Вопросы с тегом «central-limit-theorem»

На вопросы о центральной предельной теореме, которая гласит: «При определенных условиях среднее значение достаточно большого числа итераций независимых случайных величин, каждая из которых имеет четко определенное среднее значение и четко определенную дисперсию, будет приблизительно нормально распределено». (Википедия)

1
Оценки «Приблизительно нормально» для t-тестов
Я проверяю равенство средств, используя t-критерий Уэлча. Базовое распределение далеко от нормального (более искажено, чем пример в соответствующем обсуждении здесь ). Я могу получить больше данных, но хотел бы найти принципиальный способ определить, в какой степени это сделать. Существует ли хорошая эвристика для оценки приемлемости распределения выборки? Какие отклонения от …

1
Почему центральная предельная теорема работает с одним образцом?
Меня всегда учили, что CLT работает, когда вы повторяете выборку, причем каждая выборка достаточно велика. Например, представьте, что у меня есть страна с 1 000 000 граждан. Мое понимание CLT состоит в том, что даже если распределение их высот было ненормальным, если я взял 1000 выборок из 50 человек (т.е. …

2
Есть ли примеры нормально распределенной переменной, которая * не * обусловлена ​​центральной предельной теоремой?
Нормальное распределение кажется не интуитивным, пока вы не изучите CLT, что объясняет, почему оно так распространено в реальной жизни. Но возникает ли когда-либо как «естественное» распределение для некоторого количества?

1
Существуют ли какие-либо распределения, кроме Коши, для которых среднее арифметическое выборки следует тому же распределению?
Если следует распределению Коши, то также следует точно тому же распределению, что и ; увидеть эту тему .Y = ˉ X = 1XXXXY=X¯=1n∑ni=1XiY=X¯=1n∑i=1nXiY = \bar{X} = \frac{1}{n} \sum_{i=1}^n X_iXXX У этого свойства есть имя? Есть ли другие дистрибутивы, для которых это правда? РЕДАКТИРОВАТЬ Еще один способ задать этот вопрос: пусть …


2
Центральная предельная теорема доказательство без использования характеристических функций
Есть ли доказательство того, что CLT не использует характеристические функции, более простой метод? Может быть, методы Тихомирова или Штейна? Что-то самодостаточное, что вы можете объяснить студенту университета (первый курс по математике или физике) и занимает меньше одной страницы?

3
Еще один центральный вопрос о предельной теореме
Пусть - последовательность независимых случайных величин Бернулли с Установите Покажите, что сходится по распределению к стандартной нормальной переменной при стремлении к бесконечности.{Xn:n≥1}{Xn:n≥1}\{X_n:n\ge1\}P{Xk=1}=1−P{Xk=0}=1k.P{Xk=1}=1−P{Xk=0}=1k.P\{X_k=1\}=1-P\{X_k=0\}=\frac{1}{k}.Sn=∑k=1n(Xk−1k), B2n=∑k=1nk−1k2Sn=∑k=1n(Xk−1k), Bn2=∑k=1nk−1k2S_n=\sum^{n}_{k=1}\left(X_k-\frac{1}{k}\right), \ B_n^2=\sum^{n}_{k=1}\frac{k-1}{k^2}SnBnSnBn\frac{S_n}{B_n}ZZZnnn Я пытаюсь использовать CLT Ляпунова, поэтому нам нужно показать, что существует такой , что δ>0δ>0\delta>0limn→∞1B2+δn∑k=1nE[|Xk−1k|2+δ]=0.limn→∞1Bn2+δ∑k=1nE[|Xk−1k|2+δ]=0.\lim_{n\rightarrow \infty}\frac{1}{B_n^{2+\delta}}\sum_{k=1}^{n}E[|X_k-\frac{1}{k}|^{2+\delta}]=0. Поэтому установите δ=1δ=1\delta=1∑k=1nE∣∣Xk−k−1∣∣3=∑k=1n(1k−3k2+4k3−2k4)∑k=1nE|Xk−k−1|3=∑k=1n(1k−3k2+4k3−2k4) \sum_{k=1}^{n}E\left|X_k-k^{-1}\right|^{3}=\sum_{k=1}^{n} \left(\frac{1}{k}-\frac{3}{k^2}+\frac{4}{k^3}-\frac{2}{k^4}\right) и B3n=(∑k=1n1k−1k2)(∑k=1n1k−1k2)−−−−−−−−−−−−⎷Bn3=(∑k=1n1k−1k2)(∑k=1n1k−1k2) B_n^3=\left( …

3
Сколько самых больших слагаемых в
Рассмотрим ∑Ni=1|Xi|∑i=1N|Xi|\sum_{i=1}^N |X_i| где X1,…,XNX1,…,XNX_1, \ldots, X_N - iid и CLT имеет место. Сколько самых больших терминов составляют половину общей суммы? Например, 10 + 9 + 8 ≈≈\approx (10 + 9 + 8 ……\dots + 1) / 2: 30% терминов достигают примерно половины общего числа. определять sumbiggest( j;X1…XN)≡sum of the …

1
Центральная предельная теорема для квадратных корней сумм iid случайных величин
Заинтригованный вопросом на math.stackexchange и исследующий его эмпирически, я задаюсь вопросом о следующем утверждении о квадратном корне из сумм iid случайных величин. Предположим, что - это случайные величины с конечным ненулевым средним и дисперсией и . Центральная предельная теорема гласит: при увеличении . μ σ 2 Y = n ∑ …

3
Информационно-теоретическая центральная предельная теорема
Простейшая форма информационно-теоретического CLT заключается в следующем: Пусть будут iid со средним и дисперсией 1 . Пусть f_n - плотность нормализованной суммы \ frac {\ sum_ {i = 1} ^ n X_i} {\ sqrt {n}}, а \ phi - стандартная гауссовская плотность. Тогда теоретико-информационный CLT утверждает, что если D (f_n …

1
Является ли MLE из асимптотически нормальным, когда ?
Предположим, что имеет PDF(X,Y)(X,Y)(X,Y) fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0fθ(x,y)=e−(x/θ+θy)1x>0,y>0,θ>0f_{\theta}(x,y)=e^{-(x/\theta+\theta y)}\mathbf1_{x>0,y>0}\quad,\,\theta>0 Плотность выборки взятой из этой совокупности, поэтому(X,Y)=(Xi,Yi)1≤i≤n(X,Y)=(Xi,Yi)1≤i≤n(\mathbf X,\mathbf Y)=(X_i,Y_i)_{1\le i\le n} gθ(x,y)=∏i=1nfθ(xi,yi)=exp[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0gθ(x,y)=∏i=1nfθ(xi,yi)=exp⁡[−∑i=1n(xiθ+θyi)]1x1,…,xn,y1,…,yn>0=exp⁡[−nx¯θ−θny¯]1x(1),y(1)>0,θ>0\begin{align} g_{\theta}(\mathbf x,\mathbf y)&=\prod_{i=1}^n f_{\theta}(x_i,y_i) \\&=\exp\left[{-\sum_{i=1}^n\left(\frac{x_i}{\theta}+\theta y_i\right)}\right]\mathbf1_{x_1,\ldots,x_n,y_1,\ldots,y_n>0} \\&=\exp\left[-\frac{n\bar x}{\theta}-\theta n\bar y\right]\mathbf1_{x_{(1)},y_{(1)}>0}\quad,\,\theta>0 \end{align} Оценка максимального правдоподобия может быть получена какθθ\theta θ^(X,Y)=X¯¯¯¯Y¯¯¯¯−−−√θ^(X,Y)=X¯Y¯\hat\theta(\mathbf X,\mathbf Y)=\sqrt\frac{\overline X}{\overline Y} Я хотел бы знать, является ли предельное распределение этого …

3
В CLT почему ?
Пусть - независимые наблюдения из распределения со средним значением и дисперсией , когда , тоX1,...,XnX1,...,XnX_1,...,X_nμμ\muσ2&lt;∞σ2&lt;∞\sigma^2 < \inftyn→∞n→∞n \rightarrow \infty n−−√X¯n−μσ→N(0,1).nX¯n−μσ→N(0,1).\sqrt{n}\frac{\bar{X}_n-\mu}{\sigma} \rightarrow N(0,1). Почему это означает, что X¯n∼N(μ,σ2n)?X¯n∼N(μ,σ2n)?\bar{X}_n \sim N\left(\mu, \frac{\sigma^2}{n}\right)?

1
Два образца хи-квадрат
Этот вопрос взят из книги Ван дер Ваарта «Асимптотическая статистика», стр. 253. № 3: Предположим, что и являются независимыми полиномиальными векторами с параметрами и . При нулевой гипотезе, что показывают, чтоXmXm\mathbf{X}_mYnYn\mathbf{Y}_n(m,a1,…,ak)(m,a1,…,ak)(m,a_1,\ldots,a_k)(n,b1,…,bk)(n,b1,…,bk)(n,b_1,\ldots,b_k)ai=biai=bia_i=b_i χ 2 к - 1 с я=(Хм,я+Уп,я)/(т+п)∑i=1k(Xm,i−mc^i)2mc^i+∑i=1k(Yn,i−nc^i)2nc^i∑i=1k(Xm,i−mc^i)2mc^i+∑i=1k(Yn,i−nc^i)2nc^i\sum_{i=1}^k \dfrac{(X_{m,i} - m\hat{c}_i)^2}{m\hat{c}_i} + \sum_{i=1}^k \dfrac{(Y_{n,i} - n\hat{c}_i)^2}{n\hat{c}_i} имеет . где .χ2k−1χk−12\chi^2_{k-1}c^i=(Xm,i+Yn,i)/(m+n)c^i=(Xm,i+Yn,i)/(m+n)\hat{c}_i …

1
Существует ли теорема, в которой говорится, что сходится по распределению к нормали, когда стремится к бесконечности?
Пусть будет любым распределением с определенным средним значением и стандартным отклонением . Центральная предельная теорема говорит, что сходится по распределению к стандартному нормальному распределению. Если мы заменим типовым стандартным отклонением , существует ли теорема о том, что сходится по распределению к t-распределению? Так как для большихXXXμμ\muσσ\sigman−−√X¯−μσnX¯−μσ \sqrt{n}\frac{\bar{X} - \mu}{\sigma} σσ\sigmaSSSn−−√X¯−μSnX¯−μS …

2
Имеет ли место многомерная центральная предельная теорема (ЦПТ), когда переменные демонстрируют совершенную одновременную зависимость?
Название подводит итог моего вопроса, но для ясности рассмотрим следующий простой пример. Пусть Икся∽я я дN( 0 , 1 )Икся∽яяdN(0,1)X_i \overset{iid}{\backsim} \mathcal{N}(0, 1) , я = 1 , . , , , нязнак равно1,,,,,Ni = 1, ..., n . Определите: SN= 1NΣя = 1NИксяSNзнак равно1NΣязнак равно1NИкся\begin{equation} S_n = \frac{1}{n} \sum_{i=1}^n …

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.