ZU DEN KURSEN!

Stichprobentheorie - Asymptotische Erwartungstreue

Kursangebot | Stichprobentheorie | Asymptotische Erwartungstreue

Stichprobentheorie

Asymptotische Erwartungstreue

Es besteht die Möglichkeit, dass eine Schätzfunktion $\hat{\Theta }$ für sehr große Stichproben "fast" erwartungstreu ist, für kleine Stichproben aber nicht. Dies führt zu dem Begriff "asymptotische Erwartungstreue".

Darunter verstehen wir folgendes.

Eine Schätzfunktion $\hat{\Theta }$ heißt asymptotisch erwartungstreu für einen zu schätzenden Parameter $\Theta $, falls ihr Erwartungswert gegen den echten Parameter $\Theta $ konvergiert. In diesem Fall schreibt man: $\lim _{n\rightarrow \infty }E(\hat{\Theta })=\Theta .$

Nun betrachten wir Beispielaufgaben mit immer größerem Stichprobenumfang n.

Beispiel

Beispiel

Hier klicken zum Ausklappen

Zunächst prüfen wir, ob die folgende Schätzfunkion erwartungstreu ist $\hat{\mu }=\frac 1{n-1}\sum _{i=1}^n(X_i).$
Wir schauen, ob $E(\hat{\mu })=\mu .$
Es ist $E(\hat{\mu })=\frac 1{n-1}\sum _{i=1}^nE(X_i)=\frac 1{n-1}n\mu \neq \mu .$
Es liegt keine Erwartungstreue vor. Durch Limesbildung folgt allerdings: $\lim _{n\rightarrow \infty }E(\hat{\mu })=\lim _{n\rightarrow \infty }\frac 1{n-1}n\mu =\mu$, womit asymptotische(!) Erwartungstreue vorliegt.

Merke

Merke

Hier klicken zum Ausklappen

Jede erwartungstreue Schätzfunktion ist auch asymptotisch erwartungstreu. Am obigen Beispiel wurde deutlich, dass die Umkehrung nicht unbedingt gilt.

Aufgaben zur asymptotischen Erwartungstreue

Aufgabe 1

Untersuchen Sie folgende Schätzfunktion auf Erwartungstreue und asymptotische Erwartungstreue:

$\hat{\mu }=2\frac n{2n-1}\sum _{i=1}^n(X_i)$.

Vertiefung

Hier klicken zum Ausklappen
Lösung:

Es ist:

$E(\hat{\mu })=E(2\frac n{2n^2-1}\sum _{i=1}^nX_i)=2\frac n{2n^2-1}\sum _{i=1}^nE(X_i)=2\frac n{2n^2-1}\sum _{i=1}^n\mu =\frac{2n^2\mu }{2n^2-1}=\frac{2n^2}{2n^2-1}\cdot\mu \neq \mu$.

Somit ist $\hat{\mu }$ nicht erwartungstreu. Wenn wir den Limes bilden stellen wir fest, dass

$\lim _{n\rightarrow \infty }E(\hat{\mu })=\lim _{n\rightarrow \infty }\frac{2n^2\mu }{2n^2-1} =\mu .$ Also ist die Schätzfunktion asymptotisch erwartungstreu.

Aufgabe 2

Wir kommen wieder auf folgende Aufgabe zurück:Seien X und Y Zufallsvariablen, welche nicht unabhängig sind. Es gelte E(XY)= $\mu$ und $10<E(X),E(Y)<\infty$. Wir fragen uns nun, ob die die Schätzfunktion $\hat{\mu }=(X-\frac 1 n)(Y-\frac 1 n)$ asymptotisch erwartungstreu ist für $\mu$?

Vertiefung

Hier klicken zum Ausklappen
Lösung:

Es ist

$E(\hat{\mu })=E\text ((X-\frac 1 n)(Y-\frac 1 n)\text )=E(\mathit{XY})-\frac{E(X)+E(Y)} n+\frac 1{n^2}=\mu -\frac{E(X)+E(Y)} n+\frac 1{n^2}\neq \mu$.

Durch Limesbildung folgt:

$\lim _{n\rightarrow \infty }E(\hat{\mu })=\lim _{n\rightarrow \infty }(\mu -\frac{E(X)+E(Y)} n+\frac 1{n^2})=\mu -0+0=\mu$.

Wir hatten festgestellt, dass $\hat{\mu }$ nicht erwartungstreu für $\mu $ ist. Allerdings sehen wir jetzt, dass

$\hat{\mu }$ asymptotisch erwartungstreu ist für $\mu$.