Центральная предельная теорема против закона больших чисел


14

Центральная предельная теорема утверждает, что среднее значение iid-переменных, когда переходит в бесконечность, становится нормально распределенным.N

Это поднимает два вопроса:

  1. Можем ли мы вывести из этого закон больших чисел? Если закон больших чисел гласит, что среднее значение выборки значений случайной величины равно истинному среднему значению при переходе в бесконечность, то, кажется, еще сильнее сказать, что (как говорит центральный предел), что значение становится где - стандартное отклонение. Справедливо ли тогда говорить, что центральный предел подразумевает закон больших чисел?μNN(μ,σ)σ
  2. Применима ли центральная предельная теорема к линейной комбинации переменных?

5
Ваше утверждение о том, что «центральная предельная теорема утверждает, что среднее значение переменных iid при переходе в бесконечность становится нормально распределенным» неверно. Смотрите мой ответ на этот недавний вопрос, который поднимает аналогичные вопросы. Другой ответ на этот вопрос был опубликован, но вскоре после этого удален, и обсуждение, последовавшее за этим ответом, которое теперь прошло, также обсудило эти вопросы. N
Дилип Сарвейт

1
Почему выборочное среднее сходящегося к населению средней более слабый результатом , чем выборочное среднее , сходящаяся к выборке из распределения? N ( μ , σ )μN(μ,σ)
Дилип Сарвейт

@DilipSarwate Спасибо за пометку, но ваш комментарий ИМО достаточно раскрыть неправильные представления в вопросе, и разумные ответы действительно появились.

Ответы:


10

ОП говорит

Центральная предельная теорема утверждает, что среднее значение iid-переменных, когда N переходит в бесконечность, становится нормально распределенным.

Я возьму это означает , что это убеждение ОП о том , что для одинаково распределенных случайных величин со средним значением и стандартным отклонением , кумулятивная функция распределения из сходится к кумулятивной функции распределения , нормальной случайной величины со средним значением и стандартным отклонением . Или, OP считает, что незначительные перестановки этой формулы, например, распределение сходится к распределению или распределению μ σ F Z n ( а ) Z n = 1XiμσFZn(a)N(μ,σ)μσZn-μN(0,σ)(Zn-μ)/σN(0,1)P{| Zn-μ| >σ}=1-FZn(μ+σ

Zn=1ni=1nXi
N(μ,σ)μσZnμN(0,σ)(Znμ)/σсходится к распределению , стандартной нормальной случайной величины. В качестве примера отметим, что эти утверждения подразумевают, что при .N(0,1)n
P{|Znμ|>σ}=1FZn(μ+σ)+FZn((μ+σ))1Φ(1)+Φ(1)0.32
n

ОП продолжает говорить

Это поднимает два вопроса:

  1. Можем ли мы вывести из этого закон больших чисел? Если закон больших чисел гласит, что среднее значение выборки значений случайной величины равно истинному среднему значению μ при переходе N в бесконечность, то, кажется, еще сильнее сказать, что (как говорит центральный предел), что значение становится N ( μ, σ) где σ - стандартное отклонение.

Слабый закон больших чисел говорит , что для одинаково распределенных случайных величин с конечным средним , учитывая любой , Обратите внимание, что нет необходимости предполагать, что стандартное отклонение конечно. μ ϵ > 0 P { | Z n - μ | > ϵ } 0 при n .Xiμϵ>0

P{|Znμ|>ϵ}0  as n.

Итак, чтобы ответить на вопрос ОП,

  • Центральная предельная теорема, сформулированная ОП , не подразумевает слабый закон больших чисел. При версия центральной предельной теоремы OP гласит, что то время как слабый закон говорит, чтоP { | Z n - μ | > σ } 0.317 P { | Z n - μ | > σ } 0nP{|Znμ|>σ}0.317P{|Znμ|>σ}0

  • Из правильной формулировки центральной предельной теоремы в лучшем случае можно вывести только ограниченную форму слабого закона больших чисел, относящегося к случайным переменным с конечным средним и стандартным отклонением. Но слабый закон больших чисел также справедлив для случайных величин, таких как случайные переменные Парето, с конечным средним, но с бесконечным стандартным отклонением.

  • Я не понимаю, почему говорить, что среднее значение выборки сходится к нормальной случайной переменной с ненулевым стандартным отклонением, является более сильным утверждением, чем говорить, что среднее значение выборки сходится к среднему значению совокупности, которое является константой (или случайной величиной с нулевым стандартным отклонением, если тебе нравится).


Интересно, что человек, который отклонил мой ответ, нашел нежелательным или неправильным в том, что я сказал.
Дилип Сарватэ

7

Для закона больших чисел необходимо, чтобы все переменные были определены в одном и том же вероятностном пространстве (поскольку закон больших чисел является утверждением о вероятности события, определяемого , для всех одновременно). Для сходимости в распределении у вас могут быть разные вероятностные пространства, что упрощает многие аспекты доказательств (например, увеличение вложенных пространств, что очень часто встречается для различных треугольных доказательств в массивах). Но это также означает, что вы не можете делать какие-либо заявления относительно совместного распределения и , скажем. Так что нет, сходимость в распределении не подразумевает закон больших чисел, если только у вас нет общего вероятностного пространства для всех переменных.n ˉ X n ˉ X n+1X¯nnX¯nX¯n+1


(+1) То, что вы говорите, правда, и это очень важный момент. Треугольный массив позволяет переменным в каждой «строке» жить в разных вероятностных пространствах, чем предыдущие строки. С другой стороны, если мы априори говорим, что рассматриваем последовательность случайных переменных, то неявно они должны существовать в общем базовом пространстве, чтобы понятие независимости имело много смысла.
кардинал

@cardinal: так что, если я правильно понимаю, в «простом» случае, когда все определены в одном и том же пространстве, это тот случай, когда центральность подразумевает закон больших чисел? или нет?
user9097

@ user9097 Поскольку мы сейчас входим в области мелких деталей, о каком законе больших чисел спрашивают? Слабый закон или сильный закон?
Дилип Сарвейт

Эта точка зрения верна только для сильного закона больших чисел , а не для слабого закона
kjetil b halvorsen

4

Во-первых, хотя существует много определений, одна из стандартных форм центральной предельной теоремы гласит, что сходится по распределению к , где является выборочным средним н.о.р. копия некоторого случайной величины .N(0n(X¯nEX)ˉ X n XN(0,Var(X))X¯nX

Во- вторых, предположим , что мы имеем две независимые случайные величины и . Тогда или Y XY

n(1nj=1n(aXj+Yj)E(aX+Y))N(0,Var(aX+Y))
na(X¯nEX)+n(Y¯nEY)N(0,a2Var(X)+Var(Y)).

Другими словами, линейная комбинация случайных величин не будет сходиться к линейной комбинации нормалей в рамках CLT, только одна нормаль. Это имеет смысл, потому что линейная комбинация случайных величин является просто другой случайной величиной, к которой CLT может быть применена напрямую.


1
Это хорошее начало для ответа. Вот некоторые комментарии: Линейная комбинация (совместных) нормалей нормальна, так что я не уверен, что ваш комментарий в этом отношении имел в виду. В любом случае, я подозреваю, что ОП не думал о линейных комбинациях формы, которую вы рассматриваете. Заметив, что где для каждого , естественный вопрос, который можно задать, - что происходит, когда мы заменим эти «однородные» веса на другие (более произвольные). Когда мы еще получим CLT? CLT Линдеберга можно использовать для ответа на этот вопрос. X¯n=i=1nwniXiwni=1/ni=1,,n
кардинал

Я думаю, что при строгих условиях мой результат все равно скажет что-то о . Давайте сначала определим эти условия, а затем рассмотрим, как их ослабить. Давайте возьмем и как одну бесконечную последовательность неотрицательных вещественных чисел. Если число различных конечно и каждое из них появляется бесконечно часто в последовательности, мой результат должен сохраняться, поскольку каждый определяет случайную величину, и это вписывается в структуру «линейной комбинации», которую я дал выше. Тогда хороший вопрос был бы, если бы мы могли разрешить число различных масштаб с . j=1nwnjXjwnj=wj/nwjwjwjXwn
Даниэль Джонсон

1
Это хороший комментарий и хорошая идея, однако я полагаю, что для работы потребуются некоторые изменения. Предположим, что wlog . свой следующим образом. Пусть , . Теперь определим индуктивно следующим образом: установите до . Затем добавляйте их до . Снова добавьте нули, затем единицы. Повторите до бесконечности. Теперь и встречаются бесконечное число раз, но дисперсия пересчитанного среднего колеблется между иEX=0wjw1=1w2=0wjwj=0i=1jwi/j1/4i=1jwi/j1/2011/21/4(примерно). Итак, ваша заявленная последовательность не может сходиться в распределении.
кардинал

(Примечание: здесь нет ничего особенного в выборе и Кроме того, строго говоря, процедура, которую вы описываете в комментарии, действительно не вписывается в рамки линейного сочетания вашего ответа.)01
кардинально
Используя наш сайт, вы подтверждаете, что прочитали и поняли нашу Политику в отношении файлов cookie и Политику конфиденциальности.
Licensed under cc by-sa 3.0 with attribution required.