이것은 이 질문 에 의해 제기 된 문제에 대한보다 일반적인 처리입니다 . 표본 분산의 점근 분포를 도출 한 후 델타 방법을 적용하여 표준 편차의 해당 분포에 도달 할 수 있습니다.
크기가 인 iid 비정규 랜덤 변수 , 평균 및 분산 . 표본 평균과 표본 분산을 { X i } ,
우리는
여기서 이고, 어떤 순간이 존재하고 유한하며 존재하고 유한해야하는 분포에주의를 제한합니다.
그것은 개최합니까
이것은 이 질문 에 의해 제기 된 문제에 대한보다 일반적인 처리입니다 . 표본 분산의 점근 분포를 도출 한 후 델타 방법을 적용하여 표준 편차의 해당 분포에 도달 할 수 있습니다.
크기가 인 iid 비정규 랜덤 변수 , 평균 및 분산 . 표본 평균과 표본 분산을 { X i } ,
우리는
여기서 이고, 어떤 순간이 존재하고 유한하며 존재하고 유한해야하는 분포에주의를 제한합니다.
그것은 개최합니까
답변:
표본 분산을 고려할 때 발생하는 부수적 인 종속 관계에 대해 다음과 같이 씁니다.
조금 조작 한 후에
따라서
조작,
용어 은 무증상으로 통일된다. 라는 용어 는 결정적이며 로 0이됩니다 .√n→∞
또한 . 첫 번째 성분은 정규 분포로 수렴하고, 두 번째 성분은 확률은 0으로 수렴합니다. 그런 다음 Slutsky의 정리에 따라 곱은 0으로 수렴합니다.
우리는 그 용어가 남았습니다
이 답변 에 대한 의견에서 @whuber가 제공 한 치명적인 예제에 경고를 보내면 가 일정하지 확인하고 싶습니다 . Whuber는 가 Bernoulli 이면이 양은 상수 라고 지적했습니다 . 따라서이 일이 발생하는 변수 (아마도 이진이 아닌 다른 이분법 )를 제외하면 나머지는X i ( 10 / 1
따라서 조사중인 용어는 고전적인 Central Limit Theorem의 일반적인 주제입니다.
참고 : 위의 코스 결과는 정규 분포 샘플에도 적용되지만이 경우에는 유한 샘플 카이 제곱 분포 결과도 사용할 수 있습니다.
귀하는 이미 귀하의 질문에 대한 자세한 답변을 가지고 있지만 다른 질문을 제안 해 드리겠습니다. 사실, 더 짧은 증거는
에 의존하지 않습니다 . 점근, 그것은 또한 우리가 요소 변경 여부를 중요하지 않습니다 에 나는 편의를 위해 할 것입니다. 우리는 다음1 1
그리고 이제 일반성을 잃지 않고 이라고 가정 하고
두 번째 항이 (CLT 및 연속 매핑 정리에 의해) 확률로 제한되기 때문에 확률 한계는 0입니다. 즉, 입니다. 점근 결과는 이제 Slutzky의 정리와 CLT에서 따릅니다.
여기서 . 그리고 그렇게 할 것입니다.
Alecos 와 JohnK 의 탁월한 답변은 이미 결과를 도출했지만 표본 분산의 점근 적 분포에 대해 다른 점에 주목하고 싶습니다.
정규 분포를 사용하여 표현 된 점근 적 결과를 보는 것이 일반적이며 이론 정리에 유용합니다. 그러나 실제로는 표본 통계량에 대한 점근 분포의 목적은 이 클 때 근사 분포를 얻을 수 있다는 것 입니다. 많은 분포가 동일한 점근 형태를 갖기 때문에 큰 표본 근사에 대해 선택할 수있는 항목이 많이 있습니다. 표본 분산의 경우 큰 대한 우수한 근사 분포 는 다음과 같이 나타납니다. n
여기서 및 는 첨도 매개 변수입니다. 이 분포는 정리에서 파생 된 정규 근사와 거의 동일합니다 (자유도가 무한대 인 경향에 따라 카이 제곱 분포가 정규로 수렴 됨). 이 동등성에도 불구하고이 근사값에는 근사 분포에 원하는 다양한 속성이 있습니다.κ = μ 4 / σ 4
정리에서 직접 도출 된 정규 근사와 달리이 분포는 관심 통계를 올바르게 지원합니다. 표본 분산은 음수가 아니고이 분포는 음이 아닌지지를 갖습니다.
기본 값이 정규 분포 인 경우이 근사값은 실제로 정확한 샘플링 분포입니다. (이 경우 우리는 이 , 이것은 대부분의 텍스트에서 사용되는 표준 형식입니다.) 따라서 중요한 특수한 경우에도 정확한 결과를 구성하지만 더 일반적인 경우.D F n = n − 1
위 결과의 도출 : 표본 평균 및 분산에 대한 대략적인 분포 결과는 O'Neill (2014) 에서 상세히 논의되었으며 ,이 논문은 현재 근사 분포를 포함하여 많은 결과의 도출을 제공합니다.
이 파생은 질문의 제한 결과에서 시작됩니다.
이 결과를 다시 정렬하면 근사값을 얻습니다.
카이 제곱 분포는 무정형 정규이므로 는 다음과 같습니다.
촬영 (상기 식을 산출) 부여합니다 카이 제곱 분포 점근하는 보장하지만 것을 제한 정리의 정규 근사값과 같습니다.