Существуют ли какие-либо распределения, кроме Коши, для которых среднее арифметическое выборки следует тому же распределению?

11

Если следует распределению Коши, то также следует точно тому же распределению, что и ; увидеть эту тему .Y = ˉ X = 1XXY=X¯=1ni=1nXiX

  • У этого свойства есть имя?

  • Есть ли другие дистрибутивы, для которых это правда?

РЕДАКТИРОВАТЬ

Еще один способ задать этот вопрос:

пусть - случайная величина с плотностью вероятности .f ( x )Xf(x)

Пусть , где обозначает наблюдение г - й из .Y=1ni=1nXiXiX

XY самого по себе можно рассматривать как случайную величину, без кондиционирования на каких - либо конкретных значениях .X

Если следует распределению Коши, то функция плотности вероятности равнаXYf(x)

Существуют ли другие виды (нетривиальных *) функций плотности вероятности для которые приводят к тому, что имеет функцию плотности вероятности ?f(x)Yf(x)

* Единственный тривиальный пример, который я могу вспомнить, - это дельта Дирака. т.е. не случайная величина.

Чечи Левас
источник
Ваш заголовок не имеет большого смысла, потому что «ожидаемое значение образца» - это число. Вы имеете в виду среднее арифметическое выборки вместо этого? Вопрос также расплывчат: под «распределением» вы подразумеваете конкретное распределение или вы подразумеваете - как предполагает термин «Коши» - семейство распределений? Это не небольшая тонкость: ответ полностью меняется в зависимости от того, что вы имеете в виду. Пожалуйста, отредактируйте свой пост, чтобы уточнить его.
whuber
@whuber, я добавил в вопрос вторую часть, которая, как мы надеемся, ужесточает диапазон возможных интерпретаций.
Чечи Левас
Спасибо; это проясняет большую часть этого. Однако существуют разные ответы в зависимости от того, исправили ли вы или хотите, чтобы этот результат сохранялся для всех Если это последнее, условие на cf или cgf является серьезным и приводит к готовому решению. Если это первое, то потенциально есть дополнительные решения. n .n n.
whuber
Я думал для всех но если кто-то хочет также предоставить анализ по фиксированному , это будет приветствоваться. нnn
Чечи Левас

Ответы:

5

На самом деле это не ответ, но, по крайней мере, нелегко создать такой пример из стабильного дистрибутива. Нам нужно было бы получить rv, характеристическая функция которого равна средней.

В общем, для IID рисовать, то сравни в среднем составляет

ϕX¯n(t)=[ϕX(t/n)]n
с cf одного rv. Для стабильных распределений с нулевым параметром местоположения имеем где Распределение Коши соответствует , , так что действительно для любого параметра масштаба .ϕX
ϕX(t)=exp{|ct|α(1iβsgn(t)Φ)},
Φ={tan(πα2)α12πlog|t|α=1
α=1β=0ϕX¯n(t)=ϕX(t)c>0

В общем, чтобы получить , кажется, , поэтому но

ϕX¯n(t)=exp{n|ctn|α(1iβsgn(tn)Φ)},
ϕX¯n(t)=ϕX(t)α=1log| T
ϕX¯n(t)=exp{n|ctn|(1iβsgn(tn)(2πlog|tn|))}=exp{|ct|(1iβsgn(t)(2πlog|tn|))},
log|tn|log|t|
Кристоф Ханк
источник
Так что справедливо ли сказать, что на основании вашего анализа Коши является единственным решением для a = 1?
Чечи Левас
1
Это мое впечатление от этих результатов, но я вполне уверен, что есть люди, которые более осведомлены о стабильных дистрибутивах.
Кристоф Ханк,
3
ψ=logϕ
ψ(t/n)=ψ(t)/n
n=1,2,3,.ψψ|ct|.
α=1α=0