Несмещенная оценка для меньшей из двух случайных величин


13

Предположим, что XN(μx,σx2) и YN(μy,σy2)

z=min(μx,μy)z

Простая оценка где и являются примерами средних значений и , например, смещена (хотя и непротиворечива). Это имеет тенденцию к недоразвитию .min(x¯,y¯)x¯y¯XYz

Я не могу думать о непредвзятой оценке для . Один существует?z

Спасибо за любую помощь.

Ответы:


8

Это всего лишь пара комментариев, а не ответ (не хватает точки респ.).

(1). Здесь есть явная формула для смещения простой оценки здесь:min(x¯,y¯)

Кларк, CE 1961, март-апр. Наибольшее из конечного набора случайных величин. Исследование операций 9 (2): 145–162.

Не уверен, как это помогает, хотя

(2). Это просто интуиция, но я думаю, что такой оценки не существует. Если есть такая оценка, она также должна быть беспристрастной, когда . Таким образом, любое «понижение», которое делает оценку меньше, чем, скажем, средневзвешенное значение для двух выборочных средств, делает оценку смещенной для этого случая.μx=μy=μ


1
возможно, любая коррекция может в итоге иметь нулевое значение для этого случая.
кардинал

Однако, чтобы уточнить, я не утверждаю, что считаю, что существует объективная оценка. На самом деле, я согласен, что, вероятно , нет .
кардинал

1
Да согласен - это просто интуиция. В следующей статье приведены условия существования несмещенной оценки для функции одномерного среднего гауссовского значения - возможно, можно расширить до многомерного: stat.ncsu.edu/library/mimeo.archive/ISMS_1988_1929.pdf
или Zuk

Зная, что предвзятость может помочь, вы можете исправить ее, чтобы получить объективную оценку. Я на самом деле пошел по этому пути, но вычисление точного смещения требует, чтобы у вас были и u y - а у нас их нет. Поэтому, естественно, я попытался использовать образец среднего вместо того, чтобы посмотреть, что произойдет. Похоже, это не поможет. В симуляциях исправленная оценка также демонстрирует смещение. Я склоняюсь к объективной оценке, которой не существует, но я не нашел для этого веских доказательств. uxuy
Pazam

5

Вы правы в том, что объективной оценки не существует. Проблема в том, что интересующий параметр не является гладкой функцией основного распределения данных из-за при μ x = μ y .μx=μy

Доказательство состоит в следующем. Пусть - несмещенная оценка. Тогда E μ x , μ y [ T ( X , Y ) ] = min { μ x , μ y } . Левая часть дифференцируема всюду относительно μ x и μ y (дифференцировать под знаком интеграла). Однако правая часть не дифференцируема при μ x = μ yT(X,Y)Eμx,μy[T(X,Y)]=min{μx,μy}μxμyμx=μy, что приводит к противоречию.

Хирано и Портер имеют общее доказательство в предстоящей работе эконометрики (см. Их предложение 1). Вот рабочая версия документа:

http://www.u.arizona.edu/~hirano/papers/hp4_2011_11_03.pdf


Очень хорошо! Спасибо, что ответили на этот вопрос.
whuber

1

Существует оценка для минимума (или максимума) набора чисел для данной выборки. См. Laurens de Haan, «Оценка минимума функции с использованием статистики порядка», JASM, 76 (374), июнь 1981, 467-469.


К сожалению, я не думаю, что статья, на которую вы ссылаетесь, решает эту проблему. В статье рассматриваются случаи, когда у вас есть набор нестохастических переменных A и поиск наименьшего элемента в A с помощью выборки. В контексте этой проблемы каждый элемент в A будет случайной величиной, и в этом заключается кикер. Вы должны найти объективную оценку среднего значения наименьшей случайной величины в A.
pazam

0

Я был бы вполне уверен, что объективной оценки не существует. Но беспристрастные оценки не существуют для большинства величин, и в первую очередь беспристрастность не является особенно желательным свойством. Почему вы хотите один здесь?


YY
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.