สไลด์ที่คุณลิงก์ไปนั้นค่อนข้างสับสนออกจากขั้นตอนและพิมพ์ผิดเล็กน้อย แต่ท้ายที่สุดแล้วมันก็ถูกต้อง มันจะช่วยตอบคำถาม 2 ก่อนจากนั้น 1 และในที่สุดก็จะได้การเปลี่ยนแปลงสมมาตรdA ( u ) = ∫ u - ∞ 1[ V ( θ ) ] 1 / 3 dθA(u)=∫u−∞1[V(θ)]1/3dθ
คำถามที่ 2. เรากำลังวิเคราะห์ขณะที่มันมีค่าเฉลี่ยของกลุ่มตัวอย่างที่มีขนาดของตัวแปรสุ่ม IIDx_n นี่เป็นปริมาณที่สำคัญเพราะการสุ่มตัวอย่างการกระจายตัวแบบเดียวกันและการหาค่าเฉลี่ยเกิดขึ้นตลอดเวลาในวิทยาศาสตร์ เราต้องการทราบว่าใกล้เคียงกับค่าเฉลี่ยจริงอย่างไร เซ็นทรัล จำกัด ทฤษฎีบทบอกว่ามันจะมาบรรจบกันที่จะเป็นแต่เราอยากจะรู้ว่าความแปรปรวนและความเบ้ของ{X}ˉ X NX1, . . ,XN ˉ X μμN→การ∞ ˉ XX¯NX1,...,XNX¯μμN→∞X¯
คำถามที่ 1. การประมาณซีรี่ส์ของ Taylor ของคุณไม่ถูกต้อง แต่เราต้องระมัดระวังเกี่ยวกับการติดตามกับและ ofเพื่อให้ได้ข้อสรุปเช่นเดียวกับสไลด์ เราจะเริ่มต้นด้วยคำจำกัดความของและช่วงเวลากลางของและได้รับสูตรสำหรับ :ˉ X XฉันN ˉ X Xฉันκ3(h( ˉ X ))X¯XiNX¯Xiκ3( 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]
ตอนนี้ช่วงเวลาสำคัญของ :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
ขั้นตอนสุดท้ายต่อเนื่องจากและ 2 สิ่งนี้อาจไม่ได้มาจากที่ง่ายที่สุดแต่มันเป็นกระบวนการเดียวกันที่เราต้องทำเพื่อหาและที่เราแยกย่อยผลรวมของผลรวมและนับจำนวนเทอมด้วยพลังของตัวแปรที่แตกต่างกัน ในกรณีดังกล่าวข้างต้นมีแง่ที่เป็นของแบบฟอร์มและแง่ของรูปแบบMU)E[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
ต่อไปเราจะขยายในซีรี่ส์ Taylor ตามที่คุณมี:h(ˉX)h(X¯)
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+...
ด้วยความพยายามบางอย่างมากกว่าที่คุณสามารถพิสูจน์ได้ว่าส่วนที่เหลือของข้อตกลงที่มี3}) ในที่สุดเนื่องจาก , (ซึ่งไม่เหมือนกับ ) เราทำการคำนวณที่คล้ายกันอีกครั้ง: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]
เราสนใจเฉพาะเงื่อนไขที่ทำให้เกิดคำสั่งและมีงานพิเศษที่คุณสามารถแสดงให้เห็นว่าคุณไม่ต้องการคำว่า " "หรือ" "ก่อนที่จะถ่ายอำนาจที่สามขณะที่พวกเขาเท่านั้นที่จะส่งผลในแง่ของการสั่งซื้อ3}) ดังนั้นทำให้ง่ายขึ้นเราได้รับO(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)
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)]
ฉันทิ้งคำศัพท์บางคำที่เห็นได้ชัดว่าในผลิตภัณฑ์นี้ คุณจะต้องโน้มน้าวตัวเองว่าเงื่อนไขและมีเช่นกัน อย่างไรก็ตามO(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)
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)
จากนั้นกระจายความคาดหวังในสมการของเราสำหรับเรามีκ3(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)
นี้สรุปมาของ{X})) ตอนนี้ที่สุดท้ายที่เราจะได้รับมา symmetrizing แปลงdκ3(h(ˉX))κ3(h(X¯))A(u)=∫u−∞1[V(θ)]1/3dθA(u)=∫u−∞1[V(θ)]1/3dθ
สำหรับการแปลงนี้เป็นสิ่งสำคัญที่มาจากการแจกแจงแบบครอบครัวแบบเอกซ์โพเนนเชียลและโดยเฉพาะอย่างยิ่งครอบครัวแบบเอ็กซ์โปเนนเชียลตามธรรมชาติ (หรือถูกแปลงเป็นการกระจายแบบนี้), ในรูปแบบXiXifXi(x;θ)=h(x)exp(θx−b(θ))fXi(x;θ)=h(x)exp(θx−b(θ))
ในกรณีนี้ cumulants ของการกระจายที่จะได้รับจากtheta) ดังนั้น ,และtheta) เราสามารถเขียนพารามิเตอร์เป็นหน้าที่ของเพียงการผกผันของเขียนMU) แล้วก็κk=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
ต่อไปเราสามารถเขียนความแปรปรวนเป็นฟังก์ชันของและเรียกใช้ฟังก์ชันนี้ :μμˉVV¯
ˉV(μ)=V(θ(μ))=b″(θ(μ))V¯(μ)=V(θ(μ))=b′′(θ(μ))
แล้วก็
ddμˉV(μ)=V′(θ(μ))θ′(μ)=b‴(θ)1σ2=κ3σ2ddμV¯(μ)=V′(θ(μ))θ′(μ)=b′′′(θ)1σ2=κ3σ2
ดังนั้นเป็นหน้าที่ของ ,MU)μμκ3(μ)=ˉV′(μ)ˉV(μ)κ3(μ)=V¯′(μ)V¯(μ)
ตอนนี้สำหรับการแปลงสมมาตรเราต้องการลดความเบ้ของโดยทำให้เพื่อให้คือ3}) ดังนั้นเราต้องการh(ˉX)h(X¯)h′(μ)3κ3(Xi)N2+3h′(μ)2h″(μ)σ4N2=0h′(μ)3κ3(Xi)N2+3h′(μ)2h′′(μ)σ4N2=0h(ˉX)h(X¯)O(N−3)O(N−3)
h′(μ)3κ3(Xi)+3h′(μ)2h″(μ)σ4=0h′(μ)3κ3(Xi)+3h′(μ)2h′′(μ)σ4=0
การแทนที่นิพจน์ของเราสำหรับและเป็นฟังก์ชันของเรามี:σ2σ2κ3κ3μμ
h′(μ)3ˉV′(μ)ˉV(μ)+3h′(μ)2h″(μ)ˉV(μ)2=0h′(μ)3V¯′(μ)V¯(μ)+3h′(μ)2h′′(μ)V¯(μ)2=0
ดังนั้นนำไปสู่0h′(μ)3ˉV′(μ)+3h′(μ)2h″(μ)ˉV(μ)=0h′(μ)3V¯′(μ)+3h′(μ)2h′′(μ)V¯(μ)=0ddμ(h′(μ)3ˉV(μ))=0ddμ(h′(μ)3V¯(μ))=0
ทางออกหนึ่งสำหรับสมการเชิงอนุพันธ์นี้คือ:
h′(μ)3ˉV(μ)=1h′(μ)3V¯(μ)=1 ,
h′(μ)=1[ˉV(μ)]1/3h′(μ)=1[V¯(μ)]1/3
ดังนั้นสำหรับค่าคงที่ใด ๆ . สิ่งนี้ทำให้เรามีการเปลี่ยนแปลงสมมาตรโดยที่คือความแปรปรวนเป็น ฟังก์ชันของค่าเฉลี่ยในครอบครัวเลขชี้กำลังแบบธรรมชาติh(μ)=∫μc1[ˉV(θ)]1/3dθh(μ)=∫μc1[V¯(θ)]1/3dθccA(u)=∫u−∞1[V(θ)]1/3dθA(u)=∫u−∞1[V(θ)]1/3dθVV