正：，(6.2.5)则是总体方差无偏预计.这种简朴修正办法在某些场合被采用.（6.2.5）定义也称为样本方差，它比更惯用.这是由于在时，<，因而用预计有偏小倾向，特别在小样本场合要使用预计.无偏性不具备不变性.即若是无偏预计，普通而言，不是无偏预计，除非是线性函数.譬如，是无偏预计，但s不是无偏预计.下面咱们以正态分布为例加以阐明.例6.2.5设总体为是样本，咱们已经指出是无偏预计.由定理5.3.1,其密度函数为.从而由此，咱们有这阐明不是无偏预计，用修正技术可得是无偏预计，其中=是修偏系数，表6.2.1给出了某些取值。可以证明当n时有，这阐明是渐近无偏预计，从而在样本容量较大时,不经修正也是一种较好预计。表6.2.1正态原则差修偏系数表71.0424131.0210191.0140251.010521.253381.0362141.0194201.0132261.010031.128491.0317151.0180211.0126271.009741.0854101.0281161.0168221.0120281.009351.0638111.0253171.0157231.0114291.009061.0509121.0230181.0148241.0109301.00876.2.3有效性参数无偏预计可以有诸多，如何在无偏预计中进行选取？直观想法是但愿该预计环绕参数真值波动越小越好，波动大小可以用方差来衡量，因而人们惯用无偏预计方差大小作为度量无偏预计优劣原则，这就是有效性。定义6.2.3设，是两个无偏预计，如果对任意有Var()Var(),且至少有一种使得上述不等号严格成立，则称比有效。设是取自某总体样本，记总体均值为，总体方差为,则=,=都是无偏预计，但Var()=,Var()=.显然,只要，比有效。这表白，用所有数据平均预计总体均值要比只使用某些数据更有效。例6.2.7在例6.2.2中，咱们指出均匀总体中极大似然预计是，由于，因此不是无偏预计，但是渐近无偏预计。通过修偏后可以得到一种无偏预计：。且.另一方面，由矩法，咱们可以得到一种无偏预计=2，且由此，当时，比更有效。6.2.4均方误差无偏性是预计一种优良性质，对无偏预计咱们还可以通过其方差进行有效性比较。然而不能由此以为：有偏预计一定是不好预计。在有些场合，有偏预计比无偏预计更优，这就涉及如何对有偏预计进行评价。普通而言，在样本量一定期，评价一种点预计好坏使用度量指标总是点预计值与参数真值距离函数，最惯用函数是距离平方。由于具备随机性，可以对该函数求盼望，这就是下式给出均方误差(6.2.6)均方误差是评价点预计最普通原则。自然，咱们但愿预计均方误差越小越好。注意到因而均方误差是由点预计方差和偏差平方两某些构成。如果是无偏预计，则=)Var()，此时用均方误差评价点预计与用方差是完全同样，这也阐明了用方差考察无偏预计有效性是合理。当不是无偏预计时，就要看其均方误差，即