답변:
첫 번째 질문에 대답.
mpiktas가 언급 한 사실, 에서 시작할 수 있습니다. 그런 다음 의해 분포 된 두 개의 랜덤 변수의 합의 분포를 먼저 검색하여 더 간단한 단계를 시도하십시오 . 이것은 두 개의 랜덤 변수의 컨벌루션을 계산하거나 특성 함수의 곱을 계산하여 수행 할 수 있습니다.F ( 1 , n )
PCB Phillips 의 기사 는 "[confluent] hypergeometric functions"에 대한 나의 첫 추측이 사실이라는 것을 보여줍니다. 그것은 해결책이 사소한 것이 아니며 무차별 대입은 복잡하지만 질문에 대답하는 데 필요한 조건이라는 것을 의미합니다. 따라서 은 고정되어 있고 t- 분포를 요약하면 최종 결과가 무엇인지 확실하게 말할 수 없습니다. 유창한 초 지오메트리 기능의 제품을 다루는 데 능숙하지 않은 사람.
근사치조차 아닙니다. 작은 들어 ,의 기대 동일 의 기대 반면 동일 . 가 작을 때 (예를 들어, 10 미만) 와 히스토그램의 모양 이 같지 않아 이동 및 크기 조정이 여전히 작업.T에 K에 해당 x2(k)kk로그(T)로그(χ2(k))T
직관적으로, 작은 자유도를 위해 Student 's 는 짙은 꼬리가 있습니다. 그것을 제곱하는 것은 그 무거움을 강조합니다. 따라서 합계는 제곱 법선 ( 분포) 보다 더 치우칩니다 ( 보통 훨씬 더 치우칩니다 ). 계산과 시뮬레이션이이를 뒷받침합니다.χ 2
각 히스토그램은 @mpiktas에 설명 된대로 표준화 된 지정된 자유도 ( ) 및 요약 ( )을 사용한 100,000 회 시행의 독립적 인 시뮬레이션을 보여줍니다 . 맨 아래 행 의 값은 경우와 비슷합니다 . 따라서 각 열을 스캔하여 를 비교할 수 있습니다 .k n = 9999 χ 2 T χ 2
적절한 모멘트가 존재하지 않기 때문에 표준화는 불가능 합니다. 모양의 안정성 부족 (행에서 왼쪽에서 오른쪽으로 또는 열에서 아래로 스캔 할 때)이 로 표시됩니다 .n ≤ 4
두 번째 질문에 대답하겠습니다. 중심 제한 정리는 제곱 또는 제곱이 아닌 모든 iid 시퀀스에 대한 것입니다. 따라서 귀하의 경우 경우 우리가 충분히 크다
여기서 및 는 각각 자유도를 갖는 제곱 스튜던트 t 분포의 평균 및 분산입니다 . 참고 와 F 분포로 분포 개 자유도. wikipedia page 에서 평균과 분산에 대한 공식을 얻을 수 있습니다 . 최종 결과는 다음과 같습니다. V R ( t (2) 1 ) N t 2 1 1 N