อีกคำถามหนึ่งในทฤษฎีบทขีด จำกัด กลาง


11

ปล่อยเป็นลำดับของตัวแปรสุ่มแบบอิสระของ Bernoulli ด้วย ตั้ง แสดงให้เห็นว่าลู่เข้าสู่การกระจายไปยังตัวแปรปกติมาตรฐานเมื่อมีแนวโน้มที่จะไม่มีที่สิ้นสุดP { X k = 1 } = 1 - P { X k = 0 } = 1{Xn:n≥1}Sn= n ∑ k=1(Xk-1

P{Xk=1}=1−P{Xk=0}=1k.
Sn
Sn=∑k=1n(Xk−1k), Bn2=∑k=1nk−1k2
ZnSnBnZn

ความพยายามของฉันคือใช้ Lyapunov CLT ดังนั้นเราต้องแสดงให้เห็นว่ามีเช่นนั้น δ>0

limn→∞1Bn2+δ∑k=1nE[|Xk−1k|2+δ]=0.

ดังนั้นตั้งค่าδ=1

∑k=1nE|Xk−k−1|3=∑k=1n(1k−3k2+4k3−2k4)
และ
Bn3=(∑k=1n1k−1k2)(∑k=1n1k−1k2)

โดยการประเมินขนาดใหญ่ของ n บนคอมพิวเตอร์มันแสดงให้เห็นว่าทั้ง∑k=1nE|Xk−k−1|3→∞และBn3→∞ เป็นn→∞\ แต่Bn3เพิ่มขึ้นเร็วกว่าBn2ดังนั้น∑k=1nE|Xk−k−1|3Bn3→00 ใครสามารถช่วยฉันพิสูจน์ว่าการบรรจบกันนี้ถือได้หรือไม่?


7
นี่คือตัวอย่าง 27.3 ของความน่าจะเป็นและการวัดโดย Patrick Billingsley
— Zhanxiong

คำตอบ:


10

มันอาจจะเป็นคำแนะนำในการแสดงผลนี้จากหลักการแรกและผลลัพธ์พื้นฐานการใช้ประโยชน์จากคุณสมบัติของฟังก์ชั่นการสร้าง cumulant (ตรงตามหลักฐานในมาตรฐานของทฤษฎีขีด จำกัด กลาง) มันต้องการให้เราเข้าใจอัตราการเติบโตของตัวเลขฮาร์มอนิกทั่วไป สำหรับ อัตราการเจริญเติบโตเหล่านี้เป็นที่รู้จักกันดีและได้รับได้อย่างง่ายดายโดยการเปรียบเทียบกับปริพันธ์ : พวกเขามาบรรจบกันสำหรับและอื่น ๆ แตกต่างลอการิทึมสำหรับ 1

H(n,s)=∑k=1nk−s
s=1,2,….∫1nx−sdxs>1s=1

ให้และn ตามคำนิยามฟังก์ชันการสร้าง cumulant (cgf) ของคือn≥21≤k≤n(Xk−1/k)/Bn

ψk,n(t)=log⁡E(exp⁡(Xk−1/kBnt))=−tkBn+log⁡(1+−1+exp⁡(t/Bn)k).

การขยายตัวของซีรีย์ทางด้านขวามือที่ได้รับจากการขยายของรอบใช้แบบฟอร์มlog⁡(1+z)z=0

ψk,n(t)=(k−1)2k2Bn2t2+k2−3k+26k3Bn3t3+⋯+kj−1−⋯±(j−1)!j!kjBnjtj+⋯.

numerators ของเศษส่วนที่มีหลายชื่อในกับผู้นำระยะ{J-1} เนื่องจากการขยายบันทึกเข้ากันอย่างสมบูรณ์สำหรับการขยายตัวนี้มาบรรจบกันเมื่อkkj−1|−1+exp⁡(t/Bn)k|<1

|exp⁡(t/Bn)−1|<k.

(ในกรณีที่มันมาบรรจบกันทุกที่) สำหรับค่าคงที่และค่าที่เพิ่มขึ้นของค่า (ชัดเจน) ของหมายถึงโดเมนของการลู่เข้าแบบสัมบูรณ์ ดังนั้นสำหรับค่าคงที่และขนาดใหญ่พอการขยายตัวนี้จะรวมกันอย่างแน่นอนk=1knBntn

สำหรับขนาดใหญ่พอแล้วเราอาจดังนั้นจึงสรุปบุคคลมากกว่าระยะโดยระยะในอำนาจของที่จะได้รับ CGF ของ ,nψk,nktSn/Bn

ψn(t)=∑k=1nψk,n(t)=12t2+⋯+1Bnj(∑k=1n(k−1−⋯±(j−1)!k−j))tjj+⋯.

การหาคำศัพท์ในผลรวมมากกว่าทีละครั้งเราต้องประเมินการแสดงออกตามสัดส่วนk

b(s,j)=1Bnj∑k=1nk−s

สำหรับและเจ ด้วยการใช้ asymptotics ของตัวเลขฮาร์มอนิกทั่วไปที่กล่าวถึงในบทนำทำให้ติดตามได้อย่างง่ายดายj≥3s=1,2,…,j

Bn2=H(n,1)−H(n,2)∼log⁡(n)

ที่

b(1,j)∼(log⁡(n))1−j/2→0

และ (สำหรับ )s>1

b(s,j)∼(log⁡(n))−j/2→0

เป็นเติบโตขนาดใหญ่ ดังนั้นทุกเงื่อนไขในการขยายตัวของเกินบรรจบกับศูนย์ไหนลู่ไปสำหรับค่าใด ๆทีตั้งแต่การบรรจบกันของ CGF ที่แสดงถึงการบรรจบกันของฟังก์ชั่นลักษณะเราสรุปจากการจัดเก็บต่อเนื่องทฤษฎีบทที่แนวทางตัวแปรสุ่มที่มี CGF คือ : นั่นคือตัวแปรปกติมาตรฐานQEDnψn(t)t2ψn(t)t2/2tSn/Bnt2/2


การวิเคราะห์นี้เผยให้เห็นว่าการบรรจบกันนั้นละเอียดอ่อนเพียงใด:ในหลาย ๆ รุ่นของทฤษฎีขีด จำกัด กลางค่าสัมประสิทธิ์ของคือ (สำหรับ ) ค่าสัมประสิทธิ์คือ เฉพาะ : การบรรจบกันนั้นช้ากว่ามากในกรณีนี้ลำดับของตัวแปรมาตรฐาน "เพิ่งจะไม่ได้" จะกลายเป็น NormaltjO(n1−j/2)j≥3O(((log⁡(n))1−j/2)

เราสามารถเห็นการลู่เข้าแบบช้านี้ในชุดของการจำลอง histograms แสดงซ้ำอิสระสี่ค่าของnเส้นโค้งสีแดงเป็นกราฟของฟังก์ชันความหนาแน่นปกติมาตรฐานสำหรับการอ้างอิงด้วยภาพ แม้ว่าจะมีแนวโน้มที่ชัดเจนต่อความเป็นมาตรฐานอย่างชัดเจนแม้ที่ (โดยที่ยังคงมีขนาดใหญ่) ยังคงมีค่านิยมไม่ใช่บรรทัดฐาน - เห็นได้ชัดในความเบ้ (เท่ากับในตัวอย่างนี้) (ไม่น่าแปลกใจที่ความเอียงของฮิสโตแกรมนี้ใกล้เคียงกับเพราะนั่นคือสิ่งที่คำว่าใน cgf อยู่อย่างแน่นอน)105nn=1000(log⁡(n))−1/2≈0.380.35(log⁡(n))−1/2t3

รูปภาพ: ฮิสโทแกรมสำหรับ n = 30, 100, 300, 1,000

นี่คือRรหัสสำหรับผู้ที่ต้องการทดลองเพิ่มเติม

set.seed(17)
par(mfrow=c(1,4))
n.iter <- 1e5
for(n in c(30, 100, 300, 1000)) {
  B.n <- sqrt(sum(rev((((1:n)-1) / (1:n)^2))))
  x <- matrix(rbinom(n*n.iter, 1, 1/(1:n)), nrow=n, byrow=FALSE)
  z <- colSums(x - 1/(1:n)) / B.n
  hist(z, main=paste("n =", n), freq=FALSE, ylim=c(0, 1/2))
  curve(dnorm(x), add=TRUE, col="Red", lwd=2)
}

6

คุณมีคำตอบที่ดีอยู่แล้ว หากคุณต้องการพิสูจน์หลักฐานของคุณเองเช่นกันคุณสามารถโต้แย้งดังนี้

เนื่องจากรวมทุกและ diverges สำหรับ ( ที่นี่ ) เราอาจเขียน∑k=1n1/kii>1i=1

S(n):=∑k=1n(1k−3k2+4k3−3k4)=∑k=1n1k+O(1).

ด้วยเหตุผลเดียวกัน

Bn2=∑k=1n1k+O(1).

ดังนั้นและดังนั้นS(n)/Bn2=O(1)

S(n)/Bn3=O(1)(Bn2)−1/2→0,

ซึ่งเป็นสิ่งที่เราต้องการแสดง


2

ก่อนอื่นตัวแปรสุ่มของคุณจะไม่ถูกกระจายเหมือนกันถ้าการกระจายขึ้นอยู่กับ ;)k

นอกจากนี้ฉันจะไม่ใช้สัญลักษณ์ของคุณเป็น:Bn

  • ตัวอักษรพิมพ์ใหญ่มักจะสงวนไว้สำหรับตัวแปรสุ่ม
  • เป็นเพียงผลรวมของความแปรปรวนดังนั้นฉันจะใช้สัญลักษณ์ที่เกี่ยวข้องกับสัญลักษณ์เพื่อทำให้สิ่งนี้ชัดเจนσ

ถ้าอย่างนั้นฉันก็ไม่รู้ว่านี่เป็นแบบฝึกหัดหรือการวิจัยและมีเครื่องมืออะไรบ้างที่คุณอนุญาตให้ใช้ หากคุณไม่ได้พยายามพิสูจน์ทฤษฎีบทที่รู้จักกันอีกครั้งฉันแค่บอกว่ามันเป็นทฤษฎีบทขีด จำกัด กลางสำหรับ RV อิสระที่ไม่มีการกระจายตัวเหมือนกัน แต่มีขอบเขต จำกัด สม่ำเสมอและเรียกมันว่าวันละ ฉันไม่มีแหล่งข้อมูลที่ดีอยู่ในมือ แต่ไม่ควรหาแหล่งที่ยากเกินไปเช่นดูที่/mathpro/29508/is-there-a-central-limit-theorem- สำหรับขอบเขต-ที่ไม่เหมือนกันกระจายสุ่ม

แก้ไข: ไม่ดีแน่นอนว่าเงื่อนไขที่มีขอบเขตไม่เท่ากันคุณยังต้องการ

∑k=1nσk2→∞
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.