Perguntas com a marcação «central-limit-theorem»

Para perguntas sobre o teorema do limite central, que declara: "Dadas certas condições, a média de um número suficientemente grande de iterações de variáveis ​​aleatórias independentes, cada uma com uma média bem definida e uma variação bem definida, será distribuída aproximadamente normalmente". (Wikipedia)




1
Existem outras distribuições além de Cauchy para as quais a média aritmética de uma amostra segue a mesma distribuição?
Se segue uma distribuição Cauchy, também segue exatamente a mesma distribuição que ; veja esta discussão .XXXY=X¯=1n∑ni=1XiY=X¯=1n∑i=1nXiY = \bar{X} = \frac{1}{n} \sum_{i=1}^n X_iXXX Esta propriedade tem um nome? Existem outras distribuições para as quais isso é verdade? EDITAR Outra maneira de fazer esta pergunta: seja uma variável aleatória com densidade …

1
Normalidade assintótica de forma quadrática
Vamos xx\mathbf{x} ser um vector aleatório tirado a partir de PPP . Considere uma amostra {xi}ni=1∼i.i.d.P{xi}i=1n∼i.i.d.P\{ \mathbf{x}_i \}_{i=1}^n \stackrel{i.i.d.}{\sim} P . Definir x¯n:=1n∑ni=1xix¯n:=1n∑i=1nxi\bar{\mathbf{x}}_n := \frac{1}{n} \sum_{i=1}^n \mathbf{x}_i, e C :=1C^:=1n∑ni=1(xi−x¯n)(xi−x¯n)⊤C^:=1n∑i=1n(xi−x¯n)(xi−x¯n)⊤\hat{C} := \frac{1}{n} \sum_{i=1}^n (\mathbf{x}_i - \bar{\mathbf{x}}_n) (\mathbf{x}_i - \bar{\mathbf{x}}_n)^\top. Vamose.μ:=Ex∼P[x]μ:=Ex∼P[x]\boldsymbol{\mu} := \mathbb{E}_{\mathbf{x}\sim P}[\mathbf{x}]C:=covx∼P[x,x]C:=covx∼P[x,x]C:=\mathrm{cov}_{\mathbf{x} \sim P}[\mathbf{x}, \mathbf{x}] Pelo teorema do limite …


3
Ainda outra questão do teorema do limite central
Seja uma sequência de variáveis ​​aleatórias independentes de Bernoulli com Defina Mostre que converge na distribuição para a variável normal padrão pois tende ao infinito.P { X k = 1 } = 1 - P { X k = 0 } = 1{Xn:n≥1}{Xn:n≥1}\{X_n:n\ge1\}Sn= n ∑ k=1(Xk-1P{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}. SnSn=∑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), \ …


1
Teorema do Limite Central para raízes quadradas de somas de variáveis ​​aleatórias iid
Intrigado com uma pergunta em math.stackexchange e investigando-a empiricamente, estou pensando na seguinte declaração sobre a raiz quadrada de somas de variáveis ​​aleatórias iid. Suponha que são variáveis ​​aleatórias iid com média finita diferente de zero e variância e . O teorema do limite central diz medida que aumenta. μ …


1
O MLE de assintoticamente normal quando ?
Suponha que tenha o 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 Densidade da amostra extraída dessa população é, portanto,(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} O estimador de probabilidade máxima de pode ser derivado comoθθ\theta θ^(X,Y)=X¯¯¯¯Y¯¯¯¯−−−√θ^(X,Y)=X¯Y¯\hat\theta(\mathbf X,\mathbf Y)=\sqrt\frac{\overline X}{\overline Y} Desejo saber se a …

3
No CLT, por que
Deixe- X1,...,XnX1,...,XnX_1,...,X_n são observações independentes de uma distribuição que tem a média μμ\mu e a variância σ2&lt;∞σ2&lt;∞\sigma^2 < \infty , quando n→∞n→∞n \rightarrow \infty , então 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). Por que isso implica que X¯n∼N( μ ,σ2n) ?X¯n∼N(μ,σ2n)?\bar{X}_n \sim N\left(\mu, \frac{\sigma^2}{n}\right)?

1
Teste Qui-quadrado de duas amostras
Esta pergunta é do livro de Van der Vaart Asymptotic Statistics, pág. 253. # 3: Suponha que e sejam vetores multinomiais independentes com parâmetros e . Sob a hipótese nula de que mostra queXmXm\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 ∑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} possui . onde .c i = ( …

1
Existe um teorema que diz que
Seja qualquer distribuição com média definida, μ e desvio padrão, σ . O teorema do limite central diz que √XXXμμ\muσσ\sigma converge na distribuição para uma distribuição normal padrão. Se substituirmosσpelo desvio padrão da amostraS, existe um teorema afirmando que √n−−√X¯−μσnX¯−μσ \sqrt{n}\frac{\bar{X} - \mu}{\sigma} σσ\sigmaSSS converge em distribuição para uma distribuição …


Ao utilizar nosso site, você reconhece que leu e compreendeu nossa Política de Cookies e nossa Política de Privacidade.
Licensed under cc by-sa 3.0 with attribution required.