不偏推定量
📂数理統計学不偏推定量
定義
θ の推定量 T が次を満たす場合、T は θ の不偏推定量unbiased estimatorと呼ばれる。
ET=θ
説明
特に、θ に対する不偏推定量の中で分散が最も小さい場合、最小分散不偏推定量minimum Variance Unbiased Estimator, MVUEと呼ばれる。
不偏性とは、偏りを持たない性質のことを言う。例えば、Xi∼(μ,σ2) とする時、μ の推定量として標本平均 X=n1i∑Xi を使用する場合、EX=μ であるため、X は μ の不偏推定量になる。これは一見当たり前に見えるが、推定量が母数を正確に示すことは非常に重要な性質であり、当たり前のことではない。例えば、分散と標本分散について見てみよう。
例
Xi∼(μ,σ2)
とする場合、分散の不偏推定量は次のようになる。
S2:=n−11i=1∑n(Xi−X)2
知られているように、標本平均とは異なり、標本分散は偏差の二乗をすべて加算した後、n ではなく n−1 で割る。標本分散を求める際に n−1 で割る理由には、聞く人のレベルに応じて様々な説明ができるが、最も正確な式で説明するならば、「標本分散が不偏推定量となるため」である。
証明
μ:=EXσ2:=EXi2−μ2
とすると、
E(X2)−μ2======E(X2)−(EX)2VarXVar(n1i=1∑nXi)n21i=1∑nVarXin21nσ2nσ2
よって、標本分散 S2 の期待値は
ES2======(n−1)−1Ei=1∑n(Xi−X)2(n−1)−1[i=1∑nEXi2−i=1∑nEX2](n−1)−1[i=1∑n(σ2+μ2)−n(μ2+nσ2)](n−1)−1[nσ2+nμ2−nμ2−σ2](n−1)−1(n−1)σ2σ2
■