Liệu Định lý giới hạn trung tâm đa biến (CLT) có giữ được khi các biến thể hiện sự phụ thuộc hoàn toàn đương thời không?


10

Tiêu đề tổng hợp câu hỏi của tôi, nhưng để rõ ràng hãy xem xét ví dụ đơn giản sau đây. Đặt , i = 1, ..., n . Xác định: \ started {phương trình} S_n = \ frac {1} {n} \ sum_ {i = 1} ^ n X_i \ end {phương trình}\ started {phương trình} T_n = \ frac {1} {n} \ sum_ {i = 1} ^ n (X_i ^ 2 - 1) \ end {phương trình} Câu hỏi của tôi: Mặc dù S_nT_n hoàn toàn phụ thuộc khi n = 1 , do \ sqrt {n} S_n\ sqrt {n} T_n hội tụ đến một phân phối bình thường chung như n \ rightarrow \ infty ?XiiidN(0,1)i=1,...,n

Sn=1ni=1nXi
Tn=1ni=1n(Xi21)
SnTnn=1nSnnTnn

Động lực: Động lực của tôi cho câu hỏi bắt nguồn từ thực tế rằng nó cảm thấy kỳ lạ (nhưng tuyệt vời) rằng SnTn hoàn toàn phụ thuộc khi n=1 , nhưng ý nghĩa của CLT đa biến là chúng tiếp cận độc lập như n (điều này sẽ xảy ra do SnTn không tương thích với tất cả n , do đó nếu chúng không có triệu chứng khớp bình thường, thì chúng cũng phải độc lập không có triệu chứng).

Cảm ơn trước cho bất kỳ câu trả lời hoặc ý kiến!

ps, Nếu bạn có thể cung cấp bất kỳ tài liệu tham khảo vv, thì tốt hơn hết!


Không có câu trả lời, nhưng một nhận xét. Tôi không thấy điều này rất đáng ngạc nhiên. Sự phụ thuộc mà bạn lưu ý cho n = 1 giảm nhanh khi n tăng lên.
Erik

@egbutter đã cung cấp một câu trả lời tốt. Nếu bạn vẫn đang tìm kiếm một số thay thế hoặc một số trực giác bổ sung, hãy ping tôi và tôi sẽ thấy về việc viết lên một cái gì đó hơi khác một chút.
Đức hồng y

@cardinal Cảm ơn rất nhiều về lời đề nghị, nhưng tôi khá vui ở điểm này - Tôi đã trao phần thưởng cho egbutter. Tôi nghĩ rằng tôi đã có trực giác. Mục đích chính của tôi khi đăng bài là để xem có ai đó nhảy vào và nói "Không không không, bạn đã hiểu sai tất cả vì ..." :-) Chúc mừng.
Colin T Bowers

Câu trả lời:


6

Câu trả lời ngắn gọn như tôi hiểu q của bạn là "có, nhưng ..." tốc độ hội tụ trên S, T và bất kỳ khoảnh khắc nào khác không nhất thiết giống nhau - hãy kiểm tra xác định giới hạn với Định lý Berry-Esseen .

Trong trường hợp tôi hiểu nhầm q của bạn, Sn và Tn thậm chí giữ CLT trong điều kiện phụ thuộc yếu (trộn): kiểm tra CLT của Wikipedia để biết các quy trình phụ thuộc .

CLT là một định lý chung như vậy - bằng chứng cơ bản không đòi hỏi gì nhiều hơn hàm đặc trưng của Sn và Tn hội tụ đến hàm đặc trưng của chuẩn thông thường, sau đó Định lý Levy Continuity cho biết sự hội tụ của hàm đặc trưng ngụ ý sự hội tụ của phân phối.

John Cook cung cấp một lời giải thích tuyệt vời về lỗi CLT ở đây .


Cảm ơn câu trả lời. Tôi không thực sự quan tâm đến tốc độ hội tụ khi có liên quan đến câu hỏi này, cũng như liệu CLT có giữ được các điều kiện chung hơn hay không, ví dụ như sự phụ thuộc. Điều tôi thực sự hy vọng là một tài liệu tham khảo hoặc tuyên bố biện minh cho việc sử dụng CLT đa biến khi thành phần thứ i của mỗi tổng thể thể hiện sự phụ thuộc hoàn toàn đương thời. Sau đó, tôi đã tìm thấy một tài liệu tham khảo trong "Lý thuyết giới hạn ngẫu nhiên" của Davidson nói rằng các tổ chức CLT đa biến đưa ra sự phụ thuộc đồng thời tùy ý, nhưng vẫn đang tìm kiếm một chút khắt khe xung quanh tuyên bố đó.
Colin T Bowers

Có vẻ như bạn đang suy nghĩ quá mức này. Là i của bạn trong [1, n] các thành phần "đương thời" mà bạn đang đề cập đến? Nếu vậy, điểm quan trọng là Sn và Tn của bạn vẫn sẽ hội tụ (bạn có thể chứng minh điều này với chính mình bằng cách sử dụng phương pháp tương tự như bằng chứng CLT "trường học cũ" đã đề cập ở trên) - nhưng với một i đã cho, lỗi của họ sẽ khác biệt Điều đó không thay đổi thực tế mà CLT nắm giữ. Sự phân biệt đa / đơn biến không quan trọng.
egbutter

Vâng, tôi là thành phần đương thời. Đề nghị tốt liên quan đến việc chạy ví dụ thông qua một bằng chứng. Tôi đã thực sự làm điều này, và không tìm thấy bất kỳ vấn đề nào, điều nghịch lý làm tôi lo lắng hơn. Có lẽ tôi đang suy nghĩ quá nhiều vào thời điểm này :-) Cảm ơn lần nữa vì đã phản hồi. Nếu không có ai khác có câu trả lời vào cuối ngày, tôi sẽ đánh dấu câu trả lời của bạn. Chúc mừng.
Colin T Bowers

Tôi chắc chắn có thể đồng cảm - tôi thường làm điều tương tự! :)
egbutter

1

Điều này không chứng minh bất cứ điều gì, tất nhiên, nhưng tôi luôn thấy việc thực hiện mô phỏng và vẽ đồ thị rất tiện dụng để hiểu được kết quả lý thuyết.

Đây là một trường hợp đặc biệt đơn giản. Chúng tôi tạo ra biến thiên bình thường ngẫu nhiên và tính toán và ; lặp lại lần. Đồ thị là các đồ thị cho và . Thật dễ dàng để thấy sự phụ thuộc suy yếu khi tăng lên; tại đồ thị gần như không thể phân biệt được với sự độc lập.nSnTnmn=1,10,1001000nn=100

test <- function (m, n) 
{
    r <- matrix(rnorm(m * n), nrow = m)
    cbind(rowMeans(r), rowSums(r^2 - 1)/n)
}

par(mfrow=c(2,2))
plot(test(100, 1))
plot(test(100, 2))
plot(test(100, 5))
plot(test(100, 100))

nhập mô tả hình ảnh ở đây

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.