统计信号处理基础 习题解答11-10

题目

证明例11.2中的MAP估计量是贝叶斯意义下的一致估计,或者当且时,对于未知参数的任何现实,这个 MAP估计量是一致的。说明为什么在一般情况下这是真的。提示:参见例9.4。

---

解答

例11.2中的MAP估计量为：

其中：

一致性（consistency）是指随着样本量的增大，估计量的值越来越接近被估计总体的参数。参考：

点估计及估计量的评价标准 - 国家统计局

因此，当时，

而根据例9.4可以得到，指数分布情况下：

是无偏的，且根据7.8，指数分布的正态渐进性公式：

当，时，，因此的值越来越接近被估计总体的参数，即：

一般来说，当时，MAP估计量可以通过最大化（忽略先验分布）获得。对于一个估计量的具体实现，当时，此时最大化概率密度获得的就是极大似然估计（MLE）估计量。此时，如果MLE估计量是一致估计量，那么MAP估计量也是一致估计量。