当变量表现出完美的同时依赖时,多元中心极限定理(CLT)是否成立?


10

标题总结了我的问题,但为清楚起见,请考虑以下简单示例。令,i = 1,...,n。定义: \ begin {equation} S_n = \ frac {1} {n} \ sum_ {i = 1} ^ n X_i \ end {equation}\ begin {equation} T_n = \ frac {1} {n} \ sum_ {i = 1} ^ n(X_i ^ 2-1-1)\ end {equation} 我的问题:即使当n = 1S_nT_n完全相关,\ sqrt {n} S_n\ sqrt {n} T_n收敛变为n \ rightarrow \ infty的联合正态分布?XiiidN(0,1)i=1,...,n

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

动机:我对这个问题的动机是基于这样一个事实,即当n = 1SnTn完全依赖于感到奇怪(但妙极了),但多元CLT的含义是它们以n \ rightarrow \ infty接近独立性(这是因为S_nT_n对于所有n不相关,因此,如果它们渐近联合法线,则它们也必须渐近独立)。n=1nSnTnn

在此先感谢您的任何回答或评论!

ps,如果您可以提供任何参考资料等等,那就更好了!


没有答案,但有评论。我觉得这并不奇怪。您注意到的对n = 1的依赖性随n的增加而迅速降低。
Erik

@egbutter提供了一个很好的答案。如果您仍在寻找其他选择或其他直觉,请ping我,我将看到编写一些不同的内容。
主教

@cardinal非常感谢您的报价,但在这一点上我还是很高兴-我将赏金授予了egbutter。我想我有直觉。我发帖的主要目的是看是否有人跳了进来,然后说:“不,不,不,您是因为...而错了所有。” :-)干杯。
科林·T·鲍尔斯

Answers:


6

据我了解,您的q的简短答案是“是,但是...”在S,T和其他任何时刻的收敛速度不一定相同-请查看确定Berry-Esseen定理的界限。

万一我误解了您的q,Sn和Tn甚至在弱依赖(混合)条件下坚持使用CLT:请查看Wikipedia的CLT中的依赖过程

CLT是这样一个普遍定理-基本证据要求不外乎特征函数锡和Tn收敛于标准正态分布的特征函数,然后利维连续性定理说的特征函数的收敛意味着分布的收敛。

John Cook 在这里为CLT错误提供了很好的解释。


感谢您的回答。就这个问题而言,我真的并不担心收敛速度,也不会担心CLT是否会在更一般的条件下(例如依赖关系)成立。我真正希望的是当每个和的第i个成分表现出完美的同时依赖性时,证明使用多元 CLT的理由是正确的。随后,我在戴维森(Davidson)的“随机极限理论”中找到了一个参考,指出在任意​​同时代依赖的情况下,多元CLT成立,但仍在对该声明进行一些严谨的规定。
科林·T·鲍尔斯

听起来您想得太多了。您在[1,n]中的i是您所指的“同期”组件吗?如果是这样,那么重要的一点是您的Sn和Tn仍将收敛(您可以使用与上述“老派” CLT证明相同的方法来证明自己),但是对于给定的i,它们的误差会不一样 这不会改变CLT成立的事实。多/单变量区分并不重要。
egbutter 2012年

是的,i是同期组件。关于通过示例运行示例的好建议。我实际上已经做到了,却没有发现任何问题,这使我更加紧张。也许这时我想得太多了:-)再次感谢您的答复。如果在一天结束之前没有其他人对答案有任何疑问,我会在您的回答中标记为答案。干杯。
Colin T Bowers

我当然可以同感-我经常做同样的事情!:)
egbutter 2012年

1

当然,这并不能证明任何事情,但是我总是发现进行模拟和绘制图形对于理解理论结果非常方便。

这是一个特别简单的情况。我们生成随机正态变量,并计算和;重复次。绘制了 1、10、100 和。很容易看到随着增加,依赖性减弱。在该图几乎与独立性没有区别。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))

在此处输入图片说明

By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.