极限理论总结06:样本矩与样本中心距
文章目录
- 08.样本矩
- 样本矩
- 样本中心距
08.样本矩
首先说明一些记号:
设 X 1 , X 2 , … , X n i.i.d. F X_{1}, X_{2}, \ldots, X_{n}{ }^{\text {i.i.d. }} F X1,X2,…,Xni.i.d. F
总体矩: α k = E ( X 1 k ) , α 1 = μ \alpha_{k}=\mathrm{E}\left(X_{1}^{k}\right), \alpha_{1}=\mu αk=E(X1k),α1=μ
总体中心矩: μ k = E { ( X 1 − μ ) k } , μ 2 = σ 2 \mu_{k}=\mathrm{E}\left\{\left(X_{1}-\mu\right)^{k}\right\}, \mu_{2}=\sigma^{2} μk=E{(X1−μ)k},μ2=σ2
样本矩: a k = 1 n ∑ i = 1 n X i k , a 1 = X ˉ n a_{k}=\frac{1}{n} \sum_{i=1}^{n} X_{i}^{k}, a_{1}=\bar{X}_{n} ak=n1∑i=1nXik,a1=Xˉn
样本中心矩: m k = 1 n ∑ i = 1 n ( X i − X ˉ n ) k , m 2 = S n 2 m_{k}=\frac{1}{n} \sum_{i=1}^{n}\left(X_{i}-\bar{X}_{n}\right)^{k}, m_{2}=S_{n}^{2} mk=n1∑i=1n(Xi−Xˉn)k,m2=Sn2
样本矩
样本矩可看作 n n n个 i . i . d . i.i.d. i.i.d.随机变量的均值。在假设任意阶矩有限的条件下,由大数定律和中心极限定理可以得到如下结论:
定理 8.1:
E ( a k ) = α k , Var ( a k ) = α 2 k − α k 2 n \mathrm{E}\left(a_{k}\right)=\alpha_{k}, \operatorname{Var}\left(a_{k}\right)=\frac{\alpha_{2 k}-\alpha_{k}^{2}}{n} E(ak)=αk,Var(ak)=nα2k−αk2
a k → p α k a_{k} \stackrel{p}{\rightarrow} \alpha_{k} ak→pαk
a k → w p 1 α k {a_{k} \stackrel{w p 1}{\rightarrow}} \alpha_{k} ak→wp1αk
n ( a 1 − α 1 , … , a k − α k ) ⊤ → d N k ( 0 , Σ ) \sqrt{n}\left(a_{1}-\alpha_{1}, \ldots, a_{k}-\alpha_{k}\right)^{\top} \stackrel{d}{\rightarrow} N_{k}(\mathbf{0}, \Sigma) n (a1−α1,…,ak−αk)⊤→dNk(0,Σ), 其中 Σ = ( σ j 1 j 2 ) k × k \Sigma=\left(\sigma_{j_{1} j_{2}}\right)_{k \times k} Σ=(σj1j2)k×k , σ j 1 j 2 = α j 1 + j 2 − α j 1 α j 2 \sigma_{j_{1} j_{2}}=\alpha_{j_{1}+j_{2}}-\alpha_{j_{1}} \alpha_{j_{2}} σj1j2=αj1+j2−αj1αj2
样本中心距
而对于样本中心距而言,其求和的每一项并不具有独立性。由此我们先构造另一相关统计量: b k = 1 n ∑ i = 1 n ( X i − μ ) k b_{k}=\frac{1}{n} \sum_{i=1}^{n}\left(X_{i}-\mu\right)^{k} bk=n1∑i=1n(Xi−μ)k, b k b_k bk为 i . . i . d . i..i.d. i..i.d.随机向量的均值,可以得到类似定理8.1的结论。以下给出引理8.2:
引理8.2:
E ( b k ) = μ k , Var ( b k ) = μ 2 k − μ k 2 n \mathrm{E}\left(b_{k}\right)=\mu_{k}, \operatorname{Var}\left(b_{k}\right)=\frac{\mu_{2 k}-\mu_{k}^{2}}{n} E(bk)=μk,Var(bk)=nμ2k−μk2
b k → p μ k b_{k} \stackrel{p}{\rightarrow} \mu_{k} bk→pμk
b k → w p 1 μ k \quad b_{k} \stackrel{w p 1}{\rightarrow} \mu_{k} bk→wp1μk
n ( b 1 − μ 1 , … , b k − μ k ) ⊤ → d N k ( 0 , Σ ~ ) \sqrt{n}\left(b_{1}-\mu_{1}, \ldots, b_{k}-\mu_{k}\right)^{\top} \stackrel{d}{\rightarrow} N_{k}(\mathbf{0}, \tilde{\Sigma}) n (b1−μ1,…,bk−μk)⊤→dNk(0,Σ~), where Σ ~ = ( σ ~ j 1 j 2 ) k × k \tilde{\Sigma}=\left(\tilde{\sigma}_{j_{1} j_{2}}\right)_{k \times k} Σ~=(σ~j1j2)k×k with σ ~ j 1 j 2 = μ j 1 + j 2 − μ j 1 μ j 2 \tilde{\sigma}_{j_{1} j_{2}}=\mu_{j_{1}+j_{2}}-\mu_{j_{1}} \mu_{j_{2}} σ~j1j2=μj1+j2−μj1μj2
考虑到 b k b_k bk具有较好的性质,我们尝试将 b k b_k bk与 m k m_k mk建立联系
m k = 1 n ∑ i = 1 n ( X i − X ˉ n ) k = 1 n ∑ i = 1 n ∑ j = 0 k C k j ( X i − μ ) j ( μ − X ˉ n ) k − j , m_{k}=\frac{1}{n} \sum_{i=1}^{n}\left(X_{i}-\bar{X}_{n}\right)^{k}=\frac{1}{n} \sum_{i=1}^{n} \sum_{j=0}^{k} C_{k}^{j}\left(X_{i}-\mu\right)^{j}\left(\mu-\bar{X}_{n}\right)^{k-j}, mk=n1i=1∑n(Xi−Xˉn)k=n1i=1∑nj=0∑kCkj(Xi−μ)j(μ−Xˉn)k−j,
i.e.,
m k = ∑ j = 0 k C k j ( − 1 ) k − j b j b 1 k − j m_{k}=\sum_{j=0}^{k} C_{k}^{j}(-1)^{k-j} b_{j} b_{1}^{k-j} mk=j=0∑kCkj(−1)k−jbjb1k−j
由此可以得到定理8.3:
定理8.3:
- m k → w p 1 μ k m_{k} \stackrel{w p 1}{\rightarrow} \mu_{k} mk→wp1μk
- n ( m 2 − μ 2 , … , m k − μ k ) ⊤ → d N k − 1 ( 0 , Σ ∗ ) \sqrt{n}\left(m_{2}-\mu_{2}, \ldots, m_{k}-\mu_{k}\right)^{\top} \stackrel{d}{\rightarrow} N_{k-1}\left(0, \Sigma^{*}\right) n (m2−μ2,…,mk−μk)⊤→dNk−1(0,Σ∗), 其中
Σ ∗ = ( σ j 12 ∗ ) ( k − 1 ) × ( k − 1 ) \Sigma^{*}=\left(\sigma_{j_{12}}^{*}\right)(k-1) \times(k-1) Σ∗=(σj12∗)(k−1)×(k−1) ,
σ j j j ∗ = μ j 1 + j 2 + 2 − μ j 1 + 1 μ j 2 + 1 − ( j 1 + 1 ) μ j 1 μ j 2 + 2 − ( j 2 + 1 ) μ j 2 μ j 1 + 2 + ( j 1 + 1 ) ( j 2 + 1 ) μ j 1 μ j 2 μ 2 \sigma_{j j j}^{*}=\mu_{j_{1}+j_{2}+2}-\mu_{j_{1}+1} \mu_{j_{2}+1}-\left(j_{1}+\right.1) \mu_{j_{1}} \mu_{j_{2}+2}-\left(j_{2}+1\right) \mu_{j_{2}} \mu_{j_{1}+2}+\left(j_{1}+1\right)\left(j_{2}+1\right) \mu_{j_{1}} \mu_{j_{2}} \mu_{2} σjjj∗=μj1+j2+2−μj1+1μj2+1−(j1+1)μj1μj2+2−(j2+1)μj2μj1+2+(j1+1)(j2+1)μj1μj2μ2
证明:
首先注意到 μ 1 = 0 \mu_1=0 μ1=0
由CMT可知: m k = ∑ j = 0 k C k j ( − 1 ) k − j b j b 1 k − j → w p 1 ∑ j = 0 k C k j ( − 1 ) k − j μ j μ 1 k − j = μ k m_{k}=\sum_{j=0}^{k} C_{k}^{j}(-1)^{k-j} b_{j} b_{1}^{k-j}\stackrel{w p 1}{\rightarrow}\sum_{j=0}^{k} C_{k}^{j}(-1)^{k-j} \mu_{j} \mu_{1}^{k-j}=\mu_k mk=∑j=0kCkj(−1)k−jbjb1k−j→wp1∑j=0kCkj(−1)k−jμjμ1k−j=μk,则(1)成立
将 m k m_k mk改写为
m k = ∑ j = 0 k C k j ( − 1 ) k − j b j b 1 k − j = b k − k b k − 1 b 1 + ∑ j = 0 k − 2 C k j ( − 1 ) k − j b j b 1 k − j \begin{aligned} m_{k} &=\sum_{j=0}^{k} C_{k}^{j}(-1)^{k-j} b_{j} b_{1}^{k-j} \\ &=b_{k}-k b_{k-1} b_{1}+\sum_{j=0}^{k-2} C_{k}^{j}(-1)^{k-j} b_{j} b_{1}^{k-j} \end{aligned} mk=j=0∑kCkj(−1)k−jbjb1k−j=bk−kbk−1b1+j=0∑k−2Ckj(−1)k−jbjb1k−j
有
n ( m k − μ k ) = n ( b k − μ k ) − k b k − 1 n b 1 + n b 1 ∑ j = 0 k − 2 C k j ( − 1 ) k − j b j b 1 k − j − 1 = n ( b k − μ k ) − k μ k − 1 n b 1 + o p ( 1 ) = n ( b k − μ k − k μ k − 1 b 1 ) + o p ( 1 ) \begin{aligned} &\sqrt{n}\left(m_{k}-\mu_{k}\right) \\ &\quad=\sqrt{n}\left(b_{k}-\mu_{k}\right)-k b_{k-1} \sqrt{n} b_{1}+\sqrt{n} b_{1} \sum_{j=0}^{k-2} C_{k}^{j}(-1)^{k-j} b_{j} b_{1}^{k-j-1} \\ &\quad=\sqrt{n}\left(b_{k}-\mu_{k}\right)-k \mu_{k-1} \sqrt{n} b_{1}+o_{p}(1) \\ &\quad=\sqrt{n}\left(b_{k}-\mu_{k}-k \mu_{k-1} b_{1}\right)+o_{p}(1) \end{aligned} n (mk−μk)=n (bk−μk)−kbk−1n b1+n b1j=0∑k−2Ckj(−1)k−jbjb1k−j−1=n (bk−μk)−kμk−1n b1+op(1)=n (bk−μk−kμk−1b1)+op(1)
则
n ( m 2 − μ 2 , … , m k − μ k ) ⊤ = n ( b 2 − μ 2 − 2 μ 1 b 1 , … , b k − μ k − k μ k − 1 b 1 ) ⊤ = n − 1 / 2 ∑ i = 1 n ( Z i 2 , … , Z i k ) ⊤ \begin{aligned} &\sqrt{n}\left(m_{2}-\mu_{2}, \ldots, m_{k}-\mu_{k}\right)^{\top} \\ &\quad=\sqrt{n}\left(b_{2}-\mu_{2}-2 \mu_{1} b_{1}, \ldots, b_{k}-\mu_{k}-k \mu_{k-1} b_{1}\right)^{\top} \\ &\quad=n^{-1 / 2} \sum_{i=1}^{n}\left(Z_{i 2}, \ldots, Z_{i k}\right)^{\top} \end{aligned} n (m2−μ2,…,mk−μk)⊤=n (b2−μ2−2μ1b1,…,bk−μk−kμk−1b1)⊤=n−1/2i=1∑n(Zi2,…,Zik)⊤
其中 Z i j = ( X i − μ ) j − μ j − j μ j − 1 ( X i − μ ) Z_{i j}=\left(X_{i}-\mu\right)^{j}-\mu_{j}-j \mu_{j-1}\left(X_{i}-\mu\right) Zij=(Xi−μ)j−μj−jμj−1(Xi−μ) , j = 2 , … , k j=2, \ldots, k j=2,…,k
计算可得:
E ( Z i j ) = 0 \mathrm{E}\left(Z_{i j}\right)=0 E(Zij)=0
Cov ( Z i j 1 , Z i j 2 ) = μ j 1 + j 2 − μ j 1 μ j 2 − j 1 μ j 1 − 1 μ j 2 + 1 − j 2 μ j 2 − 1 μ j 1 + 1 + j 1 j 2 μ j 1 − 1 μ j 2 − 1 μ 2 \operatorname{Cov}\left(Z_{i j_{1}}, Z_{i j_{2}}\right)=\mu_{j_{1}+j_{2}}-\mu_{j_{1}} \mu_{j_{2}}-j_{1} \mu_{j_{1}-1} \mu_{j_{2}+1}-j_{2} \mu_{j_{2}-1} \mu_{j_{1}+1}+j_{1} j_{2} \mu_{j_{1}-1} \mu_{j_{2}-1} \mu_{2} Cov(Zij1,Zij2)=μj1+j2−μj1μj2−j1μj1−1μj2+1−j2μj2−1μj1+1+j1j2μj1−1μj2−1μ2
综上则(2)成立,证毕。
极限理论总结06:样本矩与样本中心距相关推荐
- 极限理论总结01:随机变量的四种收敛、CMT及Slutsky定理
文章目录 01.极限理论的意义 02.随机变量的收敛性 一些定义与记号 依概率收敛 几乎处处收敛 r阶矩收敛 依分布收敛 几种收敛间的关系 OOO 和ooo 连续映射定理 Slutsky定理 01.极 ...
- 概率导论(极限理论)
概率导论-极限理论笔记 前言 马尔可夫和切比雪夫不等式 马尔可夫不等式 切比雪夫不等式 弱大数定律 依概率收敛 中心极限定理 中心极限定理的内容 近似计算 强大数定律 以概率1收敛 前言 讨论的是随机 ...
- UA MATH564 概率论 QE练习题 概率极限理论
UA MATH564 概率论 QE练习题 概率极限理论 2015/5/3 2016/1/3 这是2015年5月的3题.2016年1月的3题 2015/5/3 这个题干有点意思,有一列随机变量但并不是互 ...
- 数学分析-第一章-极限理论
第一章 极限理论1 1.1 数列的极限 1.1.1 数列极限的定义 定义(ϵ−N\epsilon-Nϵ−N) {xn}\{x_n\}{xn}是已知数列,aaa为已知实数,如果对任给ϵ>0\ep ...
- 概率论总结(五):极限理论之大数定律、中心极限定理、概率收敛
目录: 马尔可夫和切比雪夫不等式 弱大数定律 依概率收敛 中心极限定理 - 基于中心极限定理的近似 - 二项分布的棣莫弗-拉普拉斯近似 强大数定律 马尔可夫和切比雪夫不等式 马尔可夫不等式粗略地讲,该 ...
- 极限理论总结05:经验分布函数(ECDF)与KSn统计量
文章目录 07.经验分布函数 无偏性.收敛性与渐进正态性 KSn统计量 Glivenko-Cantelli定理 07.经验分布函数 设 X 1 , X 2 , - , X n ∼ i . i . d ...
- 《鸿蒙理论知识06》HarmonyOS概述之应用开发基础知识
目录 APP Ability 库文件 资源文件 配置文件 pack.info HAR APP HarmonyOS 的应用软件包以 APP Pack(Application Package)形式发布ÿ
- 极限理论总结03:中心极限定理(CLT)与Edgeworth展开
文章目录 05.中心极限定理 独立同分布情形(Lindeberg-Lévy CLT) 独立情形(Lindeberg-Feller& Lyapunov CLT) 双序列独立情形(Lindeber ...
- 【回归预测-ELM预测】基于粒子群算法PSO优化极限学习机预测附matlab代码
1 内容介绍 风电功率预测为电网规划提供重要的依据,研究风电功率预测方法对确保电网在安全稳定运行下接纳更多的风电具有重要的意义.针对极限学习机(ELM)回归模型预测结果受输入参数影响的问题,现将粒子群 ...
最新文章
- Java学习总结:52(Java网络编程)
- 台湾大学林轩田机器学习技法课程学习笔记1 -- Linear Support Vector Machine
- 10、mybatis中缓存的使用
- 瑞斯康达nms_瑞斯康达接入网设备维护手册免费.pdf
- 数学对于编程来说重要吗?编程大佬眼里的线性代数
- 2015 8月31号 本周计划
- codeforecs Gym 100286B 	Blind Walk
- linux配置ARP内核参数,详细讲解linux内核参数arp_announce和arp_ignore
- mysql快速启动_GitHub - TianSiQiang/Spring-Boot-MyBatis-Mysql: Spring Boot+MyBatis+Mysql 快速启动示例...
- 无法注册这篇文档........
- 上传图片时,使用GDI+中重绘方式将CMYK图片转为RGB图片
- 237.删除链表中的节点
- java数据结构银行叫号,数据结构实验二——队列(银行叫号系统)
- 恋物志(二):独居者的智能生活指南
- 常用的平方根算法详解与实现
- 2012-07-29 入手第一款Apple产品:The New iPad
- 计算机里删除的文件可以在哪里进行恢复,电脑上删除的文件怎么恢复?方法在这里...
- postgresql 执行sql文件
- Redis怎么优雅删除key
- CSAPP笔记 第一章第二章
热门文章
- 【Unity】Unity中开场动画设置
- 自动驾驶(五十七)---------车身航迹推算
- sap-abap-销售订单的订货,生产,存货,发货情况统计报表
- 大学期末考java编程题_(完整版)大学期末考试Java题库
- Python+Vue计算机毕业设计建筑工地信息管理系统2172n(源码+程序+LW+部署)
- 视频如何转换成GIF?简单2步即可完成
- 如何将视频变成gif?视频在线转换gif动图的方法
- Android多国语言文件夹命名方式
- Nginx反向代理内网web系统找不到CSS,JS及图片问题解决方案
- 打百万拳,走万里路。