正态总体样本衍生统计量T(x)的充分性判定疑问

嗨，刚学推断统计遇到这种疑问太正常了，我来给你理清楚核心逻辑～首先得先纠正一个理解偏差：老师说的“样本始终具有充分性”，指的是完整的样本$(X_1,X_2,...,X_n)$——它包含了从总体中获取的全部观测信息，自然能承载关于参数$(\theta,\sigma^2)$的所有信息。但样本的子集（比如你提到的部分样本、单个样本元素）就不一定具备充分性了，咱们结合初学者最常用的Fisher因子分解定理来具体分析：

1. 统计量$T(x)=(X_3,...,X_{n-8})$是否充分？ #

答案是不充分。
先回忆正态总体的联合概率密度函数：
$$
f(x_1,x_2,...,x_n;\theta,\sigma^2) = \left(\frac{1}{\sqrt{2\pi}\sigma}\right)^n \exp\left(-\frac{1}{2\sigma^2}\sum_{i=1}n (x_i-\theta)^2\right)
$$
根据Fisher因子分解定理，一个统计量$T(X)$是充分统计量的核心要求是：联合密度能拆成两部分——一部分只和统计量$T(X)$、参数有关，另一部分和参数完全无关。

现在看这个$T(x)$，它丢掉了$X_1,X_2,X_{n-7},...,X_n$这些观测值。我们把联合密度里的求和项拆开来：
$$
\sum_{i=1}^n (x_i-\theta)^2 = \sum_{i=3}^{{n-8}(x_i-\theta)}2 + (x_1-\theta)^2 + (x_2-\theta)^2 + \sum_{i=n-7}^{n(x_i-\theta)}2
$$
你会发现，后面被丢掉的样本对应的项，都和参数$\theta$直接相关，没法被拆成和参数无关的函数。这就意味着$T(x)$没有包含关于$\theta$和$\sigma^2$的全部信息——比如你用$T(x)$只能算出这部分样本的均值和方差，但没法还原出整个样本的均值和方差（而完整的均值、方差才是正态总体的充分统计量）。所以这个部分样本统计量不具备充分性。

2. 统计量$T(x)=X_1$是否充分？ #

答案也是不充分。
同样用因子分解定理判断：联合密度里的求和项包含了所有样本的信息，而$X_1$只是其中一个。剩下的$X_2,...,X_n$对应的$(x_i-\theta)^{2$项都和参数有关，没法被拆成和参数无关的部分。单个样本只能提供一个观测值，它既没法反映总体的离散程度（也就是$\sigma}2$的信息），连$\theta$的信息也只是单一的点观测，远不如完整样本的信息全面。所以单个样本元素也不是充分统计量。

总结一下：只有当统计量包含了与参数相关的全部信息时，它才是充分统计量。完整样本满足这一点，但样本的子集（不管是多个元素还是单个元素）因为丢掉了部分观测信息，所以无法成为充分统计量。

内容的提问来源于stack exchange，提问作者user503959