UA MATH564 概率论样本均值的偏度与峰度

偏度
峰度

假设X1,⋯,XnX_1,\cdots,X_nX1,⋯,Xn是一组简单随机样本，Xˉ\bar{X}Xˉ是样本均值，总体均值为μ\muμ，总体方差为σ2\sigma^2σ2，总体的偏度为γ1\gamma_1γ1，峰度为γ2\gamma_2γ2，下面计算样本均值的偏度γ1,n\gamma_{1,n}γ1,n与峰度γ2,n\gamma_{2,n}γ2,n，先给出结论：
γ1,n=γ1n,γ2,n=γ2n+3n(n−1)n2\gamma_{1,n} = \frac{\gamma_1}{\sqrt{n}},\ \ \gamma_{2,n} = \frac{\gamma_2}{n} + \frac{3n(n-1)}{n^2}γ1,n=nγ1, γ2,n=nγ2+n23n(n−1)

偏度

偏度的定义是
γ1=E[X−μσ]3=1σ3(EX3−3μEX2+3μ2EX−μ3)=1σ3(EX3−3μ(μ2+σ2)+3μ3−μ3)=EX3−3μσ2−μ3σ3\gamma_1 = E \left[ \frac{X-\mu}{\sigma} \right]^3 = \frac{1}{\sigma^3}( EX^3 - 3\mu EX^2 + 3\mu^2 EX - \mu^3) \\ = \frac{1}{\sigma^3}( EX^3 - 3\mu (\mu^2 + \sigma^2) + 3\mu^3 - \mu^3) = \frac{EX^3-3\mu\sigma^2-\mu^3}{\sigma^3}γ1=E[σX−μ]3=σ31(EX3−3μEX2+3μ2EX−μ3)=σ31(EX3−3μ(μ2+σ2)+3μ3−μ3)=σ3EX3−3μσ2−μ3

我们知道
EXˉ=μ,Var(Xˉ)=σ2nE\bar{X} = \mu,\ \ Var(\bar{X}) = \frac{\sigma^2}{n}EXˉ=μ, Var(Xˉ)=nσ2

因此
γ1,n=EXˉ3−3μσ2/n−μ3σ3/n3/2EXˉ3=1n3E(∑i=1nXi)3\gamma_{1,n} = \frac{E\bar{X}^3-3\mu\sigma^2/n-\mu^3}{\sigma^3/n^{3/2}} \\ E\bar{X}^3 = \frac{1}{n^3} E \left( \sum_{i=1}^n X_i \right)^3γ1,n=σ3/n3/2EXˉ3−3μσ2/n−μ3EXˉ3=n31E(i=1∑nXi)3

注意到(∑i=1nXi)3\left( \sum_{i=1}^n X_i \right)^3(∑i=1nXi)3的展开式一共有n3n^3n3项，其中有An1A_n^1An1项是Xi3X_i^3Xi3，有C31C22An2C_3^1C_2^2A_n^2C31C22An2项是Xi2Xj,i≠jX_i^2X_j,i \ne jXi2Xj,i=j，有An3A_n^3An3项是XiXjXk,i≠j≠kX_iX_jX_k,i \ne j \ne kXiXjXk,i=j=k
E[XiXjXk]=EXiEXjEXk=μ3E[Xi2Xj]=EXi2EXj=(μ2+σ2)μ=μ3+μσ2E[Xi3]=μ3+3μσ2+γ1σ3E[X_iX_jX_k] = EX_iEX_jEX_k = \mu^3 \\ E[X_i^2X_j] = EX_i^2EX_j = (\mu^2 + \sigma^2)\mu =\mu^3 + \mu \sigma^2 \\ E[X_i^3] = \mu^3 + 3\mu\sigma^2 + \gamma_1 \sigma^3 E[XiXjXk]=EXiEXjEXk=μ3E[Xi2Xj]=EXi2EXj=(μ2+σ2)μ=μ3+μσ2E[Xi3]=μ3+3μσ2+γ1σ3

因此
EXˉ3=n(μ3+3μσ2+γ1σ3)+3n(n−1)(μ3+μσ2)+n(n−1)(n−2)μ3n3=σ3γ1n2+3μσ2n+μ3EXˉ3−3μσ2/n−μ3=σ3γ1n2E\bar{X}^3 = \frac{n(\mu^3 + 3\mu\sigma^2 + \gamma_1 \sigma^3) + 3n(n-1)(\mu^3 + \mu \sigma^2) + n(n-1)(n-2)\mu^3}{n^3} \\ = \frac{\sigma^3\gamma_1}{n^2} + \frac{3\mu\sigma^2}{n}+ \mu^3 \\ E\bar{X}^3 -3\mu\sigma^2/n-\mu^3 = \frac{\sigma^3\gamma_1}{n^2} EXˉ3=n3n(μ3+3μσ2+γ1σ3)+3n(n−1)(μ3+μσ2)+n(n−1)(n−2)μ3=n2σ3γ1+n3μσ2+μ3EXˉ3−3μσ2/n−μ3=n2σ3γ1

所以样本均值的偏度为
γ1,n=γ1n\gamma_{1,n} = \frac{\gamma_1}{\sqrt{n}}γ1,n=nγ1

峰度

偏度的定义是（另一种定义是在这个基础上减3，3是标准正态分布的峰度，用来作参考）
γ2=E[X−μσ]4=1σ4(EX4−4μEX3+6μ2EX2−4μ3EX+μ4)=1σ4(EX4−4μ(μ3+3μσ2+γ1σ3)+6μ2(μ2+σ2)−4μ4+μ4)=EX4−4μγ1σ3−6μ2σ2−μ4σ4\gamma_2 = E \left[ \frac{X-\mu}{\sigma} \right]^4 = \frac{1}{\sigma^4}( EX^4 - 4\mu EX^3 + 6\mu^2 EX^2 - 4\mu^3EX + \mu^4) \\ = \frac{1}{\sigma^4}( EX^4 - 4\mu (\mu^3 + 3\mu\sigma^2 + \gamma_1 \sigma^3) + 6\mu^2 (\mu^2 + \sigma^2) - 4\mu^4 + \mu^4) \\ = \frac{EX^4 - 4\mu\gamma_1 \sigma^3 - 6\mu^2\sigma^2 - \mu^4}{\sigma^4}γ2=E[σX−μ]4=σ41(EX4−4μEX3+6μ2EX2−4μ3EX+μ4)=σ41(EX4−4μ(μ3+3μσ2+γ1σ3)+6μ2(μ2+σ2)−4μ4+μ4)=σ4EX4−4μγ1σ3−6μ2σ2−μ4

我们知道
EXˉ=μ,Var(Xˉ)=σ2n,γ1,n=γ1nE\bar{X} = \mu,\ \ Var(\bar{X}) = \frac{\sigma^2}{n}, \ \ \gamma_{1,n} = \frac{\gamma_1}{\sqrt{n}}EXˉ=μ, Var(Xˉ)=nσ2, γ1,n=nγ1

因此
γ2,n=EXˉ4−4μγ1σ3/n2−6μ2σ2/n−μ4σ4/n2EXˉ4=1n4E(∑i=1nXi)4\gamma_{2,n} = \frac{E\bar{X}^4 - 4\mu\gamma_1 \sigma^3/n^2 - 6\mu^2\sigma^2/n - \mu^4}{\sigma^4/n^{2}} \\ E\bar{X}^4 = \frac{1}{n^4} E \left( \sum_{i=1}^n X_i \right)^4γ2,n=σ4/n2EXˉ4−4μγ1σ3/n2−6μ2σ2/n−μ4EXˉ4=n41E(i=1∑nXi)4

注意到(∑i=1nXi)4\left( \sum_{i=1}^n X_i \right)^4(∑i=1nXi)4的展开式一共有n4n^4n4项，其中有An1A_n^1An1项是Xi4X_i^4Xi4，有C42Cn2C_4^2C_n^2C42Cn2项是Xi2Xj2,i≠jX_i^2X_j^2,i \ne jXi2Xj2,i=j，有C41C33An2C_4^1C_3^3A_n^2C41C33An2项是Xi3Xj,i≠jX_i^3X_j,i \ne jXi3Xj,i=j，有C42C21C11An3C_4^2C_2^1C_1^1A_n^3C42C21C11An3项是Xi2XjXk,i≠j≠kX_i^2X_jX_k,i \ne j \ne kXi2XjXk,i=j=k，有An4A_n^4An4项是XiXjXkXl,i≠j≠k≠lX_iX_jX_kX_l,i\ne j \ne k \ne lXiXjXkXl,i=j=k=l
E[XiXjXkXl]=EXiEXjEXkEXl=μ4E[Xi2XjXk]=EXi2EXjEXk=(μ2+σ2)μ2=μ4+μ2σ2E[Xi3Xj]=EXi3EXj=(μ3+3μσ2+γ1σ3)μ=μ4+3μ2σ2+μγ1σ3E[Xi2Xj2]=EXi2EXj2=(μ2+σ2)2=μ4+2μ2σ2+σ4EXi4=σ4γ2+4μγ1σ3+6μ2σ2+μ4E[X_iX_jX_kX_l] = EX_iEX_jEX_k EX_l= \mu^4\\ E[X_i^2X_jX_k] = EX_i^2EX_jEX_k = (\mu^2 + \sigma^2)\mu^2 = \mu^4 + \mu^2 \sigma^2 \\ E[X_i^3X_j] = EX_i^3EX_j = (\mu^3 + 3\mu\sigma^2 + \gamma_1 \sigma^3)\mu =\mu^4 + 3\mu^2 \sigma^2 + \mu \gamma_1 \sigma^3 \\ E[X_i^2X_j^2] = EX_i^2EX_j^2 = (\mu^2 + \sigma^2)^2 = \mu^4 + 2\mu^2 \sigma^2 + \sigma^4 \\ EX_i^4 = \sigma^4 \gamma_2+ 4\mu\gamma_1 \sigma^3 + 6\mu^2\sigma^2 + \mu^4E[XiXjXkXl]=EXiEXjEXkEXl=μ4E[Xi2XjXk]=EXi2EXjEXk=(μ2+σ2)μ2=μ4+μ2σ2E[Xi3Xj]=EXi3EXj=(μ3+3μσ2+γ1σ3)μ=μ4+3μ2σ2+μγ1σ3E[Xi2Xj2]=EXi2EXj2=(μ2+σ2)2=μ4+2μ2σ2+σ4EXi4=σ4γ2+4μγ1σ3+6μ2σ2+μ4

计算
n(σ4γ2+4μγ1σ3+6μ2σ2+μ4)+3n(n−1)(μ4+2μ2σ2+σ4)+4n(n−1)(μ4+3μ2σ2+μγ1σ3)+6n(n−1)(n−2)(μ4+μ2σ2)+n(n−1)(n−2)(n−3)μ4=nσ4γ2+4n2μγ1σ2+3n(n−1)σ4+n4μ4+6n3μ2σ2n(\sigma^4 \gamma_2+ 4\mu\gamma_1 \sigma^3 + 6\mu^2\sigma^2 + \mu^4) + 3n(n-1)( \mu^4 + 2\mu^2 \sigma^2 + \sigma^4) \\+ 4n(n-1)(\mu^4 + 3\mu^2 \sigma^2 + \mu \gamma_1 \sigma^3 ) +6n(n-1)(n-2)(\mu^4 + \mu^2 \sigma^2) \\ + n(n-1)(n-2)(n-3)\mu^4 = n\sigma^4 \gamma_2+4n^2\mu\gamma_1\sigma^2 + 3n(n-1)\sigma^4+ n^4 \mu^4 + 6n^3\mu^2\sigma^2n(σ4γ2+4μγ1σ3+6μ2σ2+μ4)+3n(n−1)(μ4+2μ2σ2+σ4)+4n(n−1)(μ4+3μ2σ2+μγ1σ3)+6n(n−1)(n−2)(μ4+μ2σ2)+n(n−1)(n−2)(n−3)μ4=nσ4γ2+4n2μγ1σ2+3n(n−1)σ4+n4μ4+6n3μ2σ2

也就是
EXˉ4=nσ4γ2+4n2μγ1σ2+3n(n−1)σ4+n4μ4+6n3μ2σ2n4=σ4n3γ2+4μγ1σ2n2+μ4+6nμ2σ2+3n(n−1)n4σ4E\bar{X}^4 = \frac{n\sigma^4 \gamma_2+4n^2\mu\gamma_1\sigma^2 + 3n(n-1)\sigma^4+ n^4 \mu^4 + 6n^3\mu^2\sigma^2}{n^4} \\ = \frac{\sigma^4}{n^3}\gamma_2 + \frac{4\mu\gamma_1\sigma^2}{n^2} + \mu^4 + \frac{6}{n}\mu^2\sigma^2 + \frac{3n(n-1)}{n^4}\sigma^4EXˉ4=n4nσ4γ2+4n2μγ1σ2+3n(n−1)σ4+n4μ4+6n3μ2σ2=n3σ4γ2+n24μγ1σ2+μ4+n6μ2σ2+n43n(n−1)σ4

因此
γ2,n=γ2n+3n(n−1)n2\gamma_{2,n} = \frac{\gamma_2}{n} + \frac{3n(n-1)}{n^2}γ2,n=nγ2+n23n(n−1)

UA MATH564 概率论样本均值的偏度与峰度相关推荐

UA MATH564 概率论III 期望
UA MATH564 概率论III 期望随机变量的函数的期望特征函数,矩生成函数,累积量生成函数,概率生成函数这一讲讨论一元随机变量. 随机变量的函数的期望对于随机变量XXX,假设ggg是定义 ...
UA MATH564 概率论V 中心极限定理
UA MATH564 概率论V 中心极限定理随机变量序列的极限收敛模式之间的关系大数法则中心极限定理 Classical Central Limit Theorem Sugden法则 Delt ...
UA MATH564 概率论VI 数理统计基础1
UA MATH564 概率论VI 数理统计基础1 样本均值与样本方差正态样本的均值与方差的性质样本均值与样本方差样本均值和样本方差是经常用到的两个统计量,大部分正态假设的统计模型均值和方差的OL ...
UA MATH564 概率论多元随机变量的变换理论与应用2
UA MATH564 概率论多元随机变量的变换几个例题例5 X1,X2,X3∼iidEXP(λ)X_1,X_2,X_3 \sim_{iid} EXP(\lambda)X1,X2,X3∼ii ...
UA MATH564 概率论依概率收敛的一个例题
UA MATH564 概率论依概率收敛的一个例题 Part (a) Let Yn∼U(−1/n,1/n)Y_n \sim U(-1/n,1/n)Yn∼U(−1/n,1/n), Zn∼U(n,n+1 ...
UA MATH564 概率论标准二元正态分布的性质
UA MATH564 概率论标准二元正态分布的性质两个独立的标准正态变量 Rayleigh分布 Cauchy分布 Box-Muller变换两个相关的标准正态变量边缘密度条件密度两个独立的标 ...
UA MATH564 概率论依概率收敛的题目
UA MATH564 概率论依概率收敛的一个例题 X1,X2,⋯,Xn∼iida+EXP(λ)X_1,X_2,\cdots,X_n \sim_{iid} a+EXP(\lambda)X1,X2, ...
UA MATH564 概率论 Dirichlet分布
UA MATH564 概率论 Dirichlet分布在UA MATH564 概率论IV 次序统计量中,我们介绍了均匀分布U(0,1)U(0,1)U(0,1)的多个次序统计量的联合分布就是Dirich ...
UA MATH564 概率论公式与定理总结
UA MATH564 概率论公式与定理总结 Part 1 Elementary Probability Tip 1: Probability is a measure satisfying mono ...

UA MATH564 概率论样本均值的偏度与峰度

UA MATH564 概率论样本均值的偏度与峰度

偏度

峰度

UA MATH564 概率论样本均值的偏度与峰度相关推荐

最新文章

热门文章

UA MATH564 概率论 样本均值的偏度与峰度

UA MATH564 概率论 样本均值的偏度与峰度

偏度

峰度

UA MATH564 概率论 样本均值的偏度与峰度相关推荐

最新文章

热门文章

UA MATH564 概率论样本均值的偏度与峰度

UA MATH564 概率论样本均值的偏度与峰度

UA MATH564 概率论样本均值的偏度与峰度相关推荐