フィッシャー情報量とクラメールラオの不等式の下限

[@kurozu7267]

バイアスとかフィッシャー情報量、スコア関数あたりが自分の中でごっちゃになっていたのですが、この動画で整理できた気がします。
ありがとうございました。

[@はじめての統計学]

@KuroZu. (くろず) さん
こんにちは！コメント頂きありがとうございます！
お役に立ててよかったです！

[@田中太郎-i6p6l]

解説ありがとうございます。
例題の標本平均ってΣX_i/nのようにnで割っていると思うのですが、I_n(θ)を計算するときにn倍しているだけで良いのはなぜでしょうか？

[@datte_nanda_mon]

いつも勉強させていただいております。ありがとうございます。
１点、質問させてください。
7:57 の箇所です。
n件のxに対する対数尤度内の尤度関数f_nのまま、確率変数列Xで積分する扱いをされていますが、確率変数列Xに対する積分[dX（ディー・ラージX）で積分]する方法が分かりません。どんなキーワードでネットを検索すれば勉強できますでしょうか？
私は、f_nを1件毎のxの尤度関数f_1の掛け算に分解して、対数尤度log(f_1)の和として扱い、各項の期待値の和として求めたところ、１にならずにnになってしまいました。そこで行き詰まりました。
ご助言をいただけましたら助かります。
（抽象的に「ラージXで積分（ベクトルXで積分？）」と単純化して考えれば単純な積分の形ですが、数列ラージXに対して積分というのが具体的にどんなものか？が分かれば、私の間違い箇所を特定できるのではないか？と考えています。n件の数列ラージXに対して積分するというのは、n個の積分記号が並んだ状態なのだろうとイメージしております。）