Tekdüze toplam dağılımına normal yaklaşımda hata


20

Normal bir dağılımı tahmin etmek için saf bir yöntem , [ 0 , 1 ] üzerine eşit olarak dağıtılmış belki 100 IID rastgele değişkeni bir araya getirmek , sonra Merkezi Limit Teoremine dayanarak yeniden girmek ve yeniden ölçeklendirmektir. ( Yan not : Box-Muller dönüşümü gibi daha doğru yöntemler vardır .) IID U ( 0 , 1 ) rasgele değişkenlerin toplamı, tekdüze toplam dağılımı veya Irwin-Hall dağılımı olarak bilinir .[0,1]U(0,1)

Normal dağılım ile eşit toplam dağılımına yaklaşmadaki hata ne kadar büyük?

Bu tür bir soru IID rastgele değişkenlerinin toplamına yaklaşmak için ortaya çıktığında, insanlar (ben dahil) üçüncü anın var olduğu göz önüne alındığında Merkezi Limit Teoreminin etkili bir versiyonu olan Berry-Esseen Teoremini getirir :

|Fn(x)-Φ(x)|Cρσ3n

burada Fn , n IID rasgele değişkenlerinin yeniden ölçeklenmiş toplamı için kümülatif dağılım fonksiyonudur , ρ mutlak üçüncü merkezi moment E|(X-EX)3|, σ standart sapma ve C olarak kabul edilebilir bir mutlak sabittir 1 ya da 1/2 .

Bu tatmin edici değil. Bana öyle geliyor ki, Berry-Esseen tahmininin simetrik binom dağılımı için en büyük hatası olan ayrık olan binom dağılımlarında keskinliğe en yakın olduğu görülüyor 0. En büyük hata en büyük sıçramayla gelir. Ancak, muntazam toplam dağılımında sıçrama yoktur.

Sayısal testler hatası daha hızlı çeker düşündürmektedir c/n .

Kullanma C=1/2 , Berry-Esseen tahminidir

|Fn(x)-Φ(x)|121321123n0.650n

ki bu için sırasıyla yaklaşık 0.205 , 0.145 ve 0.103'tür . Gerçek maksimum fark n = 10 , 20 , 40 ile ilgili olduğu görülmektedir 0.00281 , 0.00139 ve 0.000692 düşmeye çok daha küçüktür, sırasıyla, ve görünen C / n yerine c / n=10,20,400.2050.1450.103n=10,20,400,002810,001390.000692c/n .c/n


7
Bir Edgeworth genişlemesinde toplamın dağılımını genişletirseniz , nin x olarak n ( tekdüze dağılım simetriktir), bu nedenle c / n sağa gelir. Çünkü o ( n - 1 )Fn(x)=Φ(x)+n-1g(x)+Ö(n-1)xnc/nÖ(n-1)terim, bu size bir sınır vermez ...
MånsT

1
Teşekkürler, diğer dağıtımlar için de modelini açıklıyor gibi görünüyor . c/n
Douglas Zare

Yanıtlar:


17

Let iid olmak U ( - b , b ) rastgele değişkenler ve normalize toplamı dikkate S , n = U1,U2,...U(-b,b) Ve ilgili destek norm δ n = destek x R | F n ( x ) - Φ ( x ) |

Sn=3Σben=1nUbenbn,
yudum Burada K , n dağılımı S , n .
δn=yudumxR,|Fn(x)-Φ(x)|,
FnSn

Lemması 1 ( Uspensky ) üzerine bağlanmış aşağıdaki tutar. δ n < 1δn

δn<17.5πn+1π(2π)n+12π3nexp(-π2n/24).

Kanıt . Bkz. JV Uspensky (1937), Matematiksel olasılığa giriş , New York: McGraw-Hill, s. 305.

Bu daha sonra R. Sherman tarafından aşağıdakilere geliştirildi.

Lemma 2 ( Sherman ): Uspensky bağlı ambarlarda aşağıdaki iyileştirme.

δn<17.5πn-(π180+17.5πn)e-π2n/24+1(n+1)π(2π)n+12π3ne-π2n/24.

İspat : Bkz. R. Sherman, N rasgele değişken toplamına normal yaklaşım hatası , Biometrika , cilt. 58, hayır. 2, 396-398.

(günahx)/x


2
N-=n

@Prostinator: İyi yakaladın.
kardinal

1
2
Sitemizi kullandığınızda şunları okuyup anladığınızı kabul etmiş olursunuz: Çerez Politikası ve Gizlilik Politikası.
Licensed under cc by-sa 3.0 with attribution required.