【数理统计】估计的性质是否具有变换不变性

变换不变性

总结统计量的某个性质（比如无偏性）是否具有变换不变性（该性质在变换后保持不变），如果某一个统计量$T(x)$是某个参数$\theta$的无偏估计，将统计量经过$h$变换之后为$h(T(x))$，它是否也是变换后的参数$h(\theta )$的无偏估计。

无偏性

估计的无偏性不具有变换的不变性。一般而言，若$\hat{\theta }$是$\theta$的无偏估计，其函数$g(\hat{\theta })$不一定是$g(\theta )$的无偏估计，除非$g(\theta )$是$\theta$的线性函数。

【例子】正态分布总体下，样本方差为总体方差的无偏估计，但样本标准差不是总体标准差的无偏估计。

【总结】

• 若变换为线性变换，变换具有不变性
• 其他情况下一般不具有变化不变性

充分性

设$T=T(x)$是参数$\theta$的充分统计量，$s=\Psi (t)$是严格单调函数，则$S=\Psi (T(x))=\Psi (x)$也是参数$\theta$的充分统计量。

证明：
$s=\Psi (t)$是严格单调函数
事件{$S=s$}与{$T=t$}等价
条件分布$F_{\theta }(x|T=t)=F_{\theta }(x|S=s)$
则由$T(x)$的充分性可得$S(x)$的充分性

（使用定义来判断某个统计量是否为充分统计量，通常比较麻烦；使用因子分解定理来找充分统计量，比较方便）

【总结】

• 如果变换函数为严格单调函数，变换具有变换不变性

相合性

${\hat{\theta }}_{n1},...,{\hat{\theta }}_{nk}$分别是${\theta }_1,...,{\theta }_k$的相合估计，若$g({\theta }_1,...,{\theta }_k)$是$k$元连续函数，则$\hat{g}({\hat{\theta }}_{n1},...,{\hat{\theta }}_{nk})$是$g=g({\theta }_1,...,{\theta }_k)$的相合估计。

【总结】

• 如果变换函数为连续函数，变换具有变换不变性

最大似然

【不变原理】设$X服从p(x;\theta ),\theta \in \Theta$，若$\theta$的最大似然估计为$\hat{\theta }$，则对于任意函数$\gamma =g(\theta )$，$\gamma$的最大似然估计为$\hat{\gamma }=g(\hat{\theta })$。

【总结】

• 对于任意的变换函数，变换具有不变性

完备性

完备统计量的函数也是完备的。具有变换不变性。