Answers:
一种间接方法如下:
对于绝对连续的发行版,理查德·冯·米塞斯(Richard von Mises,理查德·冯·米塞斯(Richard von Mises)(在1936年发表的论文“ La distribution de la plus grande de n valeurs”中似乎用英语?)在1964年版中选中他的论文)提供了以下充分条件,以使样本的最大值收敛到标准Gumbel:
令为同名随机变量的公共分布函数,而它们的公共密度。那如果
使用标准法线的常用符号并计算导数,我们得到
注意。同样,对于正态分布,。所以我们必须评估极限
但是是密尔的比率,并且我们知道随着增长,标准法线的密尔比率趋于。所以
并且满足充分条件。
相关的级数为
附录
这是从ch。HA David&HN Nagaraja(2003),《订单统计》(第3版),第 10.5页。
。另外,对de Haan的引用是“ Haan,LD(1976)。样本极端:基本介绍。StatisticaNeerlandica,30(4),161-172。 ”但是请注意,因为某些符号在de Haan中具有不同的内容-例如,在书中是概率密度函数,而在德哈恩中,是书中的函数(即密尔比)。另外,德哈恩(De Haan)研究了已经区分的充分条件。
这个问题问两件事:(1)在适当选择的序列)(分布)收敛的意义上,如何显示最大收敛和到标准Gumbel分布,以及(2)如何找到这样的序列。
第一个是众所周知的,并记录在Fisher-Tippett-Gnedenko定理(FTG)的原始论文中。第二个似乎更困难。这就是这里要解决的问题。
请注意,为澄清此线程其他地方出现的一些断言,
最大并没有收敛到任何东西:它发散(尽管极为缓慢)。
关于Gumbel分布似乎有不同的约定。我将采用以下约定:反向 Gumbel分布的CDF在一定程度上取决于范围和位置。适当标准化的iid正态变量最大值收敛到反向的Gumbel分布。
当与公共分布函数相等时,最大为
当的支撑没有上限时(如正态分布一样),函数的序列将永远无限制地向右移动:
示出了对于的局部图。
要研究这些分布的形状,我们可以将每个分布向左移一些然后将其重新缩放以使其具有可比性。
先前的每个图形都已移位,以将其中位数设置为并使其单位长度的四分位数范围。
FTG断言可以选择序列和以便这些分布函数在每个处逐点收敛到某个极值分布,直至规模和位置。当是正态分布时,特定的极限极值分布是反向的Gumbel,直至位置和比例。
试图通过将标准化为具有单位均值和单位方差来模拟中心极限定理。但是,这是不适当的,部分原因是因为FTG甚至适用于没有第一或第二时刻的(连续)分布。而是使用百分位数(例如中位数)来确定位置,并使用百分位数的差(例如IQR)来确定价差。 (这种通用方法应该可以成功找到和对于任何连续分布。)
对于标准正态分布,这很容易!令。的位数对应于是任意值为其。回顾定义,解为
因此,我们可以设置
因为根据构造,的中位数为且其IQR为,所以(这是反向Gumbel的某种形式)的极限值的中位数必须为并且其IQR必须为。假设scale参数为,而location参数为。由于中位数是并且IQR很容易被发现是,因此参数必须为
这是没有必要的和是恰好这些值:他们只需要接近他们,提供的极限仍是这个逆转Gumbel分布。对标准法向进行简单(但乏味)的分析表明,近似值
可以正常工作(并且尽可能简单)。
淡蓝色的曲线的曲线图部分为使用近似序列和。深红色线用参数和绘制了反转的Gumbel分布。收敛很明显(尽管负的收敛速度明显较慢)。
BV Gnedenko,关于随机序列中最大项的极限分布。在Kotz和Johnson中,《统计突破第一册:基础和基本理论》, Springer,1992年。由Norman Johnson译。