先跟原ｐｏ说声抱歉 看来我误会已久　　一直以为UMVUE跟MVUE一样/__\ 刚刚wiki了一下... 统计学上， 最小方差无偏估计（minimum-variance unbiased estimator，简写为MVUE） 是一个对於所有无偏估计中，拥有最小方差的无偏估计。若无论真实参数值θ是多少， 最小方差无偏估计（MVUE）都比其他不偏估计有更小或至多相等的方差，则称此估计为一 致最小方差无偏估计（uniformly minimum-variance unbiased estimator，简写为UMVUE ） 就如同原ｐｏ的推文 「定义上两者的差别在於 UMVUE是不论参数的条件为何皆成立MVUE则是给定参数条 　件下成立，UMVUE 必定为MVUE，MVUE未必会是 UMVUE」 应该有不少人跟我一样傻傻分不清楚吧^^|| ※ 引述《hi123 (hi123)》之铭言： : ※ 引述《jasonkeen (兔子兔子真可爱～)》之铭言： : : 完备性是 p.d.f. 族的一个性质 : : 那麽是否任意的 p.d.f. 族皆存在完备统计量呢？ : : 我的想法为否，但是不知道自己的想法是否正确，请大家指点迷津 : : 会想到这问题其实是来自於求 Best U.E. 所引申的想法 : : 一般在寻求 Best U.E. (MVUE) 时可能会直接找 UMVUE : 我认为 UMVUE 跟 MVUE 其实是一样的... : : 但是若参数并不存在 C.S.S. 是否可以考虑找 M.S.S. : : 因为若 C.S.S. 存在则 C.S.S. = M.S.S. : : 所以不论给定什麽分配或参数，是不是找 M.S.S. 再调整为不偏即为 Best U.E. 呢？ : : 有些地方其实我也不是很肯定，请大家帮我厘清观念… : 「若 C.S.S. 存在则 C.S.S. = M.S.S.」 这句话没错 : 可是用这句话去推下面的东西感觉很怪＠＠ 逻辑好像不太对 : And : Lehmann Sheffe theorem 里很明白的说了 要的是C.S.S : 如果原本就存在C.S.S 那找M.S.S当然没关系 因为C.S.S. = M.S.S. : 如果C.S.S不存在 那那....就不对了 --

※ 发信站: 批踢踢实业坊(ptt.cc) ◆ From: 58.99.57.106