Multivariate Central Limit Theorem (CLT) มีไว้เมื่อตัวแปรมีการพึ่งพาอาศัยกันอย่างสมบูรณ์แบบหรือไม่?


10

ชื่อสรุปคำถามของฉัน แต่เพื่อความชัดเจนลองพิจารณาตัวอย่างง่ายๆดังต่อไปนี้ ให้ , i = 1, ... , n กำหนด: \ start {สมการ} S_n = \ frac {1} {n} \ sum_ {i = 1} ^ n X_i \ end {สมการ} และ \ start {สมการ} T_n = \ frac {1} {n} \ sum_ {i = 1} ^ n (X_i ^ 2 - 1) \ end {สมการ} คำถามของฉัน:ถึงแม้ว่าS_nและT_nขึ้นอยู่อย่างสมบูรณ์เมื่อn = 1ทำ\ sqrt {n} S_nและ\ sqrt {n} T_nมาบรรจบกัน ถึงการแจกแจงแบบปกติร่วมว่าn \ rightarrow \ infty ?XiiidN(0,1)i=1,...,n

Sn=1ni=1nXi
Tn=1ni=1n(Xi21)
SnTnn=1nSnnTnn

แรงจูงใจ: แรงจูงใจของฉันสำหรับคำถามเกิดจากความจริงที่ว่ามันรู้สึกแปลก ๆ (แต่น่าอัศจรรย์) ที่SnและTnนั้นสมบูรณ์แบบเมื่อn=1แต่ความหมายของตัวแปรหลายตัวแปร CLT คือพวกมันเข้าใกล้อิสรภาพในขณะที่n (สิ่งนี้จะตามมาเนื่องจากSnและTnไม่มีการเชื่อมโยงกันสำหรับnทั้งหมดnดังนั้นหากพวกเขามีข้อต่อร่วมเชิงเส้นกำกับจากนั้นพวกเขาก็จะต้องเป็นอิสระเชิงเส้นกำกับด้วย)

ขอบคุณล่วงหน้าสำหรับคำตอบหรือความคิดเห็น!

ป.ล. ถ้าคุณสามารถให้การอ้างอิงใด ๆ ฯลฯ แล้วดีกว่า!


ไม่มีคำตอบ แต่เป็นความคิดเห็น ฉันไม่พบสิ่งนี้ที่น่าประหลาดใจมาก การพึ่งพาที่คุณทราบสำหรับ n = 1 จะลดลงอย่างรวดเร็วเมื่อ n เพิ่มขึ้น
Erik

@egbutter ได้ให้คำตอบที่ดี หากคุณยังคงมองหาทางเลือกหรือปรีชาเพิ่มเติมเพิ่มเติม ping ฉันและฉันจะเห็นเกี่ยวกับการเขียนสิ่งที่แตกต่างกันเล็กน้อย
พระคาร์ดินัล

@ cardinal ขอบคุณมากสำหรับข้อเสนอนี้ แต่ฉันมีความสุขมากในตอนนี้ - ฉันได้รับรางวัลเพื่อความเป็นส่วนตัว ฉันคิดว่าฉันมีสัญชาตญาณ จุดประสงค์หลักของฉันในการโพสต์คือการดูว่ามีใครบางคนกระโดดเข้ามาและพูดว่า "ไม่ไม่คุณทำผิดไปหมดเพราะ ... " :-) ไชโย
โคลิน T Bowers

คำตอบ:


6

คำตอบสั้น ๆ ที่ผมเข้าใจคิวของคุณคือ "ใช่ แต่ ..." อัตราการบรรจบกันใน S, T และช่วงเวลาอื่น ๆ ไม่จำเป็นต้องเหมือนกัน - ตรวจสอบการกำหนดขอบเขตกับBerry-Esseen ทฤษฎีบท

ในกรณีที่ฉันเข้าใจผิด q ของคุณ Sn และ Tn จับ CLT ภายใต้เงื่อนไขของการพึ่งพาที่อ่อนแอ (การผสม): ตรวจสอบCLTของ Wikipedia สำหรับกระบวนการที่ขึ้นต่อกัน

CLT เป็นเช่นทฤษฎีบททั่วไป - การพิสูจน์พื้นฐานไม่ต้องการอะไรมากไปกว่าฟังก์ชั่นพิเศษของ Sn และ Tn ที่รวมเข้ากับฟังก์ชั่นมาตรฐานปกติแล้วเลวีต่อเนื่องทฤษฎีบทบอกว่าการบรรจบกันของฟังก์ชั่นพิเศษ

จอห์นคุกให้คำอธิบายที่ดีของข้อผิดพลาด CLT ที่นี่


ขอบคุณสำหรับคำตอบ. ฉันไม่ได้กังวลกับอัตราการบรรจบกันเท่าที่คำถามนี้เกี่ยวข้องหรือไม่ว่า CLT จะอยู่ภายใต้เงื่อนไขทั่วไปมากขึ้นเช่นการพึ่งพา สิ่งที่ฉันหวังจริงๆคือการอ้างอิงหรือข้อความที่แสดงให้เห็นถึงการใช้งานของตัวแปรหลายตัวแปร CLT เมื่อองค์ประกอบที่ ith ของผลรวมแต่ละรายการแสดงการพึ่งพาอาศัยกันแบบสมบูรณ์แบบในเวลาเดียวกัน ต่อมาฉันได้พบการอ้างอิงใน "Stochastic Limit Theory" ของ Davidson ที่ระบุว่า CLT หลายตัวแปรได้รับการพึ่งพาอาศัยกันแบบเผด็จการตามอำเภอใจ แต่ฉันยังคงมองหาคำสั่งที่เข้มงวดเล็กน้อย
โคลิน T Bowers

ดูเหมือนว่าคุณคิดมากเกินไป คุณอยู่ใน [1, n] องค์ประกอบ "ร่วมสมัย" ที่คุณอ้างถึงหรือไม่? ถ้าเป็นเช่นนั้นประเด็นสำคัญคือ Sn และ Tn ของคุณจะยังคงบรรจบกัน (คุณสามารถพิสูจน์ได้ด้วยตัวคุณเองโดยใช้วิธีเดียวกับ "CLT โรงเรียนเก่า" ที่กล่าวถึงข้างต้น) - แต่สำหรับ i ข้อผิดพลาดของพวกเขาจะ จงแตกต่าง. นั่นไม่ได้เปลี่ยนความจริงที่ว่า CLT ถืออยู่ ความแตกต่างหลากหลาย / ไม่แตกต่างกันไม่สำคัญ
egbutter

ใช่ฉันเป็นองค์ประกอบที่เกิดขึ้นพร้อมกัน คำแนะนำที่ดีเกี่ยวกับการใช้ตัวอย่างผ่านการพิสูจน์ ฉันได้ทำสิ่งนี้จริง ๆ และไม่พบปัญหาใด ๆ ซึ่งทำให้ฉันกังวลใจมากขึ้น บางทีฉันอาจจะคิดมากเกินไปในตอนนี้ :-) ขอบคุณอีกครั้งสำหรับคำตอบ หากไม่มีใครมีคำตอบในตอนท้ายของวันฉันจะทำเครื่องหมายคำตอบของคุณ ไชโย
โคลิน T Bowers

แน่นอนฉันสามารถเห็นอกเห็นใจ - ฉันมักจะทำสิ่งเดียวกัน! :)
egbutter

1

แน่นอนว่ามันไม่ได้พิสูจน์อะไรเลย แต่ฉันมักจะหาการจำลองและการพล็อตกราฟให้มีประโยชน์มากสำหรับการทำความเข้าใจกับผลลัพธ์ทางทฤษฎี

นี่เป็นกรณีที่ง่ายมาก เราสร้างตัวแปรย่อยแบบสุ่มรายการและคำนวณและ ; ทำซ้ำคูณ พล็อตเป็นกราฟสำหรับและ1000มันง่ายที่จะเห็นการลดลงของการพึ่งพาอาศัยเมื่อเพิ่ม ; ที่กราฟแทบแยกไม่ออกจากความเป็นอิสระnSnTnmn=1,10,1001000nn=100

test <- function (m, n) 
{
    r <- matrix(rnorm(m * n), nrow = m)
    cbind(rowMeans(r), rowSums(r^2 - 1)/n)
}

par(mfrow=c(2,2))
plot(test(100, 1))
plot(test(100, 2))
plot(test(100, 5))
plot(test(100, 100))

ป้อนคำอธิบายรูปภาพที่นี่

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.