Asymptotyczna normalno±c i asymptotyczna efektywno±¢ estymatorów Denicja 1. Estymator ˆg(X1, . . . , Xn)wielko±ci g(θ) jest asymptotycznie normalny, je»eli
∀θ∈Θ ∃σ2(θ) √
n(ˆg(X1, . . . , Xn) − g(θ)) −→dN (0, σ2(θ)), n −→ ∞,
tzn. rozkªad statystyki ˆg(X1, . . . , Xn)jest (dla du»ych n) zbli»ony do rozkªadu N(g(θ),σ2n(θ)). Ozn. ˆg(X) ∼ AN(g(θ),σ2n(θ)). Wielko±¢ σ2n(θ) nazywamy asymptotyczn¡ wariancj¡ esty- matora ˆg(X1, . . . , Xn).
Twierdzenie (Metoda delta) Je»eli dla ci¡gu zmiennych Tn mamy √
n(Tn− µ) −→d N (0, σ2)przy n −→ ∞ i h : R −→ R jest funkcj¡ ró»niczkowaln¡ w punkcie µ, to
√n (h(Tn) − h(µ)) −→dN (0, σ2· (h0(µ)2).
Denicja 2. Je»eli ˆg jest asymptotycznie normalnym estymatorem g(θ). Wówczas asymptotyczn¡ efektywno±¢ estymatora okre±lamy jako
as.ef(ˆg) = (g0(θ))2n
σ2(θ)In(θ) = (g0(θ))2 σ2(θ)I1(θ).
Jest to modykacja 'zwykªej' efektywno±ci: rol¦ wariancji estymatora nieobci¡»onego przejmuje tu asymptotyczna wariancja estymatora normalnego.
Denicja 3. Estymator ˆg nazywamy asymptotycznie efektywnym, je»eli
∀θ∈Θ as.ef(ˆg) = 1.
Twierdzenie Je»eli ci¡g zmiennych losowych Tn jest AN(µ, σn2), σn −→ 0oraz h : R −→
Rjest m-krotnie ró»niczkowalna w µ i h(m)(µ) 6= 0, h(i)(µ) = 0 dla i < m, to h(Tn) − h(µ)
1
m!h(m)(µ)σnm −→dN (0, 1)m Fakt Je»eli ci¡g zmiennych losowych Tn jest AN(µn, σ2n) oraz
¯ µn− µn
σn → 0, ¯σn σn → 1, to Tn jest AN(¯µn, ¯σn2).
Fakt Je»eli ci¡g zmiennych losowych Tn jest AN(µn, σ2n) oraz
an → 1, µn(an− 1) + bn
σn → 0,
to anTn+ bn jest równie» AN(µn, σn2).
1