Vise at en estimator er suffisient
Lagt inn: 22/04-2012 23:14
Trenger hjelp til statistikk gitt, må innrømme at jeg har jobbet lite med dette faget i det siste.
Skal vise at [tex]\hat{\sigma}^2 = \sum_{i=1}^n {Y_i}^2[/tex] er suffisient for [tex]\sigma^2[/tex], der [tex]Y_1, \ldots, Y_n[/tex] er normalfordelte med forventningsverdi lik 0 og varians [tex]\sigma_^2[/tex].
Disse vil ha pdf [tex]f_Y(y;\sigma^2) = \frac{1}{\sqrt{2\pi \sigma^2}}e^{-\frac{y^2}{2\sigma^2}[/tex]
Begynner med å finne rimelighetsfunksjonen:
[tex]L(\sigma^2) = \prod_{i=1}^n f_Y(Y_i;\sigma^2) = \frac{1}{(2 \pi \sigma^2)^{n/2}} \; e^{-\frac{1}{2\sigma^2}\sum_{i=1}^n Y_i^2[/tex]
Har skjønt det slik at denne skal kunne skrives som et produkt av pdf'en til [tex]\sigma^2[/tex] og en funksjon som kun avhenger av [tex]Y_i[/tex]. Lurer på hvordan jeg finner denne pdf'en. Prøvde å søke det opp, virket som om det hadde noe å gjøre med chi kvadratfordeling, som jeg ikke har hatt om ennå. Kan også godt hende at det er noe jeg har misforstått.
All hjelp og kommentarer settes pris på!
Skal vise at [tex]\hat{\sigma}^2 = \sum_{i=1}^n {Y_i}^2[/tex] er suffisient for [tex]\sigma^2[/tex], der [tex]Y_1, \ldots, Y_n[/tex] er normalfordelte med forventningsverdi lik 0 og varians [tex]\sigma_^2[/tex].
Disse vil ha pdf [tex]f_Y(y;\sigma^2) = \frac{1}{\sqrt{2\pi \sigma^2}}e^{-\frac{y^2}{2\sigma^2}[/tex]
Begynner med å finne rimelighetsfunksjonen:
[tex]L(\sigma^2) = \prod_{i=1}^n f_Y(Y_i;\sigma^2) = \frac{1}{(2 \pi \sigma^2)^{n/2}} \; e^{-\frac{1}{2\sigma^2}\sum_{i=1}^n Y_i^2[/tex]
Har skjønt det slik at denne skal kunne skrives som et produkt av pdf'en til [tex]\sigma^2[/tex] og en funksjon som kun avhenger av [tex]Y_i[/tex]. Lurer på hvordan jeg finner denne pdf'en. Prøvde å søke det opp, virket som om det hadde noe å gjøre med chi kvadratfordeling, som jeg ikke har hatt om ennå. Kan også godt hende at det er noe jeg har misforstått.
All hjelp og kommentarer settes pris på!