Cramer-Rao alt sınırı $g(\lambda)$ = $e^{-\lambda}$ ne zaman $x_i \sim Pois(\lambda)$

Question

İzin Vermek $x_1 ... x_n$ olmak $Pois(\lambda)$, $\lambda>0$ ve $n \geq 2$. Kullanım$W(X)=I(X_1=0)$ tahmin $g(\lambda)=e^{-\lambda}$. Bunlara ek olarak,$T(X)= \sum_{i=1}^n X_i$ için yeterli bir istatistiktir $\lambda$.

Bunu zaten ispatladım $\phi(T(X))=(1-\frac{1}{n})^{\sum_{i=1}^n X_i}$ tarafsız bir tahmincidir $e^{-\lambda}$.

Kanıtlamak istiyorum eğer $\phi(T(X))$ Cramer-Rao alt sınırına ulaşıyor, ancak tanımı uygulayarak onu hesaplamaya çalışırken kayboluyorum.

Answer 1

İlk önce, varyansını hesaplayalım $\phi(T(X))$:

$$\begin{align} \mathbb E[\phi(T(X))^2]&=\sum_{k=1}^\infty \frac{e^{-n\lambda}(n\lambda)^k}{k!}\cdot\left(1-\frac{1}{n}\right)^{2k}\\ &=e^{-n\lambda}\sum_{k=0}^\infty\frac{(n\lambda)^k}{k!}\left(1-\frac 2n+\frac 1{n^2}\right)^k\\ &=e^{-n\lambda}\sum_{k=0}^\infty\frac{1}{k!}\left(n\lambda-2\lambda+\frac{\lambda}{n}\right)^k\\ &=e^{-n\lambda}\cdot e^{n\lambda-2\lambda+\frac\lambda n}\\ &=e^{\lambda\left(\frac{1}{n}-2\right)} \end{align}$$

Ve bunu kullanarak $\phi(T(X))$ tarafsızdır:

$$\begin{align} \text{Var}(\phi(T(X)))&=\mathbb E[\phi(T(X))^2]-\mathbb E[\phi(T(X))]^2\\ &=e^{\lambda\left(\frac{1}{n}-2\right)}-e^{-2\lambda}\\ &=e^{-2\lambda}\cdot\left(e^{\lambda/n}-1\right) \end{align}$$

Şimdi, bunu Cramér-Rao sınırıyla karşılaştırmalıyız. Olasılık işlevi şu şekilde verilir:

$$\begin{align} \ell(\lambda)&=\sum_{i=1}^n\log\left(\frac{e^{-\lambda}\lambda^{X_i}}{X_i!}\right)=-n\lambda + \log(\lambda)T(X)-\sum_{i=1}^n\log(X_i!) \end{align}$$

Ardından Fisher bilgilerini alabiliriz:

$$\begin{align} \mathcal I_F&=-\mathbb E\left[\frac{\partial^2\ell(\lambda)}{\partial\lambda^2}\right]=\mathbb E\left[\frac{T(X)}{\lambda^2}\right]=\frac n\lambda \end{align}$$

Son olarak, Cramér-Rao, $g(\lambda)$ dır-dir:

$$\frac{g'(\lambda)^2}{\mathcal I_F}=\frac{e^{-2\lambda}}{n/\lambda}=\frac{\lambda}{n}e^{-2\lambda}$$

Bu daha önce bulduğumuz varyanstan farklıdır, bu nedenle bulduğunuz tahminci Cramér-Rao sınırına ulaşmıyor . Taylor genişlemesini kullanarak tahmin edicinizin asimptotik açıdan verimli olduğunu , yani tahmin edicinin varyansının asimptotik olarak Cramér-Rao bağına eşit olduğunu da kanıtlayabilirsiniz .

Umarım yardımcı olmuştur!