单射统计量是否必然为充分统计量？基于因子分解定理的求证

先直接给结论：没错，所有单射（一一对应）的统计量都是充分统计量，不管是从充分统计量的原始定义出发，还是用因子分解定理来推导，都能得到这个结论。

我们一步步拆解来看：

从充分统计量的定义分析 #

充分统计量的核心要求是：给定统计量T(X)的取值，样本X的条件分布不依赖于未知参数θ。

如果T是单射统计量，意味着对于任意两个不同的样本点x₁≠x₂，必有T(x₁)≠T(x₂)。反过来，一旦知道T(X)=t，我们就能唯一确定对应的样本点x=T⁻¹(t)（因为单射存在逆映射）。这时候，给定T(X)=t，X的条件分布就是在点x=T⁻¹(t)处的概率质量（或密度）为1，其他点为0——这个分布完全和θ无关，因为不管θ取什么值，条件分布都是确定的单点分布。显然满足充分统计量的定义。

从因子分解定理推导 #

因子分解定理告诉我们：统计量T(X)是充分统计量，当且仅当样本的联合密度（或概率质量函数）可以分解为：
f(x;θ) = g(T(x);θ) * h(x)
其中g是仅依赖于T(x)和θ的函数，h是仅依赖于x、与θ无关的函数。

对于单射统计量T，我们可以直接构造这样的分解：

• 令g(t;θ) = f(T⁻¹(t);θ)：因为t=T(x)，所以T⁻¹(t)=x，这个函数自然依赖于t和θ；
• 令h(x)=1：这是一个完全不依赖于θ的常数函数。

代入后显然有f(x;θ)=g(T(x);θ)*1，完美符合因子分解定理的形式，所以T是充分统计量。

为什么你可能找不到明确引用？ #

这个结论其实是充分统计量定义的一个“平凡推论”——因为单射统计量完全保留了原始样本的所有信息（能通过T(X)还原出X），而充分统计量只要求“保留所有关于θ的信息”，单射统计量显然满足这一点。

很多教材和资料会更关注最小充分统计量（即最简洁的充分统计量，不包含冗余信息），而单射统计量通常是“过度充分”的（比如直接把整个样本作为统计量，就是单射且充分，但不是最小的），所以很少专门单独提及这个结论，但它确实是成立的。

举个简单例子：假设我们有两个独立样本X₁,X₂服从正态分布N(θ,1)，统计量T(X₁,X₂)=(X₁, X₁+2X₂)——这是一个单射统计量，因为给定(t₁,t₂)，可以解出X₁=t₁，X₂=(t₂-t₁)/2，唯一确定原始样本。根据上面的结论，T是充分统计量，你也可以用因子分解定理验证这一点：联合密度是f(x₁,x₂;θ) = (1/(2π))exp(-(x₁-θ)²/2)exp(-(x₂-θ)²/2)，代入X₁=t₁，X₂=(t₂-t₁)/2，就能把密度写成仅依赖t₁,t₂和θ的函数乘以1，满足分解要求。

内容的提问来源于stack exchange，提问作者Rachel