6章
ここにまとめる。
3
が十分統計量であることを示す。
これで大丈夫だと思う。 Tの平均と分散を求める。Xiは独立なので多分こんな感じでいける。最初は平均。
部分積分するだけ。
n倍したものが答え。
次が分散。独立っぽいから次を求める。計算は平均のときと同様でよい。
第1項は消える。第二項もまとめると
なので、分散は
これをn倍したものが答え。
5
ここの「多項分布のMLEの求め方」の通り。
6
指数型分布族のpdfあるいはpmfは
6-a関係式を示す
cは次のような正規化定数
これを偏微分の方だけに突っ込んで整理する。
シグマの中の添字をiのままにしてしまった。ごめんなさい。
6-b最尤推定量
対数尤度がこんな感じになる。
シグマの部分は深呼吸して書けば変形できる。
ちょっと変形すれば
6-cモーメント推定量
そもそも最初に求めてある関係式から
でもになる。
7
7-1
気になるところだけ取って掛け算
正規化項ないだけで、これっててことですね。
手元の書籍は2刷なんだけど、ここ誤植ですよね。
7-2
前問から、事後分布は
なので期待値は
項分けてnとかα+βで割ったり書けたりすればOK。
しかしなんでこんな変形なの?と思うけど、事前分布の影響+Xの確率分布による影響と分離している感じだと強引に解釈した。
8
8-1
なので、事後分布は
8-2
前問で事後分布はわかっている。
平均は
分散
9
余裕だと思って暗算チャレンジしたら詰まった。悔しい
9-1
期待値とると、θΣai=θとなるので、Σai=1ならよいことがわかる。
(ai非負の条件って不要なんだっけ?)
9-2
上の条件のもと、分散を最小にするものを考える。
をのもとで最小化しろという問題。
多分ラグランジュ乗数がになるはず。
なんか分散上手く計算できないけど、直感的には多分
11
とする。
11-1
まず、である。(二項分布の分散求める時に計算しているはずだから、既知とする)
なので、となる。
よって
11-2
デルタ法で計算する。
最尤推定量については g(p)=p(1-p)の微分を二乗してかければ良い
不偏推定量については、次のように変形する。
一項目は最尤推定量のそれと同じ。二項目は0に確率収束する。 なので不偏推定量と最尤推定量の漸近分布が一致する。
14
13の問題設定を引継ぎ、標準偏差を推定する問題。
14-1
x>0で分けて変形する
普通に積分できる
14-2
より、とできる。
なのでとしたら
CLTから
でも最尤推定量の方だとになる。
びみょうにMLEの方が分散が小さい