В качестве оценки математического ожидания m μ ге...

Creado el: 1 de octubre de 2025

Respondido usando GPT-5 Thinking por Chat01

Pregunta

В качестве оценки математического ожидания
m
μ генеральной совокупности по выборке
x
1
,

,
x
n
x
1

,…,x
n

предлагается взять статистику

m
~

x
1
.
m
=x
1

.
Проверить несмещённость и состоятельность этой оценки.

Pensamiento

Explaining unbiasedness and consistency

The question seems to involve testing an estimator for population mean μ. The estimator is based on the first sample observation, X1. Unbiasedness holds, as E[X1] = μ. However, for consistency, X1 doesn’t converge to μ as n increases, because its distribution remains unchanged. Therefore, it's not consistent. I'd clarify this more formally for the user.

Clarifying unbiasedness and consistency

The estimator X1 is unbiased because E[X1] = μ. However, it’s not consistent. The probability P(|X1-μ|>ε) doesn't approach 0, and its mean squared error (MSE) stays constant at σ^2. Therefore, the estimator fails to converge, even for iid samples with finite variance. Hence, it's not consistent.

Thought for 15s

Respuesta

Коротко: m~=x1\tilde m=x_1 — несмещённая, но (почти всегда) несостоятельная оценка μ\mu.

Несмещённость.
Пусть X1,,XnX_1,\dots,X_n — выборка из распределения с EX=μ\mathbb E X = \mu (существует конечное мат. ожидание). Тогда

E[m~]=E[X1]=μ,\mathbb E[\tilde m]=\mathbb E[X_1]=\mu,

то есть оценка несмещённая.

Состоятельность.
Состоятельность требует m~Pμ\tilde m \xrightarrow{P} \mu при nn\to\infty. Но m~=X1\tilde m=X_1 не зависит от nn, следовательно, для любого ε>0\varepsilon>0

Pr{m~μ>ε}=Pr{X1μ>ε}\Pr\{|\tilde m-\mu|>\varepsilon\}=\Pr\{|X_1-\mu|>\varepsilon\}

есть одна и та же положительная константа (если распределение невырождено), и она не стремится к нулю при росте nn. Значит, сходимости по вероятности к μ\mu нет.

Эквивалентно по среднеквадратичной ошибке: при Var(X)=σ2>0\operatorname{Var}(X)=\sigma^2>0

MSE(m~)=E[(X1μ)2]=Var(X1)=σ2,\mathrm{MSE}(\tilde m)=\mathbb E[(X_1-\mu)^2]=\operatorname{Var}(X_1)=\sigma^2,

что не убывает к нулю с nn.

Итого: m~=x1\tilde m=x_1 — несмещённая, но несостоятельная (кроме вырожденного случая XμX\equiv \mu почти наверное).

Compartir este Q&A