はい。

私がちゃんと理解したかった定理です。

復習したら見た瞬間理解したのですが、一応メモっておきます。

初学者向けの説明がなかなかネットに落ちていなかった（気がする）ので。

初めに行っておくと、この定理は

「十分統計量で条件づけた不偏推定量の分散は、他の不偏推定量の分散より大きくなることはない。」

って定理です（違ったらコメントください）。

十分統計量に依存した不偏推定量を使っとけばとりあえず無難ですよってことですな。

数学アレルギーでも、この程度の認識は持っておいた方が良いでしょう。

十分統計量についてはこちら hotoke-x.hatenablog.com

不偏推定量についてはこちら hotoke-x.hatenablog.com

証明

証明は結構簡単です。

今、未知母数の推定量は不変推定量しか考えないとします。このとき、標本 $\boldsymbol{X}$ について $\theta$ の不偏推定量 $\phi (\boldsymbol{X})$ 、十分統計量 $T(\boldsymbol{X})$ を考えます。この時十分統計量で条件付けした統計量を $\varphi (t) = \boldsymbol{\mathrm{E}} \left[\phi (\boldsymbol{X}) | T = t \right]$ とすると

$\boldsymbol{\mathrm{E}} \left[ \left( \phi (\boldsymbol{X}) - \theta \right)^2 \right] \\= \boldsymbol{\mathrm{E}} \left[ \left( \phi (\boldsymbol{X}) - \varphi (T) \right) + \left(\varphi (T) - \theta \right) \right]^2 \\= \boldsymbol{\mathrm{E}} \left[ \left( \phi (\boldsymbol{X}) - \varphi (T) \right)^2 \right] + \boldsymbol{\mathrm{E}} \left[ \left(\varphi (T) - \theta \right)^2 \right] \\ \geq \boldsymbol{\mathrm{V}} \left[ \varphi (T) \right]$

十分統計量に依存しない不偏推定量を用いた場合、下から2段目の式の第一項の分、推定量が悪くなり得ることを示しています。

まとめるとブラックウェルーラオ（Blackwell-Rao）の定理は以下のようになります[1]。

標本 $\boldsymbol{X} = (X_1, \ldots, X_n)'$ の各要素が互いに独立同分布に従うとき（independent and identically distributed, i.i.d.と書くことも多い）、 $T(\boldsymbol{X})$ を十分統計量、統計量 $\phi (\boldsymbol{X})$ は母数 $\theta$ の不偏推定量とする。このとき

$\varphi (t) = \boldsymbol{\mathrm{E}} \left[ \phi (\boldsymbol{X}) | T=t \right]$ は不変推定量
$\boldsymbol{\mathrm{V}} \left[ \varphi (T) | \theta \right] \leq \boldsymbol{\mathrm{V}} \left[\phi (\boldsymbol{X}) \right]$ となる