Esta questão é do problema 7.4.9 de Robert Hogg, Introdução à estatística matemática 6a versão, na página 388.
Seja ser iid com pdf zero em outro lugar, onde .X1,...,Xnf(x;θ)=1/3θ,−θ<x<2θ,θ>0
(a) Encontre o valor deθ^θ
(b) uma estatística suficiente para ? Por quê ?θ^θ
(c) o MVUE exclusivo de ? Por quê ?(n+1)θ^/nθ
Eu acho que posso resolver (a) e (b), mas estou confuso com (c).
Para):
Seja as estatísticas do pedido.Y1<Y2<...Yn
-θ<y1yn<2θL(θ;x)=0L(θ;x)=13θ×13θ×...×13θ=1(3θ)n quando e ; em outro lugar−θ<y1yn<2θL(θ;x)=0
dL(θ;x)dθ=−n(3θ)n−1 , uma vez que , podemos ver que essa derivada é negativa,θ>0
então a função de probabilidade está diminuindo.L(θ;x)
De e , e y n < 2 θ ) ⇒ ( θ > - y 1 θ > y n / 2 ) , ⇒ θ > m a x ( - y 1 , y n / 2 )(−θ<y1yn<2θ)⇒ (θ>−y1θ>yn/2),⇒θ>max(−y1,yn/2)
θ θ > m a x ( - y 1 , y n / 2 ) θ = m a x ( - y 1 , y n / 2 )L(θ,x) está diminuindo, portanto, quando tiver o menor valor, a função de probabilidade alcançará o máximo, pois , quando , a função de probabilidade alcançará o valor máximo.θθ>max(−y1,yn/2)θ=max(−y1,yn/2)
∴ mleθ^=max(−y1,yn/2)
Para (b):
f(x1;θ)f(x2;θ)...f(xn;θ)=1(3θ)n∏niI(−θ<xi<2θ)=1(3θ)nI(max(xi)<2θ)×1
∴ pelo teorema de fatoração de Neyman, é uma estatística suficiente para . Portanto, também é uma estatística suficienteyn=max(xi)θyn/2
Samely,
f(x1;θ)f(x2;θ)...f(xn;θ)=1(3θ)n∏niI(−θ<xi<2θ)=1(3θ)nI(min(xi)>−θ)×1
∴ pelo teorema de fatoração de Neyman, é uma estatística suficiente para . Portanto, também é uma estatística suficiente.y1=min(xi)θ−y1
Para (c):
Primeiro, encontramos o CDF deX
F(x)=∫x−θ13θdt=x+θ3θ,−θ<x<2θ
Em seguida, podemos encontrar pdf para e na fórmula do livro para as estatísticas do pedido.Y1Yn
f(y1)=n!(1−1)!(n−1)![F(y1)]1−1[1−F(y1)]n−1f(y1)=n[1−y1+θ3θ]n−113θ=n1(3θ)n(2θ−y1)n−1
Samely,
f(yn)=n(yn+θ3θ)n−113θ=n1(3θ)n(yn+θ)n−1
Em seguida, vamos mostrar a integralidade da família de pdf para ef(y1)f(yn)
E[u(Y1)]=∫2θ−θu(y1)n1(3θ)n(2θ−y1)n−1dy1=0⇒∫2θ−θu(y1)(2θ−y1)dy1=0 . Por (derivar a integral), podemos mostrar para todos .FTCu(θ)=0θ>0
Portanto, a família do pdf está completa.Y1
Da mesma forma, ainda pela , podemos mostrar que a família de pdf está completa.FTCYn
O problema é agora que precisamos mostrar que é imparcial.(n+1)θ^n
Quandoθ^=−y1
E(−y1)=∫2θ−θ(−y1)n(3θ)n(2θ−y1)n−1dy1=1(3θ)n∫2θ−θy1d(2θ−y1)n
Podemos resolver a integral integrando peças
E(−y1)=1(3θ)n[y1(2θ−y1)n∣2θ−θ−∫2θ−θ(2θ−y1)ndy1]=1(3θ)n[θ(3θ)n−(3θ)n+1n+1]=θ−3θn+1=(n−2)θn+1
∴E((n+1)θ^n)=n+1nE(−y1)=n+1n(n−2)θn+1=n−2nθ
Portanto, não é um estimador imparcial de quando(n+1)θ^nθθ^=−y1
Quandoθ^=yn/2
E(Yn)=∫2θ−θynn(3θ)n(yn+θ)n−1dyn=1(3θ)n∫2θ−θynd(yn+θ)n=1(3θ)n[yn(yn+θ)n∣2θ−θ−∫2θ−θ(yn+θ)ndyn]=1(3θ)n[2θ(3θ)−(3θ)n+1n+1]=2θ−3θn+1=2n−1n+1θ
∴E((n+1)θ^n)=n+1nE(Yn/2)=n+12nE(Yn)=n+12n2n−1n+1θ=2n−12nθ
Ainda assim, não é um estimador imparcial de quando(n+1)θ^nθθ^=yn/2
Mas a resposta do livro é que é um MVUE exclusivo. Eu não entendo por que é um MVUE se é um estimador tendencioso.(n+1)θ^n
Ou minhas clulas estão erradas, por favor me ajude a encontrar os erros, posso lhe dar cálculos mais detalhados.
Muito obrigado.