UA MATH566 统计理论 完备性的证明方法

完备性是统计量的非常重要的性质之一，但完备性的证明有时并不是是一件容易的事情，这一讲介绍一些常用的证明完备性的方法：定义法，完备分布族法，指数分布族法。

假设$T(X)$是基于样本$X=(X_1,\cdots ,X_n)$的一个统计量，它的分布函数为$F_T(t)$，概率密度为$f_T(t)$，总体的分布函数为$F_X(x)$，总体的概率密度为$f_X(x)$，假设总体定义在概率空间$(\mathcal{X},\mathcal{F},P_{\theta })$上。总体的分布族的完备性定义是：假设$g(X)$是$(\mathcal{X},\mathcal{F},P_{\theta })$上的任一可测函数，如果
$$E_{\theta }[g(X)]=0\iff g(x)=0a.s.$$

则称总体的分布族是完备的。与之类似，假设$h(T)$是基于$T(X)$与$(\Omega ,\mathcal{F},P_{\theta })$的导出概率空间$(\mathcal{T},{\mathcal{F}}^T,P_{\theta }^T)$上的任一可测函数，如果
$$E_{\theta }[h(T)]=0\iff h(t)=0a.s.$$

则称统计量$T(X)$是完备统计量。基于这个定义验证某个统计量是否是完备统计量的方法叫定义法。

下面进一步考察完备统计量的定义，
$$E_{\theta }[h(T)]={\int }_{\mathcal{T}}h(t)f_T(t)dt={\int }_{\mathcal{X}}h(t(x))f_X(x)dx$$

如果分布族是完备的，那么 E θ [ h ( T ) ] = 0 ⇔ h ( t ( x ) ) = 0   a . s . ⇔ P θ ( { x ∈ X : h ( t ( x ) ) ≠ 0 } ) = 0 E_{\theta}[h(T)] = 0 \Leftrightarrow h(t(x)) = 0\ a.s. \Leftrightarrow P_{\theta}(\{x \in \mathcal{X}:h(t(x)) \ne 0\}) = 0 Eθ​[h(T)]=0⇔h(t(x))=0 a.s.⇔Pθ​({ x∈X:h(t(x))​=0})=0

根据导出概率的含义计算
P θ T ( { t ∈ T : h ( t ) ≠ 0 } ) = P θ ( T − 1 ( { t ∈ T : h ( t ) ≠ 0 } ) ) ≤ P θ ( { x ∈ X : h ( t ( x ) ) ≠ 0 } ) P_{\theta}^T(\{t \in \mathcal{T}:h(t)\ne 0\}) = P_{\theta}(T^{-1}(\{t \in \mathcal{T}:h(t)\ne 0\})) \le P_{\theta}(\{x \in \mathcal{X}:h(t(x)) \ne 0\}) PθT​({ t∈T:h(t)​=0})=Pθ​(T−1({ t∈T:h(t)​=0}))≤Pθ​({ x∈X:h(t(x))​=0})

因此 P θ ( T − 1 ( { t ∈ T : h ( t ) ≠ 0 } ) ) = 0 P_{\theta}(T^{-1}(\{t \in \mathcal{T}:h(t)\ne 0\}))=0 Pθ​(T−1({ t∈T:h(t)​=0}))=0。这个推导说明如果分布族$F_X$是完备的，那么统计量$T(X)$就是完备的，但反过来不一定成立。这个推导还可以说明完备统计量的函数页数完备统计量。基于这个思路证明完备统计量的方法叫做完备分布族法。

自然形式的指数分布族有非常完美的性质，假设 f ( x ; θ ) = h ( x ) exp ⁡ { θ T T ( x ) − b ( θ ) } f(x;\theta) = h(x)\exp\{\theta^T T(x)-b(\theta)\} f(x;θ)=h(x)exp{ θ