[問題] 動差法對同一個參數估計得到不同的算法?

看板Statistics作者 ( )時間13年前 (2013/10/18 00:55), 編輯推噓-1(0113)
留言14則, 2人參與, 最新討論串1/1
假設Xi~Gamma(α,β) fx(x)=(1/Γ(α)β^α)x^(α-1)exp(-x/β), x>0, α,β>0 因為 E(X)=αβ Var(X)=αβ^2 skewness=2/√α kurtosis=3+6/α 令s=樣本二階主動差(central moment) 藉由E(X)和Var(X)可得 α-hat=X-bar^2/s^2 β-hat=s^2/X-bar 藉由E(X)和skewness可得 α-hat=4/skewness^2 β-hat=(X-bar/4)skewness^2 藉由E(X)和kurtosis可得 α-hat=6/(kurtosis-3) β-hat=(X-bar/6)(kurtosis-3) 後兩組估計量也能算是MME嗎? 如果是, 那麼這三組MME代入樣本後的估計值多少有些不同, 哪一種比較好? 在大樣本的情況下,三種MME的估計值是否近似? (因為MME有一致性,我想說應該都會近似) 順便一問: 因為mode=(α-1)β 如果用mode和E(X)導出 α-hat=X-bar/(X-bar-mode) β-hat=X-bar-mode 這樣的估計量也是MME嗎? (要怎麼否證或證明樣本眾數是母體眾數的一致估計量?) ※ 編輯: anovachen 來自: 111.255.246.49 (10/18 01:14)

10/18 09:22, , 1F
1.比三組各別的MSE大小.如果是unbis,則比variance.
10/18 09:22, 1F

10/18 09:36, , 2F
MME一般沒有近似.僅是方便取得的點估計方法.
10/18 09:36, 2F

10/18 09:37, , 3F
3.先定義一下Gamma的樣本眾數
10/18 09:37, 3F

10/18 09:38, , 4F
按錯噓了...sorry.
10/18 09:38, 4F

10/18 23:27, , 5F
動差法一般是取較低階動差. 至於取高階動差是否會較好或較差
10/18 23:27, 5F

10/18 23:28, , 6F
我沒去探究. 通常會考慮動差法是因其他方法較難算, 或者以之
10/18 23:28, 6F

10/18 23:29, , 7F
為如 MLE 等需疊代計算者之起始值.
10/18 23:29, 7F

10/18 23:30, , 8F
動差估計一般具一致性, 因此理論上大樣本之不同動差估計應漸
10/18 23:30, 8F

10/18 23:31, , 9F
近相等.
10/18 23:31, 9F

10/18 23:33, , 10F
樣本眾數...定義上就問題重重. 現在初統教本那種未分組資料
10/18 23:33, 10F

10/18 23:34, , 11F
之眾數定義顯然是不適當的; 而分組資料, 組距、組界、以及如
10/18 23:34, 11F
請問為何初統教本的定義不恰當?可以舉例嗎?謝謝!!

10/18 23:36, , 12F
何計算眾數, 都需要謹慎考慮. 或許考慮如 kernel density e.
10/18 23:36, 12F

10/18 23:37, , 13F
再根據估計的密度函數定義樣本眾數並探討此種估計量之特性,
10/18 23:37, 13F

10/18 23:38, , 14F
是個可以考慮的方向----不過, 或許已有人做過?
10/18 23:38, 14F
感謝回答! 請問用skewness和kurtosis估計也算MME嗎? 正規的做法好像都要拿E(X^n)來估? (書上是有用E(X)和E(X^2)估計的例子) ※ 編輯: anovachen 來自: 111.255.12.110 (10/20 00:52)
文章代碼(AID): #1IO1QFpd (Statistics)