এটি সূচকীয় পরিবার সম্পর্কে একটি সাধারণ দাবি, তবে আমার মতে, বেশিরভাগ সময় এটি এমনভাবে বলা হয় যা কম অভিজ্ঞ পাঠককে বিভ্রান্ত করতে পারে। কারণ, মুখের মূল্য হিসাবে নেওয়া হলে এটি ব্যাখ্যা করে ব্যাখ্যা করা যেতে পারে "যদি আমাদের র্যান্ডম ভেরিয়েবলটি তাত্পর্যমূলক পরিবারে কোনও বিতরণ অনুসরণ করে, তবে আমরা যদি একটি নমুনা নিই এবং পর্যাপ্ত পরিসংখ্যানের মধ্যে এটি সন্নিবেশ করি তবে আমরা পরিসংখ্যানের আসল প্রত্যাশিত মান অর্জন করব "। যদি কেবল এটিই থাকত ... এর চেয়ে বেশি এটি নমুনার আকারটি বিবেচনা করে না, যা আরও বিভ্রান্তির কারণ হতে পারে।
সূচকীয় ঘনত্বের ক্রিয়াটি
fX(x)=h(x)eη(θ)T(x)e−A(θ)(1)
যেখানে যথেষ্ট পরিসংখ্যান।T(x)
যেহেতু এটি একটি ঘনত্ব, তাই এটি unity সংহত করতে হবে, সুতরাং ( এর সমর্থন )SxX
∫Sxh(x)eη(θ)T(x)e−A(θ)dx=1(2)
EQ। সমস্ত- ধরে রেখেছে যাতে আমরা উভয় পক্ষই এর প্রতি শ্রদ্ধার সাথে পার্থক্য করতে পারি:(2)θ
∂∂θ∫Sxh(x)eη(θ)T(x)e−A(θ)dx=∂(1)∂θ=0(3)
পার্থক্য এবং সংহতকরণের ক্রমটির আন্তঃসংযোগ করা, আমরা পাই
∫Sx∂∂θ(h(x)eη(θ)T(x)e−A(θ))dx=0(4)
আমাদের যে পার্থক্য রয়েছে তা বহন করা
∂∂θ(h(x)eη(θ)T(x)e−A(θ))=fX(x)[T(x)η′(θ)−A′(θ)](5)
মধ্যে সন্নিবেশ করা আমরা পাই(5)(4)
∫SxfX(x)[T(x)η′(θ)−A′(θ)]dx=0
⇒η′(θ)E[T(X)]−A′(θ)=0⇒E[T(X)]=A′(θ)η′(θ)(6)
এখন আমরা জিজ্ঞাসা করি: এর বাম দিকের দিকটি একটি আসল সংখ্যা। সুতরাং, ডান দিকের দিকটি অবশ্যই একটি আসল সংখ্যা হতে হবে, কোনও ফাংশন নয় । সুতরাং এটি অবশ্যই একটি নির্দিষ্ট মূল্যায়ন করা উচিত এবং এটি "সত্য" হওয়া উচিত , অন্যথায় বাম-পাশের অংশে আমাদের এর আসল প্রত্যাশিত মান না হত । এটির উপর জোর দেওয়ার জন্য আমরা আসল মানটি the দ্বারা চিহ্নিত করি এবং আমরা আবার লিখি হিসাবে(6)θθT(X)θ0(6)
Eθ0[T(X)]=A′(θ)η′(θ)∣∣θ=θ0(6a)
আমরা এখন সর্বাধিক সম্ভাবনা অনুমানের দিকে ঘুরে দেখি । আকারের একটি নমুনা জন্য লগ-সম্ভাবনা হয়n
L(θ∣x)=∑i=1nlnh(xi)+η(θ)∑i=1nT(xi)−nA(θ)
সমান- সম্মান করে এর ডেরাইভেটিভ সেট করা আমরা এমএলই পাইθ0
θ^(x):1n∑i=1nT(xi)=A′(θ)η′(θ)∣∣θ=θ^(x)(7)
সাথে তুলনা করুন । ডান দিকের দিকগুলি সমান নয় , যেহেতু আমরা তর্ক করতে পারি না যে এমএলই অনুমানকারীটি সত্যিকারের মূল্যকে আঘাত করে। সুতরাং উভয়ই বাম দিক নয়। তবে মনে রাখবেন যে একা। সমস্ত এবং তাই ধারণ করে । সুতরাং একা পদক্ষেপ। সাথে সম্মানের সাথে নেওয়া যেতে পারে এবং আমরা eq লিখতে পারি। জন্য :(7)(6a)2 θθ^3,4,5,6θ^6aθ^
Eθ^(x)[T(X)]=A′(θ)η′(θ)∣∣θ=θ^(x)(6b)
যা সাথে মিলিত হয়ে আমাদের বৈধ সম্পর্কের দিকে নিয়ে যায়(7)
Eθ^(x)[T(X)]=1n∑i=1nT(xi)
যা পরীক্ষার অধীনে থাকা সত্যই বলেছে: অজানা প্যারামিটারের জন্য এমএলইয়ের অধীনে পর্যাপ্ত পরিসংখ্যানের প্রত্যাশিত মান (অন্য কথায়, আমরা ব্যবহার করলে আমরা যে বিতরণের প্রথম কাঁচা মুহুর্তের মূল্য অর্জন করব) পরিবর্তে ), সমান (এবং এটা শুধু দ্বারা আনুমানিক নয়) গড় যথেষ্ট পরিসংখ্যাত নমুনা থেকে গণনা করা যেমন । θ^(x)θx
তদুপরি, কেবলমাত্র যদি নমুনার আকার তবে আমরা সঠিকভাবে বলতে পারি, "MLE এর অধীনে পর্যাপ্ত পরিসংখ্যানের প্রত্যাশিত মান যথেষ্ট পরিসংখ্যানের সমান" "n=1