Moje główne zmartwienie w tym pytaniu dotyczyło tego, czy można zastosować CLT „jak zwykle” w przypadku, który badam. Użytkownik @Henry stwierdził, że można, użytkownik @Zen pokazał to poprzez symulację. Tak zachęcony, teraz udowodnię to analitycznie.
Najpierw sprawdzę, czy ta zmienna z rozkładem mieszanym ma „zwykłą” funkcję generowania momentu. Oznaczają wartość oczekiwana , jego odchylenie standardowe, a na środku i skalowany wersja o .
Stosując wzór zmiany zmiennej, okazuje się, że część ciągła to
Funkcja generowania momentu powinna być
μjaZjaσjaZjaZ~ja=Zja-μjaσja
faZ~(z~ja) =σjafaZ(zja) =σjabja-zaja
Z~jaM.~ja( t ) = E(miz~jat) =∫∞- ∞miz~jatrefaZ~(z~ja) =∫k~jaza~jaσjamiz~jatbja-zajarezja+ cmik~jat
⇒M.~ja( t ) =σjabja-zajamik~jat-miza~jatt+ cmik~jat
z
k~ja=kja-μjaσja,za~ja=zaja-μjaσja
Używając liczb pierwszych do oznaczania pochodnych, jeśli poprawnie podaliśmy funkcję generowania momentu, powinniśmy uzyskać
od tego czasu jest wyśrodkowaną i skalowaną zmienną losową.
I rzeczywiście, obliczając pochodne, stosując wielokrotnie regułę L'Hopital (ponieważ wartość MGF na zero musi być obliczona przez granice) i wykonując manipulacje algebraiczne, zweryfikowałem dwie pierwsze równości. Trzecia równość okazała się zbyt męcząca, ale wierzę, że tak jest.
M.~ja( 0 ) = 1 ,M.~′ja( 0 ) = E(Z~) = 0 ⇒M.~′ ′ja( 0 ) = E(Z~2)ja) = Var(Z~ja) = 1
Mamy więc odpowiedni MGF. Jeśli weźmiemy rozszerzenie Taylora drugiego rzędu około zera, to mamy
M.~( t ) =M.~( 0 ) +M.~′( 0 ) t +12)M.~′ ′( 0 )t2)+ o (t2))
⇒M.~( t ) = 1 +12)t2)+ o (t2))
Oznacza to, że funkcją charakterystyczną jest (tutaj oznacza jednostkę urojoną)
.ja
ϕ~( t ) = 1 +12)( i t)2)+ o (t2)) = 1 -12)t2)+ o (t2))
Z właściwości funkcji charakterystycznej wynika, że funkcja charakterystyczna jest równaZ~/n--√
ϕ~Z~/n√( t ) =ϕ~Z~( t /n--√) = 1 -t2)2 n+ o (t2)/ n)
a ponieważ mamy niezależne zmienne losowe, charakterystyczną funkcją
jest1n√∑njaZ~ja
ϕ~1n√∑njaZ~ja( t ) =∏i = 1nϕ~Z~( t /n--√) =∏i = 1n( 1 -t2)2 n+ o (t2)/ n) )
Następnie
limn → ∞ϕ~1n√∑njaZ~ja( t ) =limn → ∞( 1 -t2)2 n)n=mi-t2)/ 2
przez jak liczba jest reprezentowanymi . Zdarza się, że ostatni człon jest funkcją charakterystyczną standardowego rozkładu normalnego i według twierdzenia Levy'ego o ciągłości mamy
1n--√∑janZ~ja→reN.( 0 , 1 )
którym jest CLT. Zauważ, że fakt, że zmienne - nie są identycznie rozmieszczone, „zniknął” z widoku, kiedy rozważymy ich wyśrodkowane i skalowane wersje i rozważymy rozszerzenie Taylora drugiego rzędu ich MGF / CHF: na tym przybliżeniu funkcje te są identyczne, a wszystkie różnice są zagęszczone w pozostałych kategoriach, które zanikają asymptotycznie. Z
Fakt, że idiosynkratyczne zachowanie na poziomie indywidualnym, ze wszystkich pojedynczych elementów, znika jednak, gdy weźmiemy pod uwagę średnie zachowanie, uważam, że bardzo dobrze jest to pokazane przy użyciu paskudnego stworzenia, takiego jak zmienna losowa o mieszanym rozkładzie.