Basuの定理

同義語:Basu's theorem

概要

Basuの定理(Basu's theorem)とは、有界完備な十分統計量と、分布が母数によらない補助統計量は、母数のどの値のもとでも独立である、という定理である。正規標本の標本平均と標本分散の独立性を 1 行で与えるほか、条件付き期待値や積率の計算を、同時分布を求めずに行う道具になる。完備性を外すと成り立たず、区間 $(\theta,\theta+1)$ 上の一様分布の最小値・最大値と範囲が反例である。

$$\newcommand{C}[0]{\mathbb{C}} \newcommand{div}[0]{\mathbin{÷}} \newcommand{N}[0]{\mathbb{N}} \newcommand{Q}[0]{\mathbb{Q}} \newcommand{R}[0]{\mathbb{R}} \newcommand{Z}[0]{\mathbb{Z}} $$

前提知識: 十分統計量, Rao–Blackwellの定理, 条件付き期待値

Basuの定理(Basu's theorem)とは、統計モデルで、有界完備な十分統計量 $T$ と補助統計量 $V$ は、母数のどの値のもとでも独立である、という定理である(Bas55)。補助統計量とは、分布が母数によらない統計量のことである。
典型的な使い方は、独立性の計算を省くことである。正規分布の標本 $X_1,\dots,X_n$ の標本平均 $\bar X$ と標本分散 $S^2=\frac1{n-1}\sum_i(X_i-\bar X)^2$ が独立であることは、$t$ 検定の基礎である。通常は直交変換で示すが、分散 $\sigma^2$ を固定すれば $\bar X$ は平均についての完備十分統計量で、$S^2$ の分布は平均によらないので、独立性は定理から 1 行で出る。
十分統計量は母数についての情報を全部もち、補助統計量は母数の情報をもたないので、両者が独立というのは自然に思える。しかしこの直観だけでは足りず、完備性を外すと成り立たない(ex-basu-counter)。この記事では定理を証明し、完備性を確かめる方法と、独立性を使う計算の手順を述べる。

結果内容
thm-basu-main有界完備な十分統計量と補助統計量は独立
fml-basu-freeze$T$ で条件付けるときは $T$ に値を代入して $V$ で平均すればよい
prop-basu-expfam自然母数が開集合を含む指数型分布族の自然統計量は完備
prop-basu-converse十分統計量と独立な統計量は補助的(分布の絶対連続性のもとで)

定義と使える条件

統計モデルを、可測空間 $(\mathcal X,\mathcal A)$ の上の確率測度の族 $\{P_\theta\}_{\theta\in\Theta}$ とする。統計量 $T\colon\mathcal X\to\mathcal T$ が 十分統計量 であるとは、有界可測な $\varphi$ のそれぞれについて、$\sigma(T)$-可測な関数 $Y_\varphi$ で、すべての $\theta$ で $E_\theta[\varphi\mid T]$ の版になるものがあることをいう(十分統計量 の定義「十分統計量(一般の場合)」)。

補助統計量

統計量 $V\colon\mathcal X\to\mathcal V$ の分布が $\theta$ によらないとき、すなわち可測集合 $B\subset\mathcal V$ について $P_\theta(V\in B)$ がすべての $\theta$ で等しいとき、$V$ を 補助統計量(ancillary statistic)という(ER10 Definition 9.1.1)。

完備と有界完備

統計量 $T$ が 有界完備(boundedly complete)であるとは、$\sigma(T)$-可測な有界関数 $Z$ がすべての $\theta$ で $E_\theta[Z]=0$ を満たすなら、すべての $\theta$ で $P_\theta(Z=0)=1$ となることをいう。有界の仮定を、すべての $\theta$ で $E_\theta\lvert Z\rvert< \infty$ に替えたものが 完備 である(Rao–Blackwellの定理 の定義「完備な統計量」、ER10 Definition 8.1.3)。

完備なら有界完備である。逆は成り立たない(rem-basu-bounded)。定理を使うには次の 3 つを確かめる。

  • (i) $T$ が十分統計量である。因子分解で確かめる(十分統計量 の定理「密度の因子分解から十分性へ」)。
  • (ii) $T$ が有界完備である(prop-basu-expfam または直接の計算)。
  • (iii) $V$ が補助統計量である(lem-basu-invariant など)。
    (i)(ii) は $T$ とモデル全体の性質で、母数の範囲を狭めると (ii) は成り立たないことがある。

主定理

Basu の定理

$T$ を有界完備な十分統計量、$V$ を補助統計量とする。このとき、すべての $\theta\in\Theta$ について、$P_\theta$ のもとで $T$ と $V$ は独立である。

条件付き確率が定数であることを完備性で示す

可測集合 $B\subset\mathcal V$ を固定する。$V$ は補助統計量なので、$p:=P_\theta(V\in B)$ は $\theta$ によらない。
$T$ は十分なので、$\varphi=\mathbf 1_{\{V\in B\}}$ に対し、$\sigma(T)$-可測な関数 $Y$ で、すべての $\theta$ で $E_\theta[\varphi\mid T]$ の版になるものがある。$Y$ を $Y^+\wedge1$ に取り替えてよい。条件付き期待値は各 $\theta$ でほとんど確実に $[0,1]$ に値をとるので、取り替えても版のままで、$Y$ は有界である。
$Z:=Y-p$ とおく。$Z$ は $\sigma(T)$-可測で有界であり、すべての $\theta$ で
$$ E_\theta[Z]=E_\theta\bigl[E_\theta[\varphi\mid T]\bigr]-p=P_\theta(V\in B)-p=0 $$
である。有界完備性から、すべての $\theta$ で $P_\theta(Y=p)=1$ である。
$\theta$ と、$\mathcal T$ の可測集合 $C$ を固定すると、$\{T\in C\}\in\sigma(T)$ なので
$$ P_\theta(T\in C,\ V\in B)=E_\theta[\mathbf 1_C(T)\,Y]=p\,P_\theta(T\in C)=P_\theta(V\in B)\,P_\theta(T\in C) $$
である。$B,C$ は任意なので $T$ と $V$ は独立である。$\square$

証明が使うのは、$\theta$ によらない版 $Y$ が 1 つとれること(十分性)と、平均が一定の $T$ の有界関数は定数であること(有界完備性)の 2 点である。

$T$ の関数である補助統計量

$T$ を有界完備な十分統計量とする。実数値の $V$ が $T$ の関数で補助統計量なら、$V$ はほとんど確実に定数である(各 $\theta$ で同じ定数)。

thm-basu-main により $V$ は $T$ と独立なので、$T$ の関数である $V$ 自身とも独立である。よって $P_\theta(V\le v)=P_\theta(V\le v)^2$ で、分布関数は $0$ か $1$ の値だけをとるので、$V$ はほとんど確実に定数である。$V$ の分布は $\theta$ によらないので、定数も $\theta$ によらない。$\square$

逆向きの主張は次のとおりである。

十分統計量と独立なら補助統計量

$T$ を十分統計量とし、$\sigma(T)$ の上で $P_\theta$($\theta\in\Theta$)が互いに絶対連続であるとする。$V$ がすべての $\theta$ で $T$ と独立なら、$V$ は補助統計量である。

$B$ を固定し、$Y$ を $\mathbf 1_{\{V\in B\}}$ の $\theta$ によらない版とする。独立性から、各 $\theta$ で $Y=P_\theta(V\in B)$ が $P_\theta$-ほとんど確実に成り立つ。$\{Y=c\}\in\sigma(T)$ で $P_\theta,P_{\theta'}$ は $\sigma(T)$ の上で同じ零集合をもつので、$c=P_\theta(V\in B)$ とすると $P_{\theta'}(Y=c)=1$ である。よって $P_{\theta'}(V\in B)=c$ である。$\square$

絶対連続性は外せない(ex-basu-counter の 5 行目)。

公式の表

以下 $T,V$ は thm-basu-main の統計量とする。$E[\,\cdot\,]$ は $V$ の分布($\theta$ によらない)についての期待値である。

公式使える条件根拠
$E_\theta[f(V)g(T)]=E[f(V)]\,E_\theta[g(T)]$$f(V),g(T)$ が可積分thm-basu-main
$E[V^k]=E_\theta[(VT)^k]/E_\theta[T^k]$$V,T$ は実数値で $E_\theta\lvert VT\rvert^k< \infty$、$E_\theta[T^k]\ne0$($E_\theta\lvert T\rvert^k$ が有限)1 行目
$\mathrm{Cov}_\theta(T+aV,\ T)=\mathrm{Var}_\theta(T)$$T,V$ が実数値で 2 乗可積分1 行目
$E_\theta[\phi(V,T)\mid T=t]=E[\phi(V,t)]$$\phi(V,T)$ が可積分fml-basu-freeze
条件付けと代入

$\phi$ を可測で、$\phi(V,T)$ が $P_\theta$ のもとで可積分とする。$\Phi(t):=E[\phi(V,t)]$ とおくと $E_\theta[\phi(V,T)\mid T]=\Phi(T)$ である。

独立性から $(V,T)$ の同時分布は積測度である。可測集合 $C$ について、Fubini の定理により $E_\theta[\phi(V,T);T\in C]=\int_C E[\phi(V,t)]\,P_\theta(T\in dt)=E_\theta[\Phi(T);T\in C]$ である。$\square$

$\Phi$ の式に $\theta$ が現れないので、$\Phi(T)$ は推定量として計算できる。Rao–Blackwellの定理 の Rao–Blackwell 化を、条件付き分布を求めずに計算できる(ex-basu-umvu)。

完備性と補助統計量の確かめ方

指数型分布族 の定義のとおり、基準の測度 $\nu_h$ と自然統計量 $T\colon\mathcal X\to\mathbb{R}^k$ により、$\eta\in\Theta\subset\mathbb{R}^k$ に対して密度 $h(x)e^{\eta\cdot T(x)-A(\eta)}$ をもつ族を考える。

指数型分布族の完備性

$\Theta$ が $\mathbb{R}^k$ の空でない開集合を含むなら、$T$ は完備である。

両側 Laplace 変換を虚軸へ延ばす

$Z$ を def-basu-complete の関数とする。$Z$ は $\sigma(T)$-可測なので $Z=g(T)$ と書ける。$\mu$ を $\nu_h$ の $T$ による像とする。すべての $\eta\in\Theta$ で $\int\lvert g\rvert e^{\eta\cdot t}d\mu< \infty$、$\int ge^{\eta\cdot t}d\mu=0$ である。
$\eta_0$ と $\delta>0$ を、$\{\eta\mid\max_j\lvert\eta_j-\eta_{0,j}\rvert< \delta\}\subset\Theta$ となるようにとる。$z\in\mathbb{C}^k$、$\max_j\lvert\operatorname{Re}z_j\rvert< \delta$ で
$$ F(z):=\int g(t)\,e^{(\eta_0+z)\cdot t}\,\mu(dt) $$
は絶対収束する。$\lvert e^{(\eta_0+z)\cdot t}\rvert=e^{(\eta_0+\operatorname{Re}z)\cdot t}$ だからである。Fubini の定理と Morera の定理により、$F$ は各変数について帯状領域で正則である。
$z$ が実のとき $F(z)=0$ である。$z_2,\dots,z_k$ を実に固定すると、一致の定理から $F$ は $z_1$ の帯状領域全体で $0$ である。次に $z_1$ を帯状領域の点に固定して $z_2$ について同じ議論をする。これを繰り返すと、$\xi\in\mathbb{R}^k$ について $F(i\xi)=0$ である。
$F(i\xi)$ は有限な符号付き測度 $g(t)e^{\eta_0\cdot t}\mu(dt)$ の Fourier 変換なので、Fourier 変換の単射性からこの測度は $0$ である($g$ の正の部分と負の部分をそれぞれ $g^+,g^-$ とすると、$g^\pm(t)e^{\eta_0\cdot t}\mu(dt)$ の Fourier 変換が等しく、$\xi=0$ で全質量も等しい。全質量が $0$ なら両方 $0$ で、正なら全質量で割った 2 つの確率測度の特性関数が一致する。特性関数は分布を決める:$k=1$ は 特性関数(確率論) の系「特性関数は分布を決める」、$k\ge2$ は同じ記事の節「補足」にあり、この記事では証明しない)。よって $g=0$ が $\mu$-ほとんどいたるところ成り立つ。$T$ の $P_\eta$ のもとでの分布は $\mu$ に絶対連続なので、すべての $\eta$ で $P_\eta(Z=0)=1$ である。$\square$

不変な統計量は補助統計量

$Y=(Y_1,\dots,Y_n)$ の分布を固定する。

  1. 位置母数。 $X_i=\theta+Y_i$ で、$V(x+c\mathbf 1)=V(x)$($c\in\mathbb{R}$、$\mathbf 1=(1,\dots,1)$)なら、$V(X)=V(Y)$ である。
  2. 尺度母数。 $X_i=\theta Y_i$($\theta>0$)で、$V(cx)=V(x)$($c>0$)なら、$V(X)=V(Y)$ である。
    どちらの場合も $V(X)$ の分布は $\theta$ によらない。

1 は $X=Y+\theta\mathbf 1$ に $V$ の不変性を $c=\theta$ で当てる。2 は $X=\theta Y$ に不変性を $c=\theta$ で当てる。右辺 $V(Y)$ の分布は $Y$ の分布だけで決まり、$\theta$ を含まない。$\square$

差 $X_i-X_j$、$S^2$、範囲 $\max_iX_i-\min_iX_i$ は 1 の例で、比 $X_i/X_j$、$X_i/\sum_jX_j$ は 2 の例である。

計算の手順

  1. モデルを書き、調べたい母数の範囲を固定する。ほかの母数は既知として固定してよい(ex-basu-normal)。
  2. 密度を因子分解して十分統計量 $T$ を得る。
  3. $T$ の有界完備性を確かめる。指数型分布族なら prop-basu-expfam、台が母数で動くなら積分を母数で微分する(ex-basu-uniform)。
  4. 独立性を知りたい統計量 $V$ が、位置や尺度の変換で不変かを見る(lem-basu-invariant)。
  5. thm-basu-main で独立性を結論し、公式の表の式で計算する。
  6. 3 で有界完備性を示せないときは、$T$ の関数で非定数の補助統計量がないかを見る。あれば cor-basu-function により $T$ は有界完備でない。

例題

正規標本の標本平均と標本分散

$X_1,\dots,X_n$($n\ge2$)を独立な $N(m,\sigma^2)$ とする。答え:すべての $(m,\sigma^2)$ で $\bar X$ と $S^2$ は独立である。$m=1$、$\sigma=2$、$n=5$ なら $E[\bar X^2S^2]=(m^2+\sigma^2/n)\sigma^2=7.2$ である。
使う公式:prop-basu-expfam、lem-basu-invariant の 1、公式の表の 1 行目。

途中の計算を開く

$\sigma$ を固定し $m\in\mathbb{R}$ だけを動かすモデルを考える。密度は $\exp((m/\sigma^2)\sum_ix_i-nm^2/(2\sigma^2))\prod_ig_\sigma(x_i)$ の形で、$g_\sigma$ は $N(0,\sigma^2)$ の密度である。よって自然母数 $m/\sigma^2$ は $\mathbb{R}$ 全体を動き、$\sum_iX_i$(したがって $\bar X$)は完備十分である。$S^2$ は平行移動で不変なので補助統計量である。この $\sigma$ のモデルで定理を当てれば、その $\sigma$ と任意の $m$ で独立である。$\sigma$ は任意だった。$E[\bar X^2]=m^2+\sigma^2/n=1.8$、$E[S^2]=\sigma^2=4$ で積は $7.2$ である(不偏推定量 の定理「$n-1$ で割る標本分散の不偏性」)。


同じ議論で $\bar X$ は残差の組 $(X_i-\bar X)_i$ とも独立である(ER10 Example 9.1.1)。$\sqrt n(\bar X-m)/S$ が t分布 に従うことの独立性の部分はこの結果である。

ガンマ標本の和と比

$X_1,\dots,X_n$ を独立で、形状 $\alpha$(既知)、率 $\lambda>0$ の ガンマ分布 とする。$T=\sum_iX_i$、$V=X_1/T$ とする。答え:$T$ と $V$ は独立で、$E[V^2]=E[X_1^2]/E[T^2]=\frac{\alpha(\alpha+1)}{n\alpha(n\alpha+1)}$ である。$\alpha=2$、$n=3$ なら $\frac17\approx0.142857$ である。
使う公式:prop-basu-expfam($\eta=-\lambda$)、lem-basu-invariant の 2($X_i=\lambda^{-1}Y_i$)、公式の表の 2 行目($VT=X_1$)。$T$ は形状 $n\alpha$ のガンマ分布に従う。

一様分布の最大値と比

$X_1,\dots,X_n$($n\ge2$)を独立で $(0,\theta)$ 上の一様分布とする。$T=\max_iX_i$、$V=\min_iX_i/T$ とする。答え:$T$ と $V$ は独立で、$E[V]=E[\min_iX_i]/E[T]=\frac1n$ である。$n=5$ なら $0.2$ である。

途中の計算を開く

$T$ の十分性は 十分統計量 の例「正規分布・指数分布・区間上の一様分布」の 4 である。$T$ の密度は $nt^{n-1}\theta^{-n}$($0< t< \theta$)で、すべての $\theta$ で $E_\theta\lvert g(T)\rvert< \infty$、$E_\theta[g(T)]=0$ なら $\int_0^\theta g(t)t^{n-1}dt=0$(すべての $\theta$)である。Lebesgue の微分定理から $g=0$ がほとんどいたるところ成り立つ。$V$ は尺度で不変である。$E[\min_iX_i]=\theta/(n+1)$、$E[T]=n\theta/(n+1)$ である。

平行移動した指数分布

$X_i=\theta+E_i$($E_i$ は率 $1$ の独立な指数分布、$\theta\in\mathbb{R}$)とする。$T=\min_iX_i$、$V=\sum_i(X_i-T)$ とする。答え:$T$ と $V$ は独立である。$\bar X=T+V/n$ なので $\mathrm{Cov}_\theta(\bar X,T)=\mathrm{Var}_\theta(T)=1/n^2$ で、$n=4$ なら $0.0625$ である。

途中の計算を開く

密度 $e^{n\theta}\mathbf 1\{\min_ix_i>\theta\}\,e^{-\sum_ix_i}$ から $T$ は十分である(十分統計量 の定理の $Q$ には $Q=\sum_{k\in\mathbb{Z}}\frac13 2^{-\lvert k\rvert}P_k$ をとる)。$T-\theta$ は率 $n$ の指数分布で、$E_\theta[g(T)]=0$ は $\int_\theta^\infty g(t)e^{-nt}dt=0$(すべての $\theta$)を意味するので、$g=0$ がほとんどいたるところ成り立つ。$V$ は平行移動で不変である。

正規分布の下側確率の最良不偏推定

$X_1,\dots,X_n$($n\ge2$)を独立な $N(m,\sigma^2)$($\sigma$ は既知)とし、$\tau(m)=P_m(X_1\le c)$ を推定する。答え:UMVU 推定量は $\Phi\bigl((c-\bar X)/(\sigma\sqrt{1-1/n})\bigr)$ である($\Phi$ は標準正規分布の分布関数)。$n=4$、$\sigma=1$、$c=0$、$\bar x=0.5$ なら $\Phi(-0.57735)\approx0.28185$ である。
使う公式:fml-basu-freeze、Rao–Blackwellの定理 の定理「Lehmann–Scheffé の定理」。

途中の計算を開く

$\mathbf 1\{X_1\le c\}$ は不偏で有界である。$V:=X_1-\bar X$ は平行移動で不変で、$N(0,\sigma^2(1-1/n))$ に従う。$\phi(v,t)=\mathbf 1\{v+t\le c\}$ として fml-basu-freeze を当てると、$E_m[\mathbf 1\{X_1\le c\}\mid\bar X=t]=P(V\le c-t)$ である。

正規変数の積と無限分解可能性

$Z_1,Z_2$ を独立な $N(0,\sigma^2)$ とする。$U:=Z_1^2+Z_2^2$ は完備十分で($\eta=-1/(2\sigma^2)$)、$W:=Z_1Z_2/U$ は尺度で不変なので、$U$ と $W$ は独立である。$\sigma=1$ で $U$ は平均 $2$ の指数分布に従うので、$Z_1Z_2=UW$ は指数分布の変数と独立な変数の積である。Goldie–Steutel の法則を負の値もとる $W$ へ拡張したもの(DG07 Lemma 1 とその注意、p. 949)を $Z_1Z_2=(U/2)(2W)$ に当てると($U/2$ は率 $1$ の指数分布に従う)、$Z_1Z_2$ の分布は 無限分解可能分布 である(DG07 Theorem 3 の証明、p. 950)。確かめ:$E[U^2]=8$、$W=\frac12\sin2\Theta$($\Theta$ は一様な偏角)から $E[W^2]=\frac18$ で、積は $1=E[Z_1^2Z_2^2]$ である。

図: 左は正規分布 N(0,1) の 5 個の標本 2000 組について標本平均を横軸、標本分散を縦軸に描いた散布図で、標本平均の値によって標本分散の広がりは変わらない。右は区間 (θ,θ+1) 上の一様分布の 5 個の標本 2000 組について最小値と最大値の中点を横軸、範囲を縦軸に描いた散布図で、点は三角形の中に集まり、範囲が 1 に近いと中点の幅が狭くなる。 図: 左は正規分布 N(0,1) の 5 個の標本 2000 組について標本平均を横軸、標本分散を縦軸に描いた散布図で、標本平均の値によって標本分散の広がりは変わらない。右は区間 (θ,θ+1) 上の一様分布の 5 個の標本 2000 組について最小値と最大値の中点を横軸、範囲を縦軸に描いた散布図で、点は三角形の中に集まり、範囲が 1 に近いと中点の幅が狭くなる。
図の左は定理が成り立つ場合、右は完備性がない場合である。右の範囲は補助統計量だが、十分統計量 $(\min_iX_i,\max_iX_i)$ の関数なので独立でない。

使える条件と反例

外す条件反例成り立たなくなること
$T$ が十分$N(\theta,1)$ の 2 標本、$T=X_1$、$V=X_1-X_2$$T$ は完備、$V$ は補助的だが $\mathrm{Cov}_\theta(T,V)=1$
$T$ が有界完備$(\theta,\theta+1)$ 上の一様分布の $n\ge2$ 標本、$T=(\min_iX_i,\max_iX_i)$、$V=\max_iX_i-\min_iX_i$$T$ は十分、$V$ は補助的だが $V$ は $T$ の非定数の関数で独立でない
prop-basu-expfam の開集合(母数の範囲が曲線)$N(\theta,\theta^2)$($\theta>0$)の $n\ge2$ 標本、$T=(\bar X,S^2)$、$V=\bar X/S$$T$ は十分、$V$ は補助的だが $V$ は $T$ の非定数の関数で独立でない。$T$ は完備でない
$V$ が補助的$N(\theta,1)$、$T=V=\bar X$$T$ は完備十分だが、$\bar X$ は定数でなく自分自身と独立でない
prop-basu-converse の絶対連続性$X=(T,V)$、$T=\theta\in\{0,1\}$(確定)、$V\sim N(\theta,1)$$T$ は十分で $V$ は $T$ と独立だが、$V$ の分布は $\theta$ による
反例の確かめ
確かめを開く

1 行目:$T=X_1$ の完備性は prop-basu-expfam を $X_1$ だけのモデルに当てればよい($Z$ は $\sigma(X_1)$-可測で、$E_\theta[Z]$ は $X_1$ の分布だけで決まる)。$T$ が十分でないのは、$X_1$ を与えたときの $X_2$ の分布 $N(\theta,1)$ が $\theta$ による版しかもたないからである。$\mathrm{Cov}_\theta(X_1,X_1-X_2)=1$ である。

2 行目:密度は $\mathbf 1\{\theta<\min_ix_i\}\mathbf 1\{\max_ix_i<\theta+1\}$ なので因子分解できる($Q$ には有理数 $q$ の $P_q$ を正の重みで混ぜたものをとる。$\max_ix_i-\min_ix_i< 1$ なら $x\in(q,q+1)^n$ となる有理数 $q$ がある)。$V$ は平行移動で不変で、定数でない。cor-basu-function から $T$ は有界完備でない。実際 $E_\theta[V]=(n-1)/(n+1)$ なので $Z:=(V-\frac{n-1}{n+1})$ は有界で平均 $0$、$0$ でない。

3 行目:$\theta$ を動かしても $(\eta_1,\eta_2)=(1/\theta,-1/(2\theta^2))$ は曲線の上にあり開集合を含まない。$X_i=\theta(1+Y_i)$($Y_i$ は標準正規)なので $V$ は $\theta$ によらない。$V$ は $T$ の非定数の関数である。平均 $0$ の非零の関数の例は $\frac n{n+1}\bar X^2-S^2$ である($E_\theta[\bar X^2]=\theta^2(n+1)/n$、$E_\theta[S^2]=\theta^2$)。

4 行目:$\bar X$ は正規分布に従い定数でないので、自分自身と独立でない。その分布は $\theta$ による。

5 行目:$T$ を与えると $V$ の条件付き分布は $N(T,1)$ で、$\theta$ によらない版 $Y_\varphi(T)$ がとれるので $T$ は十分である。各 $\theta$ で $T$ は定数なので $V$ と独立である。$\sigma(T)$ の上で $P_0,P_1$ は互いに特異である。$\square$

有界完備と完備は異なる

$\{-1,0,1,2,\dots\}$ の上で $P_\theta(X=-1)=\theta$、$P_\theta(X=k)=(1-\theta)^2\theta^k$($k\ge0$、$0< \theta< 1$)とする。$E_\theta[g(X)]=0$ を $\theta$ の冪級数で展開すると $g(k)=-kg(-1)$ を得る。$g$ が有界なら $g=0$ なので $X$ は有界完備で、$g(x)=x$ は可積分で平均 $0$ なので完備でない。thm-basu-main の仮定は有界完備で足りる。

よくある誤り

誤り正しくはなぜ
十分統計量と補助統計量はいつも独立である有界完備でなければ成り立たないex-basu-counter の 2 行目
$S^2$ は正規モデルの補助統計量である$\sigma$ を固定したモデルでだけ補助的。$(m,\sigma^2)$ のモデルでは分布が $\sigma$ によるex-basu-normal は $\sigma$ ごとに定理を当てる
完備な統計量と補助統計量は独立である十分性が要るex-basu-counter の 1 行目
$T$ と独立な統計量はいつも補助的である$\sigma(T)$ の上の絶対連続性が要るprop-basu-converse
指数型分布族なら自然統計量は完備である自然母数の範囲が開集合を含むことが要るex-basu-counter の 3 行目
$E[V]=E[VT]/E[T]$ は積なのでいつも使える独立性(または無相関)が要る公式の表の 1 行目

補足

定理は Bas55 Theorem 2(p. 378)による。完備性を使わない近似の形もあり、一般の統計量 $T,U$ について、同時分布と周辺分布の積の全変動距離を、条件付き密度の分散で上から評価できる(DG07 Theorem 1、p. 946)。thm-basu-main の状況ではこの分散が $0$ になる。

関連項目

参考文献

Mathpediaは寄付と、参考文献の書籍リンク(Amazonアソシエイト)の紹介料で運営されています。 支援について / 寄付する