수학기호가 안보인다면 새로고침(F5)해보세요 :D
Method of Moments (MoM)
아이디어는 다음과 같습니다. 예를들어 하나의 x를 구하려고 할때 하나의 식( e.g. x+1=10 )이 필요합니다. x와 y 두개의 parameters를 구하려고 한다면 두개의 식이 필요하겠죠. 이처럼, sample data의 mean과 variance를 구하려고 한다면 두개의 식이 필요합니다. 우리가 알고싶어하는 prameters를 가장 최대한 근사값으로 찾을 수 있게 도와주는 방법중에 하나가 바로 Method of Moments 입니다.
참고로 parameter는 모수, 즉 모르지만 우리가 구하고자 하는 수인데요, true 값은 알 수 없어서 가장 근사한 추정(estimates)값을 찾습니다. Estimator라고 알려주기 위해 estimator 위에 항상 ^(hat)을 씌워줍니다.
[1] MoM을 구하는 방법
The Steps for finding the MoM are following;
1) Calculate low order moments in terms of parameters,
2) Invert the expression in terms of moments and
3) finally simply put the hat on the expression in step 2 to obtain estimator of the parameters.
Remark
$\star$ The Kth moment: M(K)(0)=$\mu_{k}$= E(Xk)
$\star$ $\hat{\mu_{k}}$ can be treated as an unbiased estimate of $\mu_{k}$.
Example) Mathematical Statistics and Data Analysis 3RD Edition Chapter 8, Q4
Suppose that X is discrete random variable with P(X=0)=$\frac{2}{3}\theta$, P(X=1)=$\frac{1}{3}\theta$, P(X=2)=$\frac{2}{3}(1-\theta)$, P(X=3)=$\frac{1}{3}(1-\theta)$. The following 10 independent observations were taken from such a distribution. (3, 0, 2, 1, 3, 2, 1, 0, 2, 1)
a) Find the method of moment estimate of $\theta$.
b) Find the approximate standard error for your estimate.
▷Think first!
- Based on the sample observations with size 10, what is the sample mean?
- How can you find the expected value in discrete case?
- From the results of two questions above, what is your conclusion?
- We can find the sample variance by using the second moment. So what is variance of the estimate?
답안은 여기 클릭하면 보실 수 있어요. Solution!!
Example) Mathematical Statistics and Data Analysis 3RD Edition Chapter 8, Q54 (a)
Let X1 X2...Xn be iid uniform on [0, $\theta$]
a) Find the method of moments estimate of $\theta$ and its mean and variance.
답안은 여기 클릭하면 보실 수 있어요. Solution!!
긴글 읽어주셔서 감사합니다. 도움되셨으면 공감 부탁드려요.
저도 아직 배우는 학생이다보니 수정해야할 부분이 있다면 댓글 부탁드릴게요 :D
'공부정리 > Probability 확률통계' 카테고리의 다른 글
이항분포 (Binomial Distribution) 개념 및 예제 (5) | 2015.01.19 |
---|---|
Bernoulli Distribution (베르누이분포) - 평균, 분산, sufficient statistic, exponential family 등 (4) | 2015.01.04 |
기댓값, 분산, 공분산, 독립변수 증명 (0) | 2015.01.01 |
[개념설명] Convergence in probability, Almost Sure Convergence, Convergence in distribution, Central Limit Theorem, (0) | 2014.12.31 |
Maximum Likelihood Estimate (MLE), 최대가능도추정량 예제와 답안 (0) | 2014.12.31 |