iid 랜덤 변수의 합의 제곱근에 대한 중심 한계 정리


11

math.stackexchange질문에 흥미 를 가지고 경험적으로 조사하면서 iid 임의 변수의 합의 제곱근에 대한 다음 진술에 대해 궁금합니다.

가정 유한 비제로 평균 확률 변수이다 IID μ 와 분산 σ 2Y는 = N Σ는 i가 = 1 X를 I . 중심 한계 정리는 Y - n μ 라고 말합니다.X1,X2,,Xnμσ2Y=i=1nXi등의N이 증가한다.Ynμnσ2 d N(0,1)n

Z = √ 인 경우Z - 와 같은 것을 말할 수 있습니까?Z=|Y|등의N증가?Zn|μ|σ24|μ|σ24|μ| d N(0,1)n

예를 들어, 가정 , 평균 베르누이이다 P 및 분산 P ( 1 - P를 ) 다음 Y는 이항이고 I는 R이 시뮬레이션 말할 수 P = 1Xipp(1p)Y :p=13

set.seed(1)
cases <- 100000
n <- 1000
p <- 1/3
Y <- rbinom(cases, size=n, prob=p)
Z <- sqrt(abs(Y))

대략 Z에 대한 기대 평균과 분산을 제공합니다.Z

> c(mean(Z), sqrt(n*p - (1-p)/4))
[1] 18.25229 18.25285
> c(var(Z), (1-p)/4)
[1] 0.1680012 0.1666667

가우시안에 가까운 QQ 플롯

qqnorm(Z)

여기에 이미지 설명을 입력하십시오


1
Xinn

이것의 결과는 적절하게 스케일링 된 (i 곱하기 ) iid 랜덤 변수의 제곱 평균 (또는 2 차 평균)입니다.n4

3
간단히 말해서 주장은 델타 방법의 특별한 경우입니다. Casella & Berger의 "통계 추론"책의 정리 5.5.24를 참조하십시오.
Michael M

YRg(y)=|y|

(난 당신이 적응할 수 있으리라 생각 증거 완전히 엄격한 상기 발견을 위해 위의 유사 사례에 델타 방법을.)
추기경

답변:


14

가우시안으로의 수렴은 실제로 일반적인 현상입니다.

X1,X2,X3,...μ>0σ2Yn=i=1nXiαP(Ynnμσnα)Φ(α)nΦ

P(Ynnμσnα+α2σ24μσn)Φ(α)
P(Yn(ασ2μ+nμ)2)Φ(α)

μ>0P(Yn<0)0

P(|Yn|ασ2μ+nμ)Φ(α)
|Yn|nμσ/2μdN(0,1)n

이것은 의미합니까?nμE[|Yn|]nE[Yn]=E[Yn]Var(Yn)E[Yn]=nμVar(Yn)σ24μE[|Yn|]nμσ24μ

|Yn|nμσ24μσ/2μdN(0,1)
nμσ24μnμ0n

를 추가해야 할 수도 있습니다nμnμσ24μ0n

nμnμkk|Yn|nμkσ/2μN(0,1)nnμσ24μ

Var(Z)=E[Z2](E[Z])2E[Z]=E[Z2]Var(Z)E[Z2]=E[Y]=nμ|Yn|nμσ/2μVar(Z)σ24μE[Z]nμσ24μ

고마워, 나는 지금 내 대답에서 이것을 다루려고 노력했다.
S. Catterall Reinstate Monica
당사 사이트를 사용함과 동시에 당사의 쿠키 정책개인정보 보호정책을 읽고 이해하였음을 인정하는 것으로 간주합니다.
Licensed under cc by-sa 3.0 with attribution required.