在什麼條件下,最大似然估計值是無偏估計?
01-04
在很多情況下,一個參數的最大似然估計都是無偏估計,如正態分布的均值;
但是也有一些情況,最大似然估計不是無偏估計,如正態分布的方差。那麼是否存在一些條件,使得當概率分布函數和待估參數滿足這些條件時,該參數的最大似然估計值是無偏估計?
這個問題可以參考點估計理論的一些結論。有本書叫做《Theory of Point Estimation》講的很系統。
極大似然估計只能保證一致性,無偏性是很難保證的。比如對於正態分布的極大似然估計:
儘管對mu的估計是無偏的,但是對於方差的估計就是有篇的。當然,對於方差的估計,如果乘以N/(N-1)就是無偏的了。
然而對於標準差的估計就沒有那麼幸運了,最麻煩的問題是一個函數的期望不等於期望的函數,除非這個函數是線性函數。因而對於一個參數 ,即使它的函數 存在無偏估計, 的無偏估計也可能是不存在的。如果對於 存在一個無偏估計,那麼 被稱為是U-estimable的。如果對於任意的總體參數 , 的無偏估計量 在所有無偏估計量中都是方差最小的,我們稱這個估計量為UMVU。
有一個結論可能對題主有用,就是如果存在無偏估計量,那麼UMVU估計量是充分且完備統計量 的函數。而對於很多分布,特別是指數分布族,極大似然估計和充分完備統計量有著天然的聯繫,所以不妨從這裡入手找所謂的無偏估計。
這問題有點難,從分布P(λ|O)的角度上看,最大似然估計是用這個概率分布的極值的位置,而最小均方估計(無偏估計)是用的期望值E(λ|O),後者不僅跟極值有關,甚至跟每個位置的概率密度都有關係,所以應該沒有什麼特別簡潔的條件吧……如果概率密度分布具備某些特殊的條件,也許可以有一些具體的條件,暫時想不到。
線性系統,高斯雜訊
推薦閱讀:
※有道超級計算器,答案不應該是-2嗎?計算器為什麼給出了虛數部分。?
※類比於非歐幾何學,是否存在非柯概率論?
※一些疑問關於概率空間和實際應用?
※一個求極限的問題?
※怎樣理解希爾伯特的名言「我們必須知道 我們必將知道」?