ใน CLT ทำไม


10

Let X1,...,Xnเป็นข้อสังเกตอิสระจากการแจกแจงที่มีค่าเฉลี่ยμและความแปรปรวนσ2<∞ , เมื่อn→∞จากนั้น

nX¯n−μσ→N(0,1).

ทำไมสิ่งนี้ถึงบอกว่า

X¯n∼N(μ,σ2n)?

บางทีนี่อาจไม่ได้เน้นอย่างชัดเจนด้านล่าง แต่คำสั่งมีความหมายทางคณิตศาสตร์และเป็นจริงในขณะที่คำสั่ง ˉ X n∼N(μ, σ
nX¯n−μσ→N(0,1)
เป็นเรื่องเหลวไหลทางคณิตศาสตร์จึงเป็นว่าไปไม่ผิดแม้กระทั่ง
X¯n∼N(μ,σ2n)
— ไม่

คำตอบ:


17

การตีความของคุณไม่ถูกต้องเล็กน้อย ทฤษฎีบทขีด จำกัด กลาง (CLT) บอกเป็นนัยว่า

X¯n∼approxN(μ,σ2n).

นี่เป็นเพราะ CLT เป็นผลลัพธ์แบบอะซิมโทติคและเรากำลังทำการทดลองกับตัวอย่างที่ จำกัด เท่านั้น อย่างไรก็ตามเมื่อขนาดตัวอย่างมีขนาดใหญ่พอเราจึงสันนิษฐานว่าผลลัพธ์ CLT มีค่าจริงในการประมาณและดังนั้น

nX¯n−μσ∼approxN(0,1)nX¯n−μσ.σn∼approxσnN(0,1)X¯n−μ∼approxN(0,σ2n)X¯n−μ+μ∼approxμ+N(0,σ2n)X¯n∼approxN(μ,σ2n).

นี้เป็นเพราะสำหรับตัวแปรสุ่มและค่าคงที่, ข , Var ( X ) = 2 Var ( X ) (นี้จะใช้ในขั้นตอนที่สอง) และE ( B + X ) = B + E ( X ) , Var ( b + X ) = Var ( X ) (ใช้ในขั้นตอนสุดท้ายที่สอง)Xa,bVar⁡(aX)=a2Var⁡(X)E(b+X)=b+E(X)Var⁡(b+X)=Var⁡(X)

อ่านสิ่งนี้สำหรับคำอธิบายเพิ่มเติมเกี่ยวกับพีชคณิต


คุณสามารถอธิบายว่า "พีชคณิต" ที่คุณใช้เมื่อใช้ข้อกำหนดจาก LHS ของถึง RHS ได้อย่างไร? ∼
— mavavilj

ฉันชี้แจงพีชคณิตแล้ว ส่วนใหญ่ใช้คุณสมบัติของความแปรปรวนและความคาดหวัง
— Greenparker

ทำไมไม่เช่นระยะที่สองของกลายเป็นN(μ,μ+σ2N(μ,σ2n)? N(μ,μ+σ2n)
— mavavilj

3
เพราะ ) การเพิ่มจำนวนค่าคงที่ให้กับตัวแปรสุ่มจะไม่เปลี่ยนความแปรปรวน Var(aX+b)=a2Var(X)
— Greenparker

10

วิธีที่ง่ายที่สุดในการดูสิ่งนี้คือการดูค่าเฉลี่ยและความแปรปรวนของตัวแปรสุ่มX¯n n

ดังนั้นกล่าวว่าค่าเฉลี่ยเป็นศูนย์และความแปรปรวนเป็นหนึ่ง ดังนั้นเรามีค่าเฉลี่ย:N(0,1)

การใช้E[⋅x+B]=⋅E[x]+ขที่,Bมีค่าคงที่เราจะได้รับ: ˉ X n ≈μ

E[nX¯n−μσ]≈0
E[a⋅x+b]=a⋅E[x]+ba,b
X¯n≈μ

ตอนนี้ใช้ที่, Bมีค่าคงที่เราได้รับต่อไปนี้สำหรับความแปรปรวน:Var⁡[a⋅x+b]=a2⋅Var⁡[x]=a2⋅σx2a,b

Var[ ˉ X n]≈σ2

Var⁡[nX¯n−μσ]≈1
Var⁡[X¯n]≈σ2n

ทีนี้เรารู้ค่าเฉลี่ยและความแปรปรวนของและการแจกแจงแบบเกาส์ (ปกติ) ด้วยค่าเฉลี่ยและความแปรปรวนเหล่านี้คือN ( μ , σ 2X¯nN(μ,σ2n)

คุณอาจสงสัยว่าทำไมต้องผ่านพีชคณิตเหล่านี้ทั้งหมด ทำไมไม่พิสูจน์โดยตรงว่าเป็นN ( μ , σ 2X¯n?N(μ,σ2n)

เหตุผลก็คือในวิชาคณิตศาสตร์มันเป็นเรื่องยาก (เป็นไปไม่ได้ที่จะพิสูจน์การบรรจบกันของการเปลี่ยนแปลงสิ่งต่าง ๆ นั่นคือด้านขวาของตัวดำเนินการคอนเวอร์เจนซ์ต้องได้รับการแก้ไขเพื่อให้นักคณิตศาสตร์ใช้กลวิธีในการพิสูจน์ข้อความ The N ( μ , σ 2→N(μ,σ2n)nN(0,1)


4

X¯nเป็นมาตรฐานปกติแล้วเรามีผลลัพธ์ที่τZ+μ∼ปกติ(μ,n(X¯n−μ)/στZ+μ∼(μ,τ2)Z∼(0,1)

MτZ+μ(t)=MZ(τt)Mμ(t)=et2τ2/2etμ=et2τ2/2+tμ

(μ,τ2)


เหตุใดฟังก์ชันสร้างโมเมนต์จึงพิสูจน์ได้สำหรับการแจกแจง
— mavavilj

1
นี่เป็นผลมาจากความน่าจะเป็น หากตัวแปรสุ่มสองตัวมีฟังก์ชั่นการสร้างโมเมนต์เดียวกันพวกมันก็มีค่าเท่ากัน
— dsaxton
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.