Среднее гармоническое случайных величин определяется какHX1,...,Xn
H=11n∑ni=11Xi
Принимая моменты фракций грязный бизнес, так что вместо этого я предпочел бы работать с . Теперь1/H
1H=1n∑i=1n1Xi
.
Используя центральную предельную теорему, мы сразу получаем, что
n−−√(H−1−EX−11)→N(0,VarX−11)
если конечно и iid, так как мы просто работаем со средним арифметическим переменных .VarX−11<∞XiYi=X−1i
Теперь, используя дельта-метод для функции мы получаем, чтоg(x)=x−1
n−−√(H−(EX−11)−1)→N(0,VarX−11(EX−11)4)
Этот результат является асимптотическим, но для простых приложений этого может быть достаточно.
Обновление Как справедливо отмечает @whuber, простые приложения - это неправильное название. Центральная предельная теорема справедлива только в том случае, если существует , что является довольно ограничительным предположением.VarX−11
Обновление 2 Если у вас есть образец, то, чтобы рассчитать стандартное отклонение, просто включите моменты образца в формулу. Таким образом, для выборки оценка среднего гармоническогоX1,...,Xn
H^=11n∑ni=11Xi
моменты выборки и соответственно:EX−11Var(X−11)
μ^Rσ^2R=1n∑i=1n1Xi=1n∑i=1n(1Xi−μR)2
здесь означает взаимность.R
Наконец приближенная формула для стандартного отклонения являетсяH^
sd(H^)=σ^2Rnμ^4R−−−−⎷
Я провел несколько симуляций Монте-Карло для случайных величин, равномерно распределенных в интервале . Вот код:[2,3]
hm <- function(x)1/mean(1/x)
sdhm <- function(x)sqrt((mean(1/x))^(-4)*var(1/x)/length(x))
n<-1000
nn <- c(10,30,50,100,500,1000,5000,10000)
N<-1000
mc<-foreach(n=nn,.combine=rbind) %do% {
rr <- matrix(runif(n*N,min=2,max=3),nrow=N)
c(n,mean(apply(rr,1,sdhm)),sd(apply(rr,1,sdhm)),sd(apply(rr,1,hm)))
}
colnames(mc) <- c("n","DeltaSD","sdDeltaSD","trueSD")
> mc
n DeltaSD sdDeltaSD trueSD
result.1 10 0.089879211 1.528423e-02 0.091677622
result.2 30 0.052870477 4.629262e-03 0.051738941
result.3 50 0.040915607 2.705137e-03 0.040257673
result.4 100 0.029017031 1.407511e-03 0.028284458
result.5 500 0.012959582 2.750145e-04 0.013200580
result.6 1000 0.009139193 1.357630e-04 0.009115592
result.7 5000 0.004094048 2.685633e-05 0.004070593
result.8 10000 0.002894254 1.339128e-05 0.002964259
Я смоделировал N
образцы n
размера образца. Для каждой n
размерной выборки я рассчитал оценку стандартной оценки (функции sdhm
). Затем я сравниваю среднее значение и стандартное отклонение этих оценок со стандартным отклонением выборки среднего гармонического значения, оцененного для каждой выборки, которое, предположительно, должно быть истинным стандартным отклонением среднего значения гармоник.
Как видите, результаты довольно хороши даже для умеренных размеров выборки. Конечно, равномерное распределение очень хорошо себя ведет, поэтому неудивительно, что результаты хорошие. Я оставлю кого-то еще, чтобы исследовать поведение других дистрибутивов, код очень легко адаптировать.
Примечание. В предыдущей версии этого ответа в результате дельта-метода произошла ошибка - неверная дисперсия.