Мое главное беспокойство в этом вопросе заключалось в том, можно ли применять CLT «как обычно» в случае, который я рассматриваю. Пользователь @Henry утверждал, что можно, пользователь @Zen показал это с помощью симуляции. Ободренный, сейчас я докажу это аналитически.
Сначала я хочу убедиться, что эта переменная со смешанным распределением имеет «обычную» функцию генерации моментов. Обозначим ожидаемое значение , его стандартное отклонение и центрированную и масштабированную версию через .
Применяя изменение-о-переменной формулы мы находим , что непрерывная часть
Производящая момент функция должна быть
Z i σ i Z i ˜ Z i = Z i - μ iμяZяσяZя е ~ Z ( ~ г я)=σяеZ(гя)=σяZ~я= Zя- μяσя
~ Z я ~ М я(т)=Е(е ~ г ят)=∫ ∞ - ∞ е ~ г ятдР ~ Z ( ~ г я)=∫ ~ K я ~ я σie ˜ z i t
еZ~( з~я) = σяеZ( зя) = σябя- ая
Z~яM~я( т ) = Е( еZ~яT) = ∫∞- ∞еZ~яTdFZ~( з~я) = ∫К~яa~яσяеZ~яTбя- аяdZя+ с еК~яT
⇒ М~я( t ) = σябя- аяеК~яT- еa~яTT+ с еК~яT
с
К~я= кя- μяσя,a~я= ая- μяσя
Используя простые числа для обозначения производных, если мы правильно указали функцию, производящую момент, то мы должны получить
так как это центрированная и масштабированная случайная величина.
И действительно, вычисляя производные, применяя правило Лопиталя много раз (поскольку значение MGF в нуле должно быть рассчитано через пределы) и выполняя алгебраические манипуляции, я проверил первые два равенства. Третье равенство оказалось слишком утомительным, но я верю, что оно справедливо.
M~я( 0 ) = 1 ,M~'я( 0 ) = E( Z~) = 0 ⇒ М~''я( 0 ) = E( Z~2я) = Вар( Z~я) = 1
Таким образом, у нас есть правильный MGF. Если мы возьмем его разложение Тейлора 2-го порядка около нуля, мы имеем
M~( т ) = М~( 0 ) + M~'( 0 ) t + 12M~''( 0 ) т2+ о ( т2)
⇒ М~( т ) = 1 + 12T2+ о ( т2)
Это означает, что характеристическая функция (здесь обозначает мнимую единицу)
.я
φ~( т ) = 1 + 12( я т )2+ о ( т2) = 1 - 12T2+ о ( т2)
По свойствам характеристической функции имеем, что характеристическая функция равнаZ~/ н--√
φ~Z~/ н√( t ) = ϕ~Z~( т / п--√) = 1 - т22 н+ о ( т2/ н)
и поскольку у нас есть независимые случайные величины, характеристическая функция
равна1N√ΣNяZ~я
φ~1N√ΣNяZ~я( т ) = ∏я = 1Nφ~Z~( т / п--√) = ∏я = 1N( 1 - т22 н+ о ( т2/ н) )
затем
Итn → ∞φ~1N√ΣNяZ~я( т ) = лимn → ∞( 1 - т22 н)N= е- т2/ 2
по какому числу представленае . Так получилось, что последний член является характеристической функцией стандартного нормального распределения, и по теореме Леви о непрерывности имеем
1N--√ΣяNZ~я→dN( 0 , 1 )
который является CLT. Обратите внимание, что тот факт, что переменные не являются одинаково распределенными, «исчез» из поля зрения, как только мы рассмотрели их центрированные и масштабированные версии и рассмотрели разложение Тейлора 2-го порядка их MGF / CHF: на этом уровне приближения эти функции идентичны, и все различия сжаты в остальных терминах, которые исчезают асимптотически. Z
Тот факт, что характерное поведение на индивидуальном уровне от всех отдельных элементов, тем не менее, исчезает, когда мы рассматриваем среднее поведение, я считаю, что это очень хорошо демонстрируется использованием мерзкого существа, подобного случайной переменной, имеющей смешанное распределение.