Howtosignalprocessing
- Bagaimana anda membuktikan ketidaksamaan Cramer-Rao?
- Mengapa kita menggunakan ketidaksamaan Cramer-Rao?
- Apakah asumsi utama ketidaksamaan CR?
- Boleh cramer-rao terikat rendah menjadi negatif?
Bagaimana anda membuktikan ketidaksamaan Cramer-Rao?
Menggunakan cadangan di atas, kini kita dapat memberikan bukti ketidaksamaan Cramér-Rao untuk saiz sampel sewenang-wenangnya n. E (vxi (θ)) = ne (vx (θ)) = 0. | E (v (θ) · θ) | = | Cov (v (θ), θ) | ≤ √ v ar (v (θ)) v ar (θ). V ar (vxi (θ)) = ni (θ).
Mengapa kita menggunakan ketidaksamaan Cramer-Rao?
Ketidaksamaan Cramér -Rao adalah penting kerana ia menyatakan apakah varians yang terbaik adalah untuk penganggar yang tidak berat sebelah. Penganggar yang sebenarnya mencapai batas bawah ini dipanggil cekap. Ia dapat ditunjukkan bahawa penganggar kemungkinan maksimum asimtotikal mencapai batas bawah ini, oleh itu adalah asimtotically efisien.
Apakah asumsi utama ketidaksamaan CR?
Salah satu andaian asas untuk kesahihan ketidaksamaan Cramér -Rao ialah integral di sebelah kiri persamaan yang diberikan di atas dapat dibezakan dengan parameter θ di bawah tanda integral. Akibatnya, ia adalah seperti berikut. Θ (x) f (x, θ) dx = θ, θ ∈ .
Boleh cramer-rao terikat rendah menjadi negatif?
Sekiranya titik data rata -rata di bawah maksud populasi sebenar, maka skornya negatif.
