Mein Professor behauptete, dass eine Normalverteilung hat. Die Behauptung wurde auf der Grundlage des zentralen Grenzwertsatzes aufgestellt: Als p \ bis \ infty haben wir ein Normal (p \ mu, p ^ 2 \ sigma ^ 2) . Ich sehe nicht, wie dies gültig oder wahr ist, da diese Behauptung auf der linken Seite eine Grenze von p haben würde , aber p auch auf der rechten Seite erscheint. Außerdem hängen \ sigma ^ 2 und \ mu beide von p ...
Was fehlt mir und wie kann ich mich von der Verteilung dieses Limits überzeugen?
Antworten:
Diese Eigenschaft folgt aus dem zentralen Grenzwertsatz unter Verwendung der Tatsache, dass die Chi-Quadrat-Verteilung als Verteilung einer Summe von Quadraten unabhängiger normaler Standard-Zufallsvariablen erhalten wird. Wenn Sie eine Folge von ZufallsvariablenZ1,Z2,Z3,...∼IID N(0,1) haben, haben Sie:
Nun sind die ZufallsvariablenZ21,Z22,Z23,... IID mit dem Mittelwert E(Z2i)=1 und der Varianz V(Z2i)=2<∞ , also haben wir E(χ2p)=p und V(χ2p)=2p . Wenn Sie den klassischen zentralen Grenzwertsatz anwenden, erhalten Sie:
Eine andere Art, dieses formale einschränkende Ergebnis zu schreiben, ist folgende:
Dies ist das formale Konvergenzergebnis, das für die Chi-Quadrat-Verteilung gilt. Informell haben wir für große die ungefähre Verteilung:p∈N
Obwohl nicht streng korrekt, wird diese informelle Annäherung manchmal als eine Art Konvergenzergebnis behauptet, das sich informell auf die Konvergenz bezieht, bei der auf beiden Seiten erscheint. (Oder manchmal wird es durch Hinzufügen eines geeigneten Bestellbegriffs streng korrekt gemacht.) Dies ist vermutlich das, worauf sich Ihr Professor bezog.p
In Bezug auf diese Eigenschaft ist anzumerken, dass die Gammaverteilung gegen die Normalen konvergiert, wenn der Skalenparameter gegen unendlich tendiert; Die Konvergenz der Chi-Quadrat-Verteilung zur Normalen ist ein Sonderfall dieses breiteren Konvergenzergebnisses.
quelle
https://en.wikipedia.org/wiki/Chi-squared_distribution#Relation_to_other_distributions
quelle