logo

최소분산불편추정량의 유일성 📂수리통계학

최소분산불편추정량의 유일성

정리 1

만약 WWτ(θ)\tau (\theta)최선불편추정량이라면, WW 는 유일하다.

증명

코시-슈바르츠 부등식: 확률변수 X,YX, Y 에 대해 다음이 성립한다. Cov(X,Y)VarXVarY \operatorname{Cov} (X,Y) \le \operatorname{Var} X \operatorname{Var} Y 등호가 성립하는 필요충분조건은 다음과 같다. a0,bR:aX+b=Y \exist a \ne 0 , b \in \mathbb{R} : a X + b = Y


ww 'WW 와 또 다른 최선불편추정량이라고 하고, W:=(W+W)/2W^{\ast} := \left( W + W’ \right) / 2 를 생각해보면 그 기대값은 EθW=(τ(θ)+τ(θ))/2=τ(θ) E_{\theta} W^{\ast} = \left( \tau (\theta) + \tau (\theta) \right) / 2 = \tau (\theta) 이고 분산은 VarθW=Varθ(12W+12W)=14VarθW+14VarθW+12Covθ(W,W)14VarθW+14VarθW+12VarθWVarθW=VarθW \begin{align*} \operatorname{Var}_{\theta} W^{\ast} =& \operatorname{Var}_{\theta} \left( {{ 1 } \over { 2 }} W + {{ 1 } \over { 2 }} W’ \right) \\ =& {{ 1 } \over { 4 }} \operatorname{Var}_{\theta} W + {{ 1 } \over { 4 }} \operatorname{Var}_{\theta} W’ + {{ 1 } \over { 2 }} \operatorname{Cov}_{\theta} \left( W, W’ \right) \\ \le& {{ 1 } \over { 4 }} \operatorname{Var}_{\theta} W + {{ 1 } \over { 4 }} \operatorname{Var}_{\theta} W’ + {{ 1 } \over { 2 }} \sqrt{\operatorname{Var}_{\theta} W \cdot \operatorname{Var}_{\theta} W’} \\ =& \operatorname{Var}_{\theta} W \end{align*}

위에서 부등식 << 이 성립한다면 WW 가 최선불편추정량이라는 전제에 모순이므로 등식 == 만 모든 θ\theta 에 대해 성립하는 것을 보이면 된다. 등호만 성립하는 필요충분조건은 어떤 a(θ)0a (\theta) \ne 0b(θ)Rb(\theta) \in \mathbb{R} 에 대해 a(θ)W+b(θ)=wa (\theta) W + b(\theta) = w ' 가 성립하는 것이고, 직접 계산해보면 공분산의 성질에 따라 Covθ(W,W)=Covθ(W,W)=Covθ(W,a(θ)W+b(θ))=Covθ(W,a(θ)W)=a(θ)VarθW \begin{align*} \operatorname{Cov}_{\theta} \left( W, W’ \right) =& \operatorname{Cov}_{\theta} \left( W, W’ \right) \\ =& \operatorname{Cov}_{\theta} \left( W, a (\theta) W + b(\theta) \right) \\ =& \operatorname{Cov}_{\theta} \left( W, a (\theta) W \right) \\ =& a (\theta) \operatorname{Var}_{\theta} W \end{align*} 이미 위에서 Covθ(W,W)=VarθW\operatorname{Cov}_{\theta} \left( W, W’ \right) = \operatorname{Var}_{\theta} W 이었으므로 a(θ)=1a(\theta) = 1 이고, Eθτ(θ)E_{\theta} \tau (\theta) 이므로 b(θ)=0b(\theta) = 0 여서 W=wW = w ' 다.


  1. Casella. (2001). Statistical Inference(2nd Edition): p343. ↩︎