Giá trị trung bình mẫu là một thống kê đơn hàng và có phân phối không bình thường, do đó phân phối mẫu hữu hạn chung của trung bình mẫu và trung bình mẫu (có phân phối chuẩn) sẽ không được chia đôi bình thường. Sử dụng các giá trị gần đúng, không có triệu chứng sau đây (xem câu trả lời của tôi ở đây ):
√n [ ( ˉ X n Y n ) - ( μ v ) ] → LN [ ( 0 0 ) , Σ ]
n−−√[(X¯nYn)−(μv)]→LN[(00),Σ]
với
Σ = ( σ 2 E ( | X - v | ) [ 2 f ( v ) ] - 1 E ( | X - v | ) [ 2 f ( v ) ] - 1 [ 2 f ( v ) ] - 2 )
Σ=(σ2E(|X−v|)[2f(v)]−1E(|X−v|)[2f(v)]−1[2f(v)]−2)
nơi ˉ X n là mẫu trung bình và L giá trị trung bình dân số, Y n là trung bình mẫu và v trung bình dân số, f ( ) là mật độ xác suất của các biến ngẫu nhiên liên quan và σ 2 là phương sai. X¯nμYnvf()σ2
Vì vậy, xấp xỉ cho các mẫu lớn, phân phối chung của chúng là bivariate bình thường, vì vậy chúng tôi có điều đó
E ( Y n ∣ ˉ X n = ˉ x ) = v + ρ σ vσ ˉ X ( ˉ x -μ)
E(Yn∣X¯n=x¯)=v+ρσvσX¯(x¯−μ)
Trong đó ρ là hệ số tương quan.ρ
Thao tác phân phối tiệm cận để trở thành phân phối khớp mẫu lớn gần đúng của trung bình mẫu và trung bình mẫu (và không phải là số lượng chuẩn), chúng ta có
ρ = 1n E(|X-v|)[2f(v)]-11n σ[2f(v)]-1=E(|X-v|)σ
ρ=1nE(|X−v|)[2f(v)]−11nσ[2f(v)]−1=E(|X−v|)σ
Vậy
E ( Y n ∣ ˉ X n = ˉ x ) = v + E ( | X - v | )σ [ 2 f ( v ) ] - 1σ ( ˉ x -μ)
E(Yn∣X¯n=x¯)=v+E(|X−v|)σ[2f(v)]−1σ(x¯−μ)
Chúng tôi có mà 2 f ( v ) = 2 / σ √2 π do tính đối xứng của mật độ bình thường nên chúng tôi đến2f(v)=2/σ2π−−√
E(Yn∣ˉXn=ˉx)=v+√π2E(|X−μσ|)(ˉx−μ)
E(Yn∣X¯n=x¯)=v+π2−−√E(∣∣∣X−μσ∣∣∣)(x¯−μ)
where we have used v=μv=μ. Now the standardized variable is a standard normal, so its absolute value is a half-normal distribution with expected value equal to √2/π2/π−−−√ (since the underlying variance is unity). So
E(Yn∣ˉXn=ˉx)=v+√π2√2π(ˉx−μ)=v+ˉx−μ=ˉx
E(Yn∣X¯n=x¯)=v+π2−−√2π−−√(x¯−μ)=v+x¯−μ=x¯