Giá trị trung bình hình học là một ước lượng không thiên vị của giá trị trung bình của phân phối liên tục?


11

Có bất kỳ phân phối liên tục rõ ràng nào ở dạng kín, có nghĩa là trung bình hình học của các mẫu là một ước lượng không thiên vị cho trung bình đó không?

Cập nhật: Tôi mới nhận ra rằng các mẫu của tôi phải dương (nếu không thì ý nghĩa hình học có thể không tồn tại) nên có thể liên tục không phải là từ đúng. Làm thế nào về một phân phối bằng không cho các giá trị âm của biến ngẫu nhiên và liên tục cho các giá trị dương. Một cái gì đó giống như một phân phối cắt ngắn.


2
Một phân phối có thể liên tục trong khi có không gian mẫu dương tính nghiêm ngặt (ví dụ: phân phối gamma).
game thủ

1
Ngoài ra, bạn có nghĩa là một ví dụ trong đó giá trị trung bình hình học từ một mẫu là một ước lượng không thiên vị của khoảnh khắc đầu tiên? Tôi chỉ từng thấy trung bình hình học của một tập hợp dữ liệu rời rạc được xác định và không chắc chắn về cách trung bình hình học "đúng" (nghĩa là mức dân số) sẽ được xác định cho phân phối liên tục ... Có thể ? exp(E(log(X)))
game thủ

Nó hoạt động cho phân phối lognatural.
Michael R. Chernick

Nó giữ nếu biến ngẫu nhiên bằng một số hằng số vô hướng dương gần như chắc chắn . Không khác. cXc
Matthew Gunn

Câu trả lời:


19

Tôi tin rằng bạn đang hỏi, nếu có, phân phối của rv là gì, nếu chúng ta có một mẫu iid có kích thước từ phân phối đó, thì nó sẽ giữ điều đón > 1Xn>1

E[GM]=E[(i=1nXi)1/n]=E(X)

Do giả định iid , chúng tôi có

E[(i=1nXi)1/n]=E(X11/n...Xn1/n)=E(X11/n)...E(Xn1/n)=[E(X1/n)]n

và vì vậy chúng tôi đang hỏi liệu chúng tôi có thể có

[E(X1/n)]n=E(X)

Nhưng bởi sự bất bình đẳng của Jensen, và thực tế là hàm sức mạnh hoàn toàn lồi lên cho các quyền lực cao hơn sự thống nhất, chúng ta có điều đó, gần như chắc chắn cho một biến ngẫu nhiên không suy biến (không liên tục),

[E(X1/n)]n<E[(X1/n)]n=E(X)

Vì vậy, không có phân phối như vậy tồn tại.

Liên quan đến việc đề cập đến phân phối log-normal trong một nhận xét, điều có nghĩa là giá trị trung bình hình học ( ) của mẫu từ phân phối log-normal là một ước lượng sai lệch nhưng không có triệu chứng của trung vị . Điều này là do, đối với phân phối lognatural nó giữ rằngGM

E(Xs)=exp{sμ+s2σ22}

(trong đó và là các tham số của mức bình thường cơ bản, không phải giá trị trung bình và phương sai của log-normal).σμσ

Trong trường hợp của chúng tôi, để chúng tôi nhận đượcs=1/n

E(GM)=[E(X1/n)]n=[exp{(μ/n)+σ22n2}]n=exp{μ+σ22n}

(cho chúng ta biết rằng đó là một ước lượng sai lệch của trung vị). Nhưng

lim[E(X1/n)]n=limexp{μ+σ22n}=eμ

đó là trung vị của phân phối. Người ta cũng có thể chỉ ra rằng phương sai của giá trị trung bình hình học của mẫu hội tụ về 0 và hai điều kiện này đủ để công cụ ước tính này không nhất quán - đối với trung vị,

GMpeμ

Có lẽ nên nói thêm rằng bất đẳng thức của Jensen, được áp dụng với hàm lồi nghiêm ngặt, chỉ là một đẳng thức nếu là hằng số. X
Olivier

@Olivier: Tôi nghĩ rằng đó là một tài sản đủ nổi tiếng mà nó có thể chỉ cần thêm lộn xộn để bao gồm nó. Trong mọi trường hợp , bất đẳng thức của Jensen thậm chí không thực sự cần thiết vì xem xét trường hợp đã đủ kết hợp với thực tế ngụ ý gần như chắc chắn bởi một đối số cơ bản hơn. n=2Var(X)=0X=0
Đức hồng y

4

Đây là một lập luận tương tự với câu trả lời xuất sắc của Alecos vì trung bình số học, bất bình đẳng trung bình hình học là hệ quả của sự bất bình đẳng của Jensen.

  • Đặt là trung bình số học:AnAn=1ni=1nXi

  • Đặt là trung bình hình học:GnGn=(i=1Xi)1n

Trung bình số học, bất đẳng thức trung bình hình học nói rằng có đẳng thức khi và chỉ khi mọi quan sát đều bằng nhau: . (Bất đẳng thức AMGM là hệ quả của bất bình đẳng của Jensen .)AnGnX1=X2==Xn

Trường hợp 1: gần như chắc chắnX1=X2==Xn

Sau đó .E[Gn]=E[An]=E[X]

Trong một số ý nghĩa, đây là một trường hợp hoàn toàn thoái hóa.

Trường hợp 2: choi jP(XiXj)>0ij

Sau đó, có xác suất dương rằng trung bình hình học nhỏ hơn trung bình số học. Vì tất cả các kết quả và , sau đó chúng tôi có . E [ A n ] = E [ X ] E [ G n ] < E [ X ]GnAnE[An]=E[X]E[Gn]<E[X]

Khi sử dụng trang web của chúng tôi, bạn xác nhận rằng bạn đã đọc và hiểu Chính sách cookieChính sách bảo mật của chúng tôi.
Licensed under cc by-sa 3.0 with attribution required.