Nierówność Craméra - Rao
Niech X = (X1, . . . , Xn) będzie próbą losową na przestrzeni X , zaś P = {Pθ, θ ∈ Θ}
rodziną rozkładów prawdopodobieństwa określonych na przestrzeni próby X . Definicja 1. Estymator T funkcji g(θ) nazywamy nieobciążonym, jeżeli
∀θ∈Θ EθT (X) = g(θ).
Definicja 2. Nieobciążony estymator T funkcji g(θ) nazywamy estymatorem nieobciążo- nym o minimalnej wariancji (ENMW[g(θ)]), jeżeli dla każdego nieobciążonego estymatora S funkcji g(θ) zachodzi
∀θ∈Θ V arθT (X) ≤ V arθS(X).
Definicja 3. Przestrzeń statystyczna (X , A, P) jest dominowana, jeżeli istnieje σ- skończona miara µ na (X , A) taka, że każda P ∈ P jest absolutnie ciągła względem µ (istnieje gęstość: dPdµ).
Przykłady:
- rozkłady absolutnie ciągłe (µ - miara Lebesgue’a),
- rozkłady dyskretne na przeliczalnej (lub skończonej) liczbie punktów (µ(A) = ]{xi ∈ A}, miara ’licząca’).
Definicja 4. Niech Θ ⊂ R będzie przedziałem otwartym. Model statystyczny (X , A, P) jest regularny w sensie Craméra - Rao, jeżeli:
(1) rodzina miar P = {Pθ, θ ∈ Θ} jest dominowana przez pewną miarę µ (skończoną), a gęstości fθ mają wspólny nośnik X (niezależny od θ).
(2) istnieje pochodna ∂θ∂fθ(x),
(3) można zamienić kolejność różniczkowania względem θ i całkowania względem x.
(4) dla każdego θ ∈ Θ
I(θ) = Eθ
∂
∂θ ln fθ(X)
2
∈ (0, +∞).
Definicja 5. Informacją Fishera zmiennej losowej X nazywamy funkcję z punktu (4) warunków regularności w sensie Craméra - Rao.
Definicja 6. Informacją Fishera próby losowej X1, . . . , Xn nazywamy funkcję postaci In(θ) = Eθ
∂
∂θln fθ(X1, . . . , Xn)
2
∈ (0, +∞).
1
Fakt Niech X1, . . . , Xn będzie próbą prostą z modelu regularnego.
(4) Jeżeli istnieje pochodna ∂θ∂22fθ(x) i można zamienić kolejności różniczkowania (dru- giego rzędu) względem θ i całkowania względem x, to
I(θ) = −Eθ
∂2
∂θ2 ln fθ(X), (5) Jeżeli próba losowa jest prosta (X1, . . . , Xn są iid), to
In(θ) = nI(θ).
Nierówność Craméra - Rao
Niech X = (X1, . . . , Xn) bedzie próbą z modelu regularnego w sensie Craméra - Rao.
Jeżeli T (X) jest nieobciążonym estymatorem funkcji g(θ), takim, że g0(θ) = dθd R
XT (x)fθ(x)µ(dx) = R
X d
dθT (x)fθ(x)µ(dx), to
∀θ∈Θ V arθT (X) ≥ [g0(θ)]2 In(θ) .
Definicja 7. Efektywnością nieobciążonego estymatora T funkcji g(θ) nazywamy funkcję
e(T ) =
[g0(θ)]2 In(θ)
V arθT (X) = [g0(θ)]2 V arθT (X) · In(θ).
Definicja 8. Estymator nieobciążony T funkcji g(θ) w modelu regularnym nazywany jest estymatorem efektywnym w sensie Craméra - Rao, jeżeli
∀θ∈Θ e(T ) = 1.
UWAGI
(1) Jeżeli estymator T jest efektywny, to jest też estymatorem ENMW[g(θ)].
(2) Mogą istnieć ENMW, które nie są efektywne.
(3) Jeżeli model nie jest regularny, to mogą istnieć estymatory nieobciążone nade- fektywne (superefektywne), tzn. takie, których wariancja jest mniejsza niż oszacowanie wynikające z nierówności Craméra - Rao.
2