ทฤษฎีขีด จำกัด กลางสำหรับรากที่สองของผลรวมของตัวแปรสุ่ม iid


11

ทึ่งกับคำถามที่ math.stackexchangeและตรวจสอบมันสังเกตุฉันสงสัยเกี่ยวกับคำสั่งต่อไปนี้ในรากที่สองของจำนวนสุ่มตัวแปร iid

สมมติว่าX1,X2,,Xnเป็นตัวแปรสุ่ม IID ด้วยแน่นอนไม่ใช่ศูนย์หมายถึงและความแปรปรวนและx_i ทฤษฎีขีด จำกัด กลางบอกว่าเมื่อเพิ่มขึ้นσ 2 Y = n Σฉัน= 1 X ฉันY - n μμσ2Y=i=1nXผมnYnμnσ2 d ยังไม่มีข้อความ(0,1)n

ถ้าฉันสามารถพูดได้เช่นเมื่อเพิ่มขึ้น?Z - Z=|Y|nZn|μ|σ24|μ|σ24|μ| d N(0,1)n

ตัวอย่างเช่นสมมติว่าคือ Bernoulli ที่มีค่าเฉลี่ยและความแปรปรวนจากนั้นคือทวินามและฉันสามารถจำลองสิ่งนี้ใน R พูดด้วย :Xipp(1p)Yp=13

set.seed(1)
cases <- 100000
n <- 1000
p <- 1/3
Y <- rbinom(cases, size=n, prob=p)
Z <- sqrt(abs(Y))

ซึ่งให้ประมาณค่าเฉลี่ยความหวังและความแปรปรวนสำหรับZ

> c(mean(Z), sqrt(n*p - (1-p)/4))
[1] 18.25229 18.25285
> c(var(Z), (1-p)/4)
[1] 0.1680012 0.1666667

และพล็อต QQ ซึ่งมีลักษณะใกล้เคียงกับเกาส์เซียน

qqnorm(Z)

ป้อนคำอธิบายรูปภาพที่นี่


1
@MichaelM: ขอบคุณสำหรับความคิดเห็นเหล่านั้น ฉันเริ่มต้นด้วยไม่เป็นลบ แต่ฉันคิดว่าพฤติกรรม asymptotic ที่ใช้งานง่ายที่คุณอธิบายอนุญาตให้มีการกระจายทั่วไป ความประหลาดใจของฉันคือ (a) ความแปรปรวนของสแควร์รูทของผลรวมนั้นมีแนวโน้มว่าค่าคงที่ไม่ได้ขึ้นอยู่กับnและ (b) การปรากฏตัวของการกระจายซึ่งมีลักษณะใกล้เคียงกับเกาส์เซียนมาก ตัวอย่างตอบโต้จะได้รับการต้อนรับ แต่เมื่อฉันลองกรณีอื่น ๆ ซึ่งในตอนแรกดูเหมือนจะไม่ใช่แบบเกาส์เซียนการเพิ่มขึ้น nดูเหมือนจะนำการแจกแจงกลับไปเป็นผลลัพธ์ประเภท CLT Xinn
เฮนรี่

ข้อสรุปของเรื่องนี้คือรูต - ค่าเฉลี่ย - สแควร์ (หรือค่าเฉลี่ยกำลังสอง) ของตัวแปรสุ่ม iid ที่ปรับขนาดได้อย่างเหมาะสม (คูณด้วยเช่นเดียวกับค่าเฉลี่ยเลขคณิต) ยังรวมไปถึงการแจกแจงแบบเกาส์โดยที่ช่วงเวลาที่4ของการแจกแจงแบบพื้นฐานนั้นมี จำกัด n4
เฮนรี่

3
เป็นเพียงความคิดเห็นสั้น ๆ : การอ้างสิทธิ์เป็นกรณีพิเศษของวิธีเดลต้าให้ดูทฤษฎีบท 5.5.24 ในหนังสือ "อนุมานเชิงสถิติ" โดย Casella & Berger
Michael M

@Michael: บางทีคุณอาจเห็นบางสิ่งบางอย่างที่ฉันไม่ได้อยู่ในขณะนี้ แต่ฉันไม่คิดว่าปัญหานี้เหมาะสมกับสมมติฐานของวิธี Delta แบบดั้งเดิม (เช่นตามที่ระบุไว้ในทฤษฎีที่คุณอ้างอิง) โปรดทราบว่าไม่ได้มาบรรจบกันในการกระจาย (โดยไม่ตั้งใจบนR ) และดังนั้น "ใช้วิธี Delta กับg ( y ) = YR"ไม่ตอบสนองความต้องการที่จำเป็นอย่างไรก็ตามในขณะที่คำตอบของ S. Catterall แสดงให้เห็นถึงการแก้ปัญหาที่เป็นประโยชน์ซึ่งนำไปสู่คำตอบที่ถูกต้องg(y)=|y|
cardinal

(ฉันเชื่อว่าคุณสามารถปรับเปลี่ยนหลักฐานของวิธีเดลต้าเป็นกรณีที่คล้ายกับข้างต้นเพื่อทำให้ฮิวริสติกที่กล่าวมาแล้วข้างต้นได้รับการเข้มงวดมากขึ้น)
พระคาร์ดินัล

คำตอบ:


14

การบรรจบกับเกาส์เซียนถือเป็นปรากฏการณ์ทั่วไป

X1,X2,X3,...μ>0σ2Yn=i=1nXiαP(Ynnμσnα)Φ(α)nΦ

P(Ynnμσnα+α2σ24μσn)Φ(α)
P(Yn(ασ2μ+nμ)2)Φ(α)

μ>0P(Yn<0)0

P(|Yn|ασ2μ+nμ)Φ(α)
|Yn|nμσ/2μdN(0,1)n

nμE[|Yn|]nE[Yn]=E[Yn]Var(Yn)E[Yn]=nμVar(Yn)σ24μE[|Yn|]nμσ24μ

|Yn|nμσ24μσ/2μdN(0,1)
nμσ24μnμ0n

nμnμσ24μ0n

nμnμkk|Yn|nμkσ/2μN(0,1)nnμσ24μ

Var(Z)=E[Z2](E[Z])2E[Z]=E[Z2]Var(Z)E[Z2]=E[Y]=nμ|Yn|nμσ/2μVar(Z)σ24μE[Z]nμσ24μ

ตกลงขอบคุณฉันพยายามครอบคลุมในคำตอบของฉันตอนนี้
S. Catterall Reinstate Monica
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.