MATH-PRO-30 估计量的评选标准

数学一 > ### 概率论与数理统计 > #### 估计量的评选标准

---

一、定位信息

项目	内容
所属章节	第七章 参数估计
知识单元编号	MATH-PRO-30
前置知识	MATH-PRO-28（矩估计）、MATH-PRO-29（MLE）
后续关联	MATH-PRO-31（区间估计）
考试地位	概念辨析常考，证明题偶考
难度等级	★★★☆☆

---

二、知识点讲解

1. 无偏性

定义：若 $E(\hat{\theta}) = \theta$，则称 $\hat{\theta}$ 为 $\theta$ 的无偏估计量。

常见无偏估计：

• $E(\bar{X}) = \mu$ → $\bar{X}$ 是 $\mu$ 的无偏估计
• $E(S^2) = \sigma^2$ → $S^2$ 是 $\sigma^2$ 的无偏估计
• $E\left(\frac{1}{n}\sum(X_i-\bar{X})^2\right) = \frac{n-1}{n}\sigma^2 \neq \sigma^2$ → 有偏估计

为什么样本方差用 $n-1$：就是为了使 $E(S^2) = \sigma^2$（无偏性）。

2. 有效性

定义：设 $\hat{\theta}_1, \hat{\theta}_2$ 都是 $\theta$ 的无偏估计，若 $D(\hat{\theta}_1) < D(\hat{\theta}_2)$，则称 $\hat{\theta}_1$ 比 $\hat{\theta}_2$ 更有效。

最小方差无偏估计（MVUE）：在所有无偏估计中方差最小的估计量。

克拉美-罗下界：无偏估计的方差不低于某个下界（信息不等式），达到下界的估计量称为有效估计量。

3. 一致性（相合性）

定义：若 $\hat{\theta}_n \xrightarrow{P} \theta$（$n \to \infty$），则称 $\hat{\theta}_n$ 为 $\theta$ 的一致估计量（相合估计量）。

常见一致估计：

• $\bar{X}$ 是 $\mu$ 的一致估计（由辛钦大数定律）
• $S^2$ 是 $\sigma^2$ 的一致估计

4. 三大标准对比表

标准	定义	含义	与其他标准的关系
无偏性	$E(\hat{\theta})=\theta$	平均值恰好等于真值	不一定有效
有效性	$D(\hat{\theta})$ 最小	波动最小	一定是无偏的
一致性	$\hat{\theta}_n \xrightarrow{P} \theta$	大样本下收敛于真值	不一定是无偏的

---

三、记忆辅助

1. 无偏性：$E(\hat{\theta}) = \theta$——"平均打中靶心"。
2. 有效性：$D(\hat{\theta}_1) < D(\hat{\theta}_2)$——"更精确"。
3. 一致性：$\hat{\theta}_n \xrightarrow{P} \theta$——"样本越多越准"。
4. $S^2$ 用 $n-1$ 的原因：保证 $E(S^2) = \sigma^2$（无偏性）。

---

四、例题精解

【例题1】验证无偏性

题目：设 $X_1, X_2, X_3$ 为来自 $N(\mu, 1)$ 的样本。验证 $\hat{\mu}_1 = \frac{X_1+X_2+X_3}{3}$ 和 $\hat{\mu}_2 = \frac{X_1+2X_2}{3}$ 是否为 $\mu$ 的无偏估计。哪个更有效？

解答：

第一步：验证 $\hat{\mu}_1$ 的无偏性

$E(\hat{\mu}_1) = \frac{E(X_1)+E(X_2)+E(X_3)}{3} = \frac{3\mu}{3} = \mu$ ✓ 无偏

第二步：验证 $\hat{\mu}_2$ 的无偏性

$E(\hat{\mu}_2) = \frac{E(X_1)+2E(X_2)}{3} = \frac{\mu+2\mu}{3} = \mu$ ✓ 无偏

第三步：比较方差

$D(\hat{\mu}_1) = \frac{1+1+1}{9} = \frac{1}{3}$

$D(\hat{\mu}_2) = \frac{1+4}{9} = \frac{5}{9}$

第四步：结论

$\frac{1}{3} < \frac{5}{9}$，故 $\hat{\mu}_1$ 比 $\hat{\mu}_2$ 更有效。

---

【例题2】验证一致性

题目：设 $\hat{\theta}_n = \bar{X}$ 是来自总体 $E(X) = \mu$ 的样本均值，验证 $\bar{X}$ 是 $\mu$ 的一致估计。

解答：

第一步：由辛钦大数定律

$X_1, X_2, \ldots$ 独立同分布，$E(X_i) = \mu$，由辛钦大数定律：

$\bar{X}_n \xrightarrow{P} \mu$

第二步：结论

$\bar{X}$ 是 $\mu$ 的一致估计 ✓。

第三步：补充

也可用切比雪夫不等式证明：$P(|\bar{X}-\mu| \geq \varepsilon) \leq \frac{D(\bar{X})}{\varepsilon^2} = \frac{\sigma^2}{n\varepsilon^2} \to 0$（$n \to \infty$）。

第四步：注意

一致估计不一定无偏，无偏估计不一定一致。$\bar{X}$ 既是无偏的又是一致的。

---

五、考情分析

年份	题型	考点	分值
中频	选择题	无偏性、有效性的判断	4分
中频	证明题	验证无偏性、比较有效性	10分
偶尔	概念题	三大标准的辨析	4分

---

六、易错点

1. 无偏不等于一致：无偏是期望性质，一致是收敛性质，两者独立。
2. $S^2$ 用 $n-1$ 的原因：为了无偏性。$\frac{1}{n}\sum(X_i-\bar{X})^2$ 是有偏的。
3. 有效性的前提：比较有效性要求两个估计量都是无偏的。

---

七、来源标注

来源	说明
教材	浙大版《概率论与数理统计》第7章 §7.3
大纲	考研数学一大纲"估计量的评选标准"