Рассмотрим независимых выборок S, полученных из случайной величины X, которая, как предполагается, следует усеченному распределению (например, усеченному нормальному распределению ) известных (конечных) минимальных и максимальных значений a и b, но неизвестных параметров μ и σ 2 . Если Х следовали неусеченной распределение, максимального правдоподобия оценок ц и σ 2 для ц , и сг 2 из S будет выборочное среднее μи дисперсия выборки сг 2=1. Однако для усеченного распределения выборочная дисперсия, определенная таким образом, ограничена(b-a)2,поэтому она не всегда является последовательной оценкой: дляσ2>(b-a)2она не может сходиться по вероятности кσ2какNуходит в бесконечность. Таким образом, кажетсячто М и σ 2не являются оценками максимального правдоподобия изци для усеченного распределения. Конечно, этого следует ожидать, поскольку параметры μ и σ 2 усеченного нормального распределения не являются его средним значением и дисперсией.
Итак, каковы оценки максимального правдоподобия параметров и σ усеченного распределения известных минимальных и максимальных значений?
Ответы:
Рассмотрим любое семейство масштабов местоположения, определяемое «стандартным» распределением ,F
Предполагая, что дифференцируемо, мы легко находим, что PDF-файлы 1F .1σf((x−μ)/σ)dx
Усечение этих дистрибутивов для ограничения их поддержки между и b , a < b , означает, что файлы PDF заменяются наa b a<b
Сравнивая их с ситуацией отсутствия усечения, видно, что
Любой достаточной статистики для исходной задачи достаточно для усеченной задачи (потому что правые части не изменились).
источник