我对此问题的主要担心是,在我正在研究的情况下,是否可以像往常一样应用CLT。@Henry用户断言可以,@ Zen用户通过模拟展示了它。因此受到鼓舞,我现在将分析地证明这一点。
我首先要做的是验证混合分布的此变量是否具有“正常”力矩生成函数。表示的期望值,其标准偏差,及居中和缩放版本的通过。
施加变化的可变式我们发现,连续部分是
的时刻生成函数应该是
μiZiσiZiZ~i=Zi−μiσi
fZ~(z~i)=σifZ(zi)=σibi−ai
Z~iM~i(t)=E(ez~it)=∫∞−∞ez~itdFZ~(z~i)=∫k~ia~iσiez~itbi−aidzi+cek~it
⇒M~i(t)=σibi−aiek~it−ea~itt+cek~it
与
k~i=ki−μiσi,a~i=ai−μiσi
使用质数表示导数,如果我们正确地指定了矩生成函数,则应该获得
,因为这是居中且按比例缩放的随机变量。
事实上,通过计算衍生工具,应用洛必达法则很多次,(因为MGF在零值必须通过限制来计算),和做代数运算,我已经验证了前两个等式。第三个平等证明太累了,但我相信它成立。
M~i(0)=1,M~′i(0)=E(Z~)=0⇒M~′′i(0)=E(Z~2i)=Var(Z~i)=1
因此,我们拥有适当的MGF。如果我们将其泰勒展开式的二阶近似为零,则
M~(t)=M~(0)+M~′(0)t+12M~′′(0)t2+o(t2)
⇒M~(t)=1+12t2+o(t2)
这意味着特征函数为(此处表示虚数单位)
。i
ϕ~(t)=1+12(it)2+o(t2)=1−12t2+o(t2)
根据特征函数的性质,我们可以得出的特征函数等于Z~/n−−√
ϕ~Z~/n√(t)=ϕ~Z~(t/n−−√)=1−t22n+o(t2/n)
并且由于我们具有独立的随机变量,因此的特征函数
为1n√∑niZ~i
ϕ~1n√∑niZ~i(t)=∏i=1nϕ~Z~(t/n−−√)=∏i=1n(1−t22n+o(t2/n))
然后
limn→∞ϕ~1n√∑niZ~i(t)=limn→∞(1−t22n)n=e−t2/2
通过数字的表示方式e。碰巧最后一项是标准正态分布的特征函数,根据Levy的连续性定理,我们有
1n−−√∑inZ~i→dN(0,1)
这就是CLT。请注意,一旦我们考虑了变量的居中和缩放版本并考虑了其MGF / CHF的二阶泰勒展开式,变量就不会以相同的方式分布,从视图中“消失” 这一事实:在这种近似水平下,这些函数是相同的,其余所有方面的差异都被压缩,这些差异逐渐消失。 Z
但是,当我们考虑平均行为时,从所有个体元素来看,个体水平上的特质行为就消失了,我相信使用诸如混合分布的随机变量之类的讨厌生物可以很好地展示这一事实。