Sądzę, że pytasz, jaki jest, jeśli w ogóle, rozkład rv , taki, że jeśli mamy próbkę o wielkości z tego rozkładu, to utrzyma, żen > 1Xn>1
E[GM]=E⎡⎣(∏i=1nXi)1/n⎤⎦=E(X)
Ze względu na założenie , że mamy
E⎡⎣(∏i=1nXi)1/n⎤⎦=E(X1/n1⋅...⋅X1/nn)=E(X1/n1)⋅...⋅E(X1/nn)=[E(X1/n)]n
i pytamy, czy możemy
[E(X1/n)]n=E(X)
Ale z powodu nierówności Jensena i faktu, że funkcja władzy jest ściśle wypukła dla mocy wyższych niż jedność, mamy to, prawie na pewno dla nie-zdegenerowanej (niestałej) zmiennej losowej,
[E(X1/n)]n<E[(X1/n)]n=E(X)
Więc nie ma takiej dystrybucji.
W odniesieniu do wzmianki o rozkładzie logarytmiczno-normalnym w komentarzu, średnia geometryczna ( ) próbki z rozkładu logarytmiczno-normalnego jest tendencyjnym, ale asymptotycznie spójnym estymatorem mediany . Wynika to z faktu, że w przypadku rozkładu logarytmicznego tak jestGM
E(Xs)=exp{sμ+s2σ22}
(gdzie i są parametrami podstawowej normy, a nie średnią i wariancją log-normal).σμσ
W naszym przypadku więc otrzymujemys=1/n
E(GM)=[E(X1/n)]n=[exp{(μ/n)+σ22n2}]n=exp{μ+σ22n}
(co mówi nam, że jest to stronniczy estymator mediany). Ale
lim[E(X1/n)]n=limexp{μ+σ22n}=eμ
która jest medianą rozkładu. Można również wykazać, że wariancja średniej geometrycznej próbki jest zbieżna do zera, a te dwa warunki są wystarczające, aby estymator był asymptotycznie spójny - dla mediany,
GM→peμ