Я полагаю, что вы спрашиваете, что такое дистрибутив rv , если таковой имеется, так что, если у нас есть iid-образец размера n > 1 из этого дистрибутива, он будет содержатьИксn > 1
Е[ G M] = E⎡⎣(∏я= 1NИкся)1 / n⎤⎦знак равноE(Х)
Из-за предположения IID , мы имеем
Е⎡⎣( ∏я = 1NИкся)1 / n⎤⎦= E( Х1 / n1⋅ . , , ⋅ X1 / nN) =E( Х1 / n1) ⋅. , , ⋅E( Х1 / nN)= [ E( Х1 / n) ]N
и поэтому мы спрашиваем, можем ли мы иметь
[ E( Х1 / n) ]N= E( Х)
Но из-за неравенства Дженсена и того факта, что степенная функция является строго выпуклой для степеней выше единицы, мы имеем это почти наверняка для невырожденной (непостоянной) случайной величины,
[ E( Х1 / n) ]N< E[ ( X1 / n) ]N= E( Х)
Так что такого распределения не существует.
Что касается упоминания логнормального распределения в комментарии, то справедливо то, что среднее геометрическое ( ) выборки из логнормального распределения является смещенной, но асимптотически непротиворечивой оценкой медианы . Это потому, что для логнормального распределенияG M
Е( Хs) = exp{ s μ + s2σ22}
(где и σ - параметры базовой нормали, а не среднее значение и дисперсия логнормаль).μσ
В нашем случае поэтому мы получаемs = 1 / n
Е( Г М) = [ E( Х1 / n) ]N= [ exp{ ( μ / n ) + σ22 н2} ]N= опыт{ μ + σ22 н}
(что говорит нам, что это предвзятая оценка медианы). Но
Lim [ E( Х1 / n) ]N= lim exp{ μ + σ22 н} = еμ
который является медианой распределения. Можно также показать, что дисперсия среднего геометрического образца сходится к нулю, и этих двух условий достаточно, чтобы эта оценка была асимптотически последовательной - для медианы,
G M→пеμ