渐近理论.pptVIP

9.* Compare… Compare the distribution of X… …with the sampling distribution of . As well, note that: 中央極限定理, central limit theorem, CLT 令 為一組隨機樣本, 其中 則 由於 CLT 可改寫如下 中央極限定理 或者是 中央極限定理 以上係將中央極限定理以極限分配的方式呈現,我們可將中央極限定理以漸近分配的方式寫成 或者是 其中 代表漸近分配, A 代表了Asymptotically 中央極限定理 中央極限定理告訴我們, 無論隨機樣本所來自的母體分配為何, 當樣本夠大時, 樣本平均數 予以標準化後(減去期望值後再除上標準差), 可以用標準常態分配N(0, 1) 近似 中央極限定理也告訴我們, 樣本均數 的漸近分配為 常見錯誤觀念: 無論X 來自的母體分配為何,當樣本夠大時, 根據中央極限定理, 我們可以用標準常態分配近似X 的分配(錯在哪裡?) Central Limit Theorem Example SODA The amount of soda in cans of a particular brand has a mean of 12 oz and a standard deviation of .2 oz. If you select random samples of 50 cans, what percentage of the sample means would be less than 11.95 oz? Central Limit Theorem Solution* Sampling Distribution 12 s ` X = .03 11.95 ` X 0 s = 1 –1.77 Z .0384 Standardized Normal Distribution .4616 Shaded area exaggerated 例子: 中央極限定理之應用 假設{Xi} ～i.i.d.Bernoulli(p) 則 Why? 別忘了 The Delta Method 給定 g(·) 為可微函數, 且 g′(θ) = 0 存在, 則 The Delta Method 因此, 根據CLT, 亦即 根據The Delta Method, 例子1 令 且 則 But, how large of n is “large enough?” The answer is: it depends on the distribution of the underlying Yi that make up the average. At one extreme, if the Yi are themselves normally distributed, then is exactly normally distributed for all n. In contrast, when Yi is far from normally distributed, then this approximation can require n = 30 or even more. Example: A skewed distribution 卡方分配的極限性質 給定 令 則 卡方隨機變數除上其自由度後會機率收斂到常數1 t 分配的極限性質 給定 則 具有t 分配的隨機變數會分配收斂到標準常態 隨機變數 F 分配的極限性質 給定 當 Have students verify these numbers. Have students verify these numbers. 統計學: 應用與進階 第8 章: 漸近理論與漸近分配 漸近理論 收斂與隨機收斂 弱大數法則與中央極限定理 與隨機收斂相關之其他重要定理 重要抽樣分配之極限性質 漸近理論 當隨機樣本來自常態母體時, 我們可以推導出某 些特定統計量如 或是等 統計量之實際抽樣分配 然而, 在大多數的情況下, 隨機樣本所來自的母體非常態, 甚至是未知 此外, 就算母體為常態, 許多統計量為隨機樣本之非常複雜的函數, 實際抽樣分配無從