中心极限定理指出,随着趋于无穷大,iid变量的均值变得正态分布。
这提出了两个问题:
- 我们可以由此推论出大数定律吗?如果大数定律告诉我们,随机变量的值的样本均值等于真实平均作为趋于无穷大,那么似乎更强地说,(作为中心极限表示),该值变为其中是标准偏差。那么说中心极限意味着大数定律是否公平?Ñ Ñ(μ ,σ )σ
- 中心极限定理是否适用于变量的线性组合?
中心极限定理指出,随着趋于无穷大,iid变量的均值变得正态分布。
这提出了两个问题:
Answers:
OP说
中心极限定理指出,随着N趋于无穷大,iid变量的均值变为正态分布。
我认为这是OP的信念,即对于均值为μ和标准差为σ的 iid随机变量, Z n = 1的累积分布函数F Z n(a ) 收敛到N(μ,σ)的累积分布函数,N(μ,σ)是具有均值μ和标准差σ的正态随机变量。或者,OP认为该公式的重新排列较小,例如Zn-μ的分布收敛到N(0,σ)的分布或(Zn-μ)/σ的分布
OP继续说
这提出了两个问题:
- 我们可以由此推论出大数定律吗?如果大数定律说当N趋于无穷大时,随机变量值样本的均值等于真实均值μ,那么说(如中心极限所示)值变为N( μ,σ),其中σ是标准偏差。
大数的弱定律说,对于iid 为有限均值μ的随机变量,给定任何ϵ > 0, P { | ž ñ - μ | > ϵ } → 0 注意,没有必要假设标准偏差是有限的。
因此,为了回答OP的问题,
OP指出 的中心极限定理并不意味着 大数定律是弱的。当,中心极限定理的OP版本表示 P { | ž ñ - μ | > σ } → 0.317 ⋯而弱定律说P { | ž ñ - μ |
根据中心极限定理的正确表述,最多只能得出适用于具有有限均值和标准偏差的随机变量的大数弱定律的一种受限形式。但是,大数定律也适用于具有有限均值但标准偏差无限的随机变量,例如帕累托随机变量。
我不明白为什么说样本均值收敛到一个正常的随机变量 标准偏差非零比说样本均值收敛到总体均值(人口常数是常数(或者如果标准偏差为零,则是随机变量,如果是你喜欢)。
对于大数法则,你需要有在同一概率空间中定义的所有变量(如大数法则是一个有关确定的事件的概率声明,所有ñ同时进行)。为了使分布收敛,您可以具有不同的概率空间,从而简化了证明的许多方面(例如,增加嵌套空间,这对于各种三角形阵列证明来说是非常常见的)。但是,这也意味着你不能做出有关的联合分布的任何声明ˉ X ñ和ˉ X ñ + 1说。因此,不,分布的收敛并不意味着大数定律,除非您对所有变量都有共同的概率空间。
换句话说,在CLT下,随机变量的线性组合不会收敛到法线的线性组合,只是一个法线。这是有道理的,因为随机变量的线性组合只是CLT可以直接应用的不同随机变量。