设
为 的基于样本的 的一个估计量,显然它依赖于样本n,为表明这种依赖性,可以记之为。随着样本量的变化,可得到一列估计量,一个自然的希望是,当样本容量无线增加时,估计量能够依某种意义接近于被估计量的真值。显然,这是对估计量的起码要求。相合性就是这样的一个要求。相合估计量
弱相合估计,简称为相合估计。
设
为 的基于样本的 的一个估计量,若对任意固定的,都满足:对于任给的,有成立,则称 为 的相合估计量,上述极限式简记为。强相合估计量
若对任何固定的
都有则称 为 的强相合估计量,上述式子可简记为,这里a.s.为almost surely的缩写。两者的关系
若对任意固定的
,随机变量序列 依概率收敛于;而 则表明对于任何,几乎处处收敛于,可以证明,强相合估计量必为相合估计量。定理1
设
在参数空间 上连续,为 的强相合估计量,,则 为 的强相合估计量。定理2
设总体有直到
阶的矩。可表示为,且G为连续函数。记 分别为样本原点矩和样本中心矩,则 为 的强相合估计量。注意:由该定理可知,矩估计量一般是强相合的。
定理3
设分布族
满足:(1)X是有限集;
(2)对于不同的参数值θ和
,所对应的分布不同;(3)
有共同支撑,即 与θ无关;则对于简单随机样本
,θ的最大似然估计量 存在,且 为θ的相合估计量。定理4
设分布族
满足:(1)θ为R(一维实空间)中的开集;
(2)不同的参数值θ和θ’,所对应的分布不同;
(3)
有共同支撑A;(4)
对θ的偏导数 在X上存在,并且当简单随机样本 时,似然方程 有且仅有解,则,即 为θ的相合估计量。例1
设
,则 是θ的有偏估计,但它是相合的。证明:
的密度函数为,此处 为A的示性函数。故对任意,有可见 为θ的相合估计。例2
设
,证明θ的极大似然估计是相合的。证明:似然函数为
故有可见为θ的严格单调下降函数。又因为从而有且仅有一个解。故似然方程的根必为极大似然估计量且是相合估计。1、本网站为开放性注册平台,以上所有展示信息均由会员自行提供,内容的真实性、准确性和合法性均由发布会员负责,本网站对此不承担任何法律责任。
2、网站信息如涉嫌违反相关法律规定或侵权,请发邮件至599385753@qq.com删除。