UA MATH566 统计理论1 充分统计量例题答案3
例1.18
X1,⋯,Xn∼iidN(μ,σ2),验证
T(X)=(Xˉ,SST)是完备统计量。
先写出样本的联合概率密度,
f(x1,⋯,xn)=i=1∏n{2πσ
1exp(−2σ2(Xi−μ)2)}=(2π)−n/2σ−nexp(−2σ21i=1∑n(Xi−μ)2)
我们把指数中的完全平方拆分一下,
i=1∑n(Xi−μ)2=i=1∑n(Xi−Xˉ+Xˉ−μ)2=i=1∑n(Xi−Xˉ)2+n(Xˉ−μ)2=SST+n(Xˉ−μ)2
交叉项为0,因为
i=1∑n(Xi−Xˉ)(Xˉ−μ)=(Xˉ−μ)(i=1∑nXi−nXˉ)=0
因此
f(x1,⋯,xn)=(2π)−n/2σ−nexp(−2σ21[SST+n(Xˉ−μ)2])
它只与
(Xˉ,SST)以及参数有关,根据Fisher-Neyman定理,
(Xˉ,SST)是充分统计量。接下来验证它的完备性。因为
Xˉ与
SST互相独立,所以可以分别考虑这两者对
μ和
σ2的完备性。对于样本均值,考虑它对
N(μ,1)的完备性,假设
h1是它的一个可测函数,则
E[h1(Xˉ)]=∫−∞+∞h(x)2π
1exp(−21(x−μ)2)dx=0⇒∫−∞+∞h(x)exp(−x2/2)exp(xμ)=0
这是
h(x)exp(−x2/2)的Laplace变换,根据Laplace变换的完备性,
h(x)exp(−x2/2)=0,h(x)=0,∀x
接下来考虑
SST对
N(0,σ2)的完备性。
SST∼χn−1,类似的
SST的可测函数的期望可以写成含这个可测函数的Laplace变换,下面的步骤大家自己尝试。
例1.19
X1,⋯,Xn∼iidf(x∣θ)=h(x)eQT(θ)T(x)−b(θ),验证
T(X)是完备统计量。
思路一样,需要用到自然形式的指数族的
T(X)也服从某一自然形式的指数分布的结论。所有指数分布族,证明完备性的思路都是写成Laplace变换的形式,根据Laplace变化的唯一性(或者也叫完备性)来说明统计量的完备性。
例1.20
X1,⋯,Xn∼iidf(x∣θ)=θxθ−1I(0,1)(x),找完备充分统计量。
先写出联合概率密度,
f(x1,⋯,xn∣θ)=θn(i=1∏nxi)θ−1i=1∏nI(0,1)(xi)=θn(i=1∏nxi)θ−1I(0<x(1)<x(n)<1)
根据Fisher-Neyman定理,
T(X)是充分统计量
T(X)=i=1∏nXi
现在证明它的完备性。先考虑
Y=−lnX的分布,
P(Y≤y)=P(X>e−y)⇒FY(y)=1−FX(e−y)⇒fY(y)=e−yfX(e−y)fY(y)=e−yθe−y(θ−1)=θe−θy,y>0
这是
Γ(1,θ),具有可加性,因此记
Z=i=1∑nYi=−lni=1∏nXi∼Γ(n,θ)
从而
T(X)=e−Z,
Z也是一个充分统计量,记
h是
Z的一个可测函数,则
E[h(Z)]=∫0+∞h(z)Γ(n)θnzn−1e−θzdz=∫0+∞h(z)Γ(n)zn−1e−θz+(n−1)lnθd(θz)
这是
h(z)zn−1/Γ(n)的Laplace变换,其中
zn−1/Γ(n)>0,因此
h(z)=0,
Z是完备统计量。
最后做个简单的总结。关于统计量的充分性主要有三个问题:
- 找充分统计量;
这个问题原理就是Fisher-Neyman定理,把样本的联合概率密度写出来就可以直接看出来;
- 找最小充分统计量;
这个问题是算两组样本的似然比,似然比与参数无关当且仅当样本的统计量相等时,那个充分统计量就是最小的
- 找完备统计量;
完备统计量的证明有三种常见的情况。样本空间有限的离散型随机变量,把期望表示成多项式,多项式恒为零说明系数均等于0;样本空间无限的离散型随机变量,把期望表示成Z变换或者幂级数,根据Z变换或者幂级数的唯一性说明统计量的完备性;连续型随机变量,把期望表示成Laplace变换的形式(指数分布族是肯定可以的),根据Laplace变换的唯一性说明统计量的完备性。