统计信号处理:(估计二) 最小方差无偏估计
最小方差无偏估计
2.1 无偏估计量
无偏估计意味着估计量的平均值为未知参数的真值。如果
E[θ^]=θ,a<θ<bE[\hat{\theta}]=\theta, a<\theta<b E[θ^]=θ,a<θ<b
说明估计量θ^\hat{\theta}θ^是无偏估计量。
例:白色高斯噪声中DC电平的无偏估计量
观测值x[n]=A+w[n]n=0,1,...,N−1x[n]=A+w[n]\ n=0,1,...,N-1x[n]=A+w[n] n=0,1,...,N−1
观测值中的参数A即所需估计的DC电平。取合理的估计量为:
A^=1N∑n=0N−1x[n]\hat{A}=\frac{1}{N}\sum_{n=0}^{N-1}x[n] A^=N1n=0∑N−1x[n]
估计量的期望为:
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ E(\hat{A})&=E[…
无偏估计量只是保证估计量的平均值为真值,相比于有偏估计量不存在系统误差。但是在多个无偏估计量的情况下,可以用多个估计量的平均获得更好的估计。
KaTeX parse error: No such environment: align at position 8: \begin{̲a̲l̲i̲g̲n̲}̲ \hat{\theta}&=…
所以求平均的估计越多,其均值会收敛到真值,且估计量的方差越小。
但是如果估计量为有偏估计E(θ^)=θ+b(θ)E(\hat{\theta})=\theta+b(\theta)E(θ^)=θ+b(θ),那么无论对多少估计量求平均,都不会收敛到真值。
估计量的偏差:b(θ)=E(θ^)−θb(\theta)=E(\hat{\theta})-\thetab(θ)=E(θ^)−θ
为了从多个无偏估计量中选择出最佳估计量,可以采用一些最佳准则。
均方误差(mean square error,MSE)表示的是估计量偏离真值的平方偏差的统计平均值,由估计量的方差和偏差导致的误差组成。
mse(θ^)=E[(θ^−θ)2]=var(θ^)+[E(θ^)−θ]2=var(θ^)+b2(θ)mse(\hat{\theta}) =E[(\hat{\theta}-\theta)^2] \\ =var(\hat{\theta})+[E(\hat{\theta})-\theta]^2\\=var(\hat{\theta})+b^2(\theta) mse(θ^)=E[(θ^−θ)2]=var(θ^)+[E(θ^)−θ]2=var(θ^)+b2(θ)
但是如果让均方误差对修正常数求导,寻找出最小均方误差时可以发现估计量修正常数与真值有关,说明估计量是不可实现的。因此在实际运用中,需要放弃最小MSE估计。选择另外一种方法使得约束偏差为零,从而求出使得方差最小的估计量,这样得到的估计量称为最小方差无偏估计(minimum variance unbiased,MVU)
MVU的存在性:MVU表明它的方差相对其它所有估计量的方差是最小的,如果存在一个估计量的方差小于MVU的,说明MVU不存在。针对下图,可以说a图存在MVU,而b图不存在MVU。
求最小方差无偏估计量MVU
即使MVU存在,一般也很难求出。下面给出了一些可能求出的方法:
- 确定Cramer-Rao下限(CRLB),然后检查估计量是否满足CRLB;
- 应用Rao-Blackwell-lehmann-Scheffe(RBLS)定理;
- 进一步限制估计不仅是无偏,而且还是线性的,在这些限制中找出MVU。
扩展到适量参数
如果θ=[θ1,θ2,...,θp]\pmb\theta=[\theta_1,\theta_2,...,\theta_p]θθθ=[θ1,θ2,...,θp]是未知参数矢量,那么估计量θ^=[θ^1,θ^2,...,θ^p]\hat{\pmb\theta}=[\hat\theta_1,\hat\theta_2,...,\hat\theta_p]θθθ^=[θ^1,θ^2,...,θ^p]如果满足
E(θ^i)=θiE(\hat\theta_i)=\theta_i E(θ^i)=θi
则说明估计量为无偏估计,那么该估计量具有E(θ^)=θE(\hat{\pmb\theta})=\pmb\thetaE(θθθ^)=θθθ。同样对于MVU,对该参数矢量中任意一个参数都有var(θ^i)var(\hat\theta_i)var(θ^i)都是最小的。
统计信号处理:(估计二) 最小方差无偏估计相关推荐
- 统计信号估计 (二) 最小方差无偏估计量(MUV)的线性模型
MVU表示最小方差无偏估计,下面将推导一个线性模型的MVUE,即最小方差无偏估计量. 线性模型可以表示为: x=Hθ+w\bf{x = H\theta + w} x=Hθ+w 其中 θ\thetaθ ...
- 估计——一般最小方差无偏估计
- 回顾 前面一直在讲述估计量的有效性(CRLB,线性模型),而没有提到假如估计量的方差没有达到CRLB,即是有效估计量不存在,但能够求出MVU估计量(假定存在)仍然是一个重要的事(可参考文章中的图片 ...
- 分布估计算法java_数理统计8:点估计的有效性、一致最小方差无偏估计(UMVUE)、零无偏估计法...
在之前的学习中,主要基于充分统计量给出点估计,并且注重于点估计的无偏性与相合性.然而,仅有这两个性质是不足的,无偏性只能保证统计量的均值与待估参数一致,却无法控制统计量可能偏离待估参数的程度:相合性只 ...
- 无偏估计和最小方差无偏估计简介
无偏估计和最小方差无偏估计 无偏估计:Unbiased Estimation 最小方差无偏估计: Minimum Variance Unbiased Estimation (MVU) 前言 在正式开始 ...
- 最小方差无偏估计和有效估计
最小方差无偏估计 定义: 最小方差无偏估计MVUE是在无偏估计类中,使得均方误差MSE达到最小的估计量,即在均方误差最小意义下的最优估计. 求解: 设总体X的分布函数为 F(x;θ),θ∈Θ,(X1, ...
- 统计信号处理 (估计三): Cramer-Rao下限
Cramer-Rao下限 未知参数的信息都是通过观测的数据以及那些数据的PDF得来的,所以如果PDF对参数依赖性较弱,或在极端情况下PDF与参数不相关,那么所估计的参数精度很差,如果PDF受未知参 ...
- 详解统计信号处理之克拉美罗界
各种研究领域(包括无线定位方向)都会碰到参数估计的问题,这时常常会看到克拉美罗界 (Cramér–Rao bound) 这个东西.很多随机信号的书都会介绍什么是克拉美罗界,但初学者学起来往往很吃力,本 ...
- 详解统计信号处理之 克拉美罗界
各种研究领域(包括无线定位方向)都会碰到参数估计的问题,这时常常会看到克拉美罗界 (Cramér–Rao bound) 这个东西.很多随机信号的书都会介绍什么是克拉美罗界,但初学者学起来往往很吃力,本 ...
- 统计信号处理基础 习题解答3-6
目录 题目: 解答: 题目: 对于例2.3计算CRLB,它与给出的结果一致么? 解答: 首先回顾例2.3:MVU估计量不存在的例子 如果PDF的形式随θ变化,那么可以预计,最佳估计量也将随θ变化.假定 ...
最新文章
- Oracle创建序列,删除序列,得到序列的例子
- SQL的多种JOIN
- HDU2699+Easy
- Vue — 第五天(路由)
- 全局变量初始化顺序探究
- python处理滑块验证码_使用python实现滑动验证码
- 一条SQL引发的“血案”:与SQL优化相关的4个案例
- flask中蓝图的使用
- java 开发规范 下载_java后端开发规范 PDF 下载
- Intellij idea 自动生成serialVersionUID
- 剑指offer_两个链表的第一个公共结点
- 「HDU6583 Typewriter」 - 后缀自动机
- 校园饭卡充值系统服务器配置,信息化建设管理中心
- Spring Boot入门教程(四十二):微信支付集成-H5支付
- 项目总结之Basler相机的调用
- 基于8051的电子密码锁程序
- android 显示GIF动画
- 基于springboot+Vue的汽车商城销售4s店服务系统
- Linux 统计代码行数命令
- operator does not exist: integer = character varying