มีการแจกแจงอื่นที่ไม่ใช่ Cauchy ซึ่งค่าเฉลี่ยเลขคณิตของตัวอย่างตามการแจกแจงเดียวกันหรือไม่?


11

ถ้าเป็นไปตามการแจกแจงแบบ Cauchy ดังนั้นยังตามด้วยการกระจายตัวแบบเดียวกับ ; ดูกระทู้นี้Y = ˉ X = 1XXY=X¯=1nΣผม=1nXผมX

  • สถานที่ให้บริการนี้มีชื่อหรือไม่?

  • มีการแจกแจงอื่น ๆ ซึ่งสิ่งนี้เป็นจริงหรือไม่?

แก้ไข

วิธีถามคำถามนี้อีกวิธี:

ให้เป็นตัวแปรสุ่มที่มีความหนาแน่นของความน่าจะเป็น(x)f ( x )X(x)

ให้ที่หมายถึงการสังเกต ith ของXXฉันXY=1nΣผม=1nXผมXผมX

Yตัวเองถือได้ว่าเป็นตัวแปรสุ่มโดยไม่ต้องเครื่องกับค่าที่เฉพาะเจาะจงใด ๆ ของXX

ถ้าตามการกระจาย Cauchy ดังนั้นฟังก์ชันความหนาแน่นของความน่าจะเป็นของคือY f ( x )XY(x)

มีฟังก์ชั่นความหนาแน่นของความน่าจะเป็นแบบอื่น ๆ (ไม่ใช่เล็กน้อย) สำหรับที่ส่งผลให้มีฟังก์ชันความหนาแน่นของความน่าจะเป็นหรือไม่?Y f ( x )(x)Y(x)

* ตัวอย่างเล็ก ๆ น้อย ๆ เพียงอย่างเดียวที่ฉันสามารถนึกได้คือเดลต้า Dirac เช่นไม่ใช่ตัวแปรสุ่ม


ชื่อของคุณมีเหตุผลเล็กน้อยเนื่องจาก "ค่าคาดหวังของกลุ่มตัวอย่าง" เป็นตัวเลข คุณหมายถึงค่าเฉลี่ยเลขคณิตของตัวอย่างแทนหรือไม่? คำถามนี้ยังคลุมเครือ: โดย "การกระจาย" คุณหมายถึงการกระจายที่เฉพาะเจาะจงหรือคุณหมายถึง - ตามที่แนะนำโดยคำว่า "Cauchy" - ตระกูลการแจกแจงหรือไม่? นั่นไม่ใช่ความบอบบางเล็กน้อย: คำตอบจะเปลี่ยนแปลงอย่างสมบูรณ์ขึ้นอยู่กับความหมายของคุณ โปรดแก้ไขโพสต์ของคุณเพื่อชี้แจง
whuber

@ โฮเบอร์ฉันเพิ่มส่วนที่สองของคำถามซึ่งหวังว่าจะกระชับช่วงของการตีความที่เป็นไปได้
Chechy Levas

ขอบคุณ; ที่ล้างส่วนใหญ่ขึ้น แต่มีคำตอบที่แตกต่างกันขึ้นอยู่กับว่าคุณแก้ไข หรือถ้าคุณต้องการผลนี้จะถือสำหรับทุกn หากเป็นกรณีหลังเงื่อนไขใน cf หรือ cgf นั้นรุนแรงและนำไปสู่โซลูชันที่พร้อมใช้งาน หากเป็นแบบเดิมแสดงว่าอาจมีโซลูชันเพิ่มเติม n n.
whuber

ผมคิดว่าสำหรับทุกแต่ถ้าใครต้องการที่จะให้การวิเคราะห์บนแก้ไขnยังว่าจะได้รับการต้อนรับ nn
Chechy Levas

คำตอบ:


5

นี่ไม่ใช่คำตอบจริงๆ แต่อย่างน้อยก็ดูเหมือนจะไม่ง่ายที่จะสร้างตัวอย่างจากการกระจายที่เสถียร เราจะต้องสร้าง rv ที่มีฟังก์ชั่นลักษณะเหมือนกับของค่าเฉลี่ย

โดยทั่วไปสำหรับ iid draw, cf ของค่าเฉลี่ยคือ

ด้วย ϕ X cf ของ rv เดียวสำหรับการแจกแจงที่เสถียรกับพารามิเตอร์ตำแหน่งศูนย์เรามี ϕ X ( t ) = exp { - | c t | α ( 1 - i β sgn ( t ) Φ ) } , โดย ที่ Φ = {

φX¯n(เสื้อ)=[φX(เสื้อ/n)]n
φX
φX(เสื้อ)=ประสบการณ์{-|เสื้อ|α(1-ผมβSGN(เสื้อ)Φ)},
Cauchy สอดคล้องกับการกระจายไปยังอัลฟา=1,β=0เพื่อให้φˉXn(T)=φX(T)แน่นอนสำหรับระดับใดพารามิเตอร์>0
Φ={สีน้ำตาล(πα2)α1-2πเข้าสู่ระบบ|เสื้อ|α=1
α=1β=0φX¯n(เสื้อ)=φX(เสื้อ)>0

โดยทั่วไป เพื่อให้ได้φ ˉ X n(T)=φX(T),α=1ดูเหมือนจะเรียกร้องให้ดังนั้น φ ˉ X n (T)

φX¯n(เสื้อ)=ประสบการณ์{-n|เสื้อn|α(1-ผมβSGN(เสื้อn)Φ)},
φX¯n(เสื้อ)=φX(เสื้อ)α=1 แต่ เข้าสู่ระบบ| เสื้อ
φX¯n(เสื้อ)=ประสบการณ์{-n|เสื้อn|(1-ผมβSGN(เสื้อn)(-2πเข้าสู่ระบบ|เสื้อn|))}=ประสบการณ์{-|เสื้อ|(1-ผมβSGN(เสื้อ)(-2πเข้าสู่ระบบ|เสื้อn|))},
เข้าสู่ระบบ|เสื้อn|เข้าสู่ระบบ|เสื้อ|

ดังนั้นจึงยุติธรรมที่จะบอกว่าตามการวิเคราะห์ของคุณ Cauchy เป็นทางออกเดียวสำหรับ = 1?
Chechy Levas

1
นั่นคือความประทับใจของฉันจากผลลัพธ์เหล่านี้ แต่ฉันค่อนข้างมั่นใจว่ามีคนที่มีความรู้มากขึ้นที่นี่มีการกระจายที่มั่นคง
Christoph Hanck

3
ψ=เข้าสู่ระบบφ
ψ(เสื้อ/n)=ψ(เสื้อ)/n
n=1,2,3,....ψψ-|เสื้อ|.

α=1α=0
โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.