การกระจายผลิตภัณฑ์โดยประมาณของ N iid ปกติ? กรณีพิเศษμ≈0


12

รับ iid X nN ( μ X , σ 2 X ) , และμ X0 , ค้นหา:N30XnN(μX,σX2)μX0

  1. การประมาณการแจกแจงแบบฟอร์มปิดที่แม่นยำของ YN=1NXn
  2. asymptotic ( exponential ?) การประมาณของผลิตภัณฑ์เดียวกัน

นี้เป็นกรณีพิเศษของขึ้นคำถามทั่วไปμX0


1. คุณมีข้อมูลเกี่ยวกับและσ Xหรือไม่? (มันจะดีถ้าทุกμ X / σ X » 0เช่น.) (2) การประมาณปกติ asymptotic จะน่ากลัวเพราะ asymptotically Yจะไม่ดูปกติจากระยะไกล μXσXμX/σX0Y
whuber

nN(0,σ2)μ

μσFN>30|μX|10σXμFσFχ2FF

3
μX10σXYlog(X)

FN0+1NZμFσFα

คำตอบ:


10

เป็นไปได้ที่จะได้รับทางออกที่แน่นอนในกรณีที่ไม่มีค่าเฉลี่ย (ส่วน B)

ปัญหา

อนุญาตให้แทนตัวแปรn iid N ( 0 , σ 2 )ตัวแปรแต่ละตัวที่มี pdf ทั่วไปf ( x ) :(X1,,Xn)nN(0,σ2)f(x)

ป้อนคำอธิบายรูปภาพที่นี่

เราหาไฟล์ pdf ของ , สำหรับn = 2 , 3 , ...i=1nXin=2,3,

วิธีการแก้

ไฟล์ PDF ของผลิตภัณฑ์ของสองบรรทัดฐานดังกล่าวเป็นเพียง:

ป้อนคำอธิบายรูปภาพที่นี่

... ที่ฉันใช้ TransformProductฟังก์ชั่นจากmathStaticaแพคเกจสำหรับMathematica โดเมนของการสนับสนุนคือ:

ป้อนคำอธิบายรูปภาพที่นี่

ผลิตภัณฑ์ของ 3, 4, 5 และ 6 ปกติได้รับโดยการใช้ฟังก์ชั่นซ้ำ ๆ กัน (ที่นี่สี่ครั้ง):

ป้อนคำอธิบายรูปภาพที่นี่

... ที่MeijerGหมายถึงฟังก์ชั่น G เมย์เยอร์

nN(0,σ2)


1(2π)n2σnMeijerG[{{},{}},{{01,,0n},{}},x22nσ2n] for xR

ตรวจสอบ Monte Carlo ด่วน

นี่คือการตรวจสอบอย่างรวดเร็วเปรียบเทียบ:

  • n=6σ=3
  • เพื่อประจักษ์ Monte Carlo pdf: เส้นโค้งสีน้ำเงินอย่างคร่าวๆ

ป้อนคำอธิบายรูปภาพที่นี่

ดูดี! [เส้นโค้งสีฟ้าไก่เขี่ยบดบังเส้นโค้งสีแดงประที่แน่นอน]


log(...MeijerG(...))
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.