0

tandfonline.com – An Example of an Improvable Rao–Blackwell Improvement, Inefficient Maximum Likelihood Estimator, and Unbiased Generalized Bayes Estimator

tandfonline.com har udgivet en rapport under søgningen “Teacher Education Mathematics”:

The Rao–Blackwell theorem offers a procedure for converting a crude unbiased estimator of a parameter θ into a “better” one, in fact unique and optimal if the improvement is based on a minimal sufficient statistic that is complete. In contrast, behind every minimal sufficient statistic that is not complete, there is an improvable Rao–Blackwell improvement. This is illustrated via a simple example based on the uniform distribution, in which a rather natural Rao–Blackwell improvement is uniformly improvable. Furthermore, in this example the maximum likelihood estimator is inefficient, and an unbiased generalized Bayes estimator performs exceptionally well. Counterexamples of this sort can be useful didactic tools for explaining the true nature of a methodology and possible consequences when some of the assumptions are violated.

[Received December 2014. Revised September 2015.]

Link til kilde

Troels Gannerup Christensen

Jeg er ansat som adjunkt hos Læreruddannelsen i Jelling, hvor jeg underviser i matematik, specialiseringsmodulet teknologiforståelse, praktik m.m. Jeg har tidligere været ansat som pædagogisk konsulent i matematik og tysk hos UCL ved Center for Undervisningsmidler (CFU) i Vejle og lærer i udskolingen (7.-9. klasse) på Lyshøjskolen i Kolding. Jeg er ejer af og driver bl.a. hjemmesiderne www.lærklokken.dk og www.iundervisning.dk, ggbkursus.dk og er tidligere fagredaktør på matematik på emu.dk. Jeg går ind for, at læring skal være let tilgængelig og i størst mulig omfang gratis at benytte.

Leave a Reply

0 Kommentarer
Inline Feedbacks
View all comments