연결하는 슬라이드는 다소 혼란스럽고 단계를 생략하고 오타를 만들지 만 실제로는 정확합니다. 질문 2에 먼저 답한 다음 1에 답한 다음 마지막으로 대칭 변환A ( u ) = ∫ u − ∞ 1[ V ( θ ) ] 1 / 3 DθA(u)=∫u−∞1[V(θ)]1/3dθ .
질문 2. 우리는 를 iid 랜덤 변수 의 크기 의 표본 평균으로 분석하고 있습니다. 과학에서 항상 같은 분포를 샘플링하고 평균을 취하기 때문에 이것은 중요한 양입니다. 가 실제 평균 얼마나 가까운 지 알고 싶습니다 . 중앙 한계 정리 (Central Limit Theorem)는 그것이 에 로 수렴한다고 말하지만 의 분산과 왜도를 알고 싶습니다 .ˉ XX¯ NNX1,. . . ,XNX1,...,XN ˉ XX¯ μμμμN→∞N→∞ ˉ XX¯
질문 1. Taylor 계열 근사값은 정확하지 않지만 슬라이드와 동일한 결론을 얻으려면 대 및 거듭 제곱을 추적하는 데주의해야합니다 . 의 정의 와 중심 모멘트 부터 시작하여 의 공식을 도출해 .ˉ XX¯ XiXiNN ˉ XX¯ XiXiκ3(h( ˉ X ))κ3(h(X¯))
ˉ X =1N∑Ni=1XiX¯=1N∑Ni=1Xi
E[Xi]=μE[Xi]=μ
V(Xi)=E[(Xi−μ)2]=σ2V(Xi)=E[(Xi−μ)2]=σ2
κ3(Xi)=E[(Xi−μ)3]κ3(Xi)=E[(Xi−μ)3]
이제 의 중심 순간 :ˉXX¯
E[ˉX]=1N∑Ni=1E[Xi]=1N(Nμ)=μE[X¯]=1N∑Ni=1E[Xi]=1N(Nμ)=μ
V(ˉX)=E[(ˉX−μ)2]=E[((1NN∑i=1Xi)−μ)2]=E[(1NN∑i=1(Xi−μ))2]=1N2(NE[(Xi−μ)2]+N(N−1)E[Xi−μ]E[Xj−μ])=1Nσ2V(X¯)=E[(X¯−μ)2]=E[((1N∑i=1NXi)−μ)2]=E[(1N∑i=1N(Xi−μ))2]=1N2(NE[(Xi−μ)2]+N(N−1)E[Xi−μ]E[Xj−μ])=1Nσ2
마지막 단계는 이고 입니다. 이것은 의 가장 쉬운 파생은 아니지만 및 를 찾으려면 동일한 프로세스입니다. , 여기서 우리는 합의 곱을 나누고 다른 변수의 거듭 제곱으로 항의 수를 셉니다. 상기 경우에, 거기 형태로 이용 하였다 및 형태의 측면E[Xi−μ]=0E[Xi−μ]=0E[(Xi−μ)2]=σ2E[(Xi−μ)2]=σ2V(ˉX)V(X¯)κ3(ˉX)κ3(X¯)κ3(h(ˉX))κ3(h(X¯))NN(Xi−μ)2(Xi−μ)2N(N−1)N(N−1)(Xi−μ)(Xj−μ)(Xi−μ)(Xj−μ) .
κ3(ˉX)=E[(ˉX−μ)3)]=E[((1NN∑i=1Xi)−μ)3]=E[(1NN∑i=1(Xi−μ))3]=1N3(NE[(Xi−μ)3]+3N(N−1)E[(Xi−μ)E[(Xj−μ)2]+N(N−1)(N−2)E[(Xi−μ)]E[(Xj−μ)]E[(Xk−μ)]=1N2E[(Xi−μ)3]=κ3(Xi)N2κ3(X¯)=E[(X¯−μ)3)]=E[((1N∑i=1NXi)−μ)3]=E[(1N∑i=1N(Xi−μ))3]=1N3(NE[(Xi−μ)3]+3N(N−1)E[(Xi−μ)E[(Xj−μ)2]+N(N−1)(N−2)E[(Xi−μ)]E[(Xj−μ)]E[(Xk−μ)]=1N2E[(Xi−μ)3]=κ3(Xi)N2
다음으로 확장하겠습니다.h(ˉX)h(X¯) 으로 Taylor 시리즈에서 를 합니다.
h(ˉX)=h(μ)+h′(μ)(ˉX−μ)+12h″(μ)(ˉX−μ)2+13h‴(μ)(ˉX−μ)3+...h(X¯)=h(μ)+h′(μ)(X¯−μ)+12h′′(μ)(X¯−μ)2+13h′′′(μ)(X¯−μ)3+...
E[h(ˉX)]=h(μ)+h′(μ)E[ˉX−μ]+12h″(μ)E[(ˉX−μ)2]+13h‴(μ)E[(ˉX−μ)3]+...=h(μ)+12h″(μ)σ2N+13h‴(μ)κ3(Xi)N2+...E[h(X¯)]=h(μ)+h′(μ)E[X¯−μ]+12h′′(μ)E[(X¯−μ)2]+13h′′′(μ)E[(X¯−μ)3]+...=h(μ)+12h′′(μ)σ2N+13h′′′(μ)κ3(Xi)N2+...
더 많은 노력으로 나머지 용어가 임을 증명할 수 있습니다. 마지막으로, , ( 와 동일하지 ), 다시 비슷한 계산을합니다.O(N−3)O(N−3)κ3(h(ˉX))=E[(h(ˉX)−E[h(ˉX)])3]κ3(h(X¯))=E[(h(X¯)−E[h(X¯)])3]E[(h(ˉX)−h(μ))3]E[(h(X¯)−h(μ))3]
κ3(h(ˉX))=E[(h(ˉX)−E[h(ˉX)])3]=E[(h(μ)+h′(μ)(ˉX−μ)+12h″(μ)(ˉX−μ)2+O((ˉX−μ)3)−h(μ)−12h″(μ)σ2N−O(N−2))3]κ3(h(X¯))=E[(h(X¯)−E[h(X¯)])3]=E[(h(μ)+h′(μ)(X¯−μ)+12h′′(μ)(X¯−μ)2+O((X¯−μ)3)−h(μ)−12h′′(μ)σ2N−O(N−2))3]
우리는 순서의 결과에만 관심이 있으며 추가 작업을 통해 " 용어가 필요하지 않음을 보여줄 수 있습니다 "또는" "는 순서 의해서만 제 3의 힘을 취하기 전에O(N−2)O(N−2)O((ˉX−μ)3)O((X¯−μ)3)−O(N−2)−O(N−2)O(N−3)O(N−3) . 그래서 단순화하면
κ3(h(ˉX))=E[(h′(μ)(ˉX−μ)+12h″(μ)(ˉX−μ)2−12h″(μ)σ2N))3]=E[h′(μ)3(ˉX−μ)3+18h″(μ)3(ˉX−μ)6−18h″(μ)3σ6N3+32h′(μ)2h″(μ)(ˉX−μ)4+34h′(μ)h″(μ)(ˉX−μ)5−32h′(μ)2h″(μ)(ˉX−μ)2σ2N+O(N−3)]κ3(h(X¯))=E[(h′(μ)(X¯−μ)+12h′′(μ)(X¯−μ)2−12h′′(μ)σ2N))3]=E[h′(μ)3(X¯−μ)3+18h′′(μ)3(X¯−μ)6−18h′′(μ)3σ6N3+32h′(μ)2h′′(μ)(X¯−μ)4+34h′(μ)h′′(μ)(X¯−μ)5−32h′(μ)2h′′(μ)(X¯−μ)2σ2N+O(N−3)]
나는 이 제품에서 분명히 용어를 생략했다 . 및 이라는 용어는 과 같습니다.O(N−3)O(N−3)E[(ˉX−μ)5]E[(X¯−μ)5]E[(ˉX−μ)6]E[(X¯−μ)6]O(N−3)O(N−3) 도 마찬가지입니다. 하나,
E[(ˉX−μ)4]=E[1N4(N∑i=1(ˉX−μ))4]=1N4(NE[(Xi−μ)4]+3N(N−1)E[(Xi−μ)2]E[(Xj−μ)2]+0)=3N2σ4+O(N−3)E[(X¯−μ)4]=E[1N4(∑i=1N(X¯−μ))4]=1N4(NE[(Xi−μ)4]+3N(N−1)E[(Xi−μ)2]E[(Xj−μ)2]+0)=3N2σ4+O(N−3)
그리고 우리의 방정식에 기대 배포 , 우리는이κ3(h(ˉX))κ3(h(X¯))
κ3(h(ˉX))=h′(μ)3E[(ˉX−μ)3]+32h′(μ)2h″(μ)E[(ˉX−μ)4]−32h′(μ)2h″(μ)E[(ˉX−μ)2]σ2N+O(N−3)=h′(μ)3κ3(Xi)N2+92h′(μ)2h″(μ)σ4N2−32h′(μ)2h″(μ)σ4N2+O(N−3)=h′(μ)3κ3(Xi)N2+3h′(μ)2h″(μ)σ4N2+O(N−3)κ3(h(X¯))=h′(μ)3E[(X¯−μ)3]+32h′(μ)2h′′(μ)E[(X¯−μ)4]−32h′(μ)2h′′(μ)E[(X¯−μ)2]σ2N+O(N−3)=h′(μ)3κ3(Xi)N2+92h′(μ)2h′′(μ)σ4N2−32h′(μ)2h′′(μ)σ4N2+O(N−3)=h′(μ)3κ3(Xi)N2+3h′(μ)2h′′(μ)σ4N2+O(N−3)
이것으로 의 유도가 끝납니다 . 이제 마지막으로 대칭 변환κ3(h(ˉX))κ3(h(X¯))A(u)=∫u−∞1[V(θ)]1/3dθA(u)=∫u−∞1[V(θ)]1/3dθ 합니다.
이 변환에서 가 지수 패밀리 분포, 특히 자연 지수 패밀리 (또는이 분포로 변환 된 것)에서XiXifXi(x;θ)=h(x)exp(θx−b(θ))fXi(x;θ)=h(x)exp(θx−b(θ))
이 경우 분포의 은 됩니다. 따라서 , 및 입니다. 쓰고 의 역수를 취하는 함수로 매개 변수를 쓸 수 있습니다 . 그때κk=b(k)(θ)κk=b(k)(θ)μ=b′(θ)μ=b′(θ)σ2=V(θ)=b″(θ)σ2=V(θ)=b′′(θ)κ3=b‴(θ)κ3=b′′′(θ)θθμμb′b′θ(μ)=(b′)−1(μ)θ(μ)=(b′)−1(μ)
θ′(μ)=1b″((b′)−1(μ))=1b″(θ))=1σ2θ′(μ)=1b′′((b′)−1(μ))=1b′′(θ))=1σ2
다음으로 분산을 의 함수로 작성 하고이 함수를μˉV .
ˉV(μ)=V(θ(μ))=b″(θ(μ))
그때
ddμˉV(μ)=V′(θ(μ))θ′(μ)=b‴(θ)1σ2=κ3σ2
따라서의 함수로서 ,μκ3(μ)=ˉV′(μ)ˉV(μ) .
이제 대칭 변환을 위해 를 만들어 의 왜도를 줄이려고합니다. 이므로 는h(ˉX)h′(μ)3κ3(Xi)N2+3h′(μ)2h″(μ)σ4N2=0h(ˉX)O(N−3) 입니다. 따라서 우리는 원합니다
h′(μ)3κ3(Xi)+3h′(μ)2h″(μ)σ4=0
및 대한 표현을 함수로σ2κ3μ 같습니다.
h′(μ)3ˉV′(μ)ˉV(μ)+3h′(μ)2h″(μ)ˉV(μ)2=0
따라서 이므로h′(μ)3ˉV′(μ)+3h′(μ)2h″(μ)ˉV(μ)=0ddμ(h′(μ)3ˉV(μ))=0 입니다.
이 미분 방정식에 대한 한 가지 해결책은 다음과 같습니다.
h′(μ)3ˉV(μ)=1 ,
h′(μ)=1[ˉV(μ)]1/3
따라서 는 상수 입니다. 이것은 대칭 변환 . 여기서 는 다음과 같은 분산입니다. 자연 지수 가족에서 평균의 함수.h(μ)=∫μc1[ˉV(θ)]1/3dθcA(u)=∫u−∞1[V(θ)]1/3dθV