STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
STOKASTIK Sannolikhetsteori och statistikteori med tillämpningar
Create successful ePaper yourself
Turn your PDF publications into a flip-book with our unique Google optimized e-Paper software.
162 KAPITEL 3 SLUMPVARIABLER<br />
2007-10-08 – sida 162 – # 166<br />
ANMÄRKNING 3.49<br />
Centrala gränsvärdessatsen finns i många olika versioner. T.ex. gäller den<br />
även om slumpvariablerna inte är likafördelade under vissa bivillkor, om<br />
slumpvariablerna är beroende förutsatt att beroendet är tillräckligt svagt,<br />
<strong>och</strong> <strong>med</strong> ett svagare villkor än ändlig varians. Ett viktigt forskningsområde<br />
inom sannolikhetsteorin består i själva verket av att försöka utreda<br />
huruvida det existerar en central gränsvärdessats för den studerade situationen<br />
eller inte.<br />
BEVIS<br />
Vi ger endast en skiss av beviset eftersom ett fullständigt bevis är lite för<br />
omfattande. Det vi kommer att visa är att den momentgenererande funktionen<br />
(mgf) för Yn = √ n<br />
σ ( ¯Xn−µ) konvergerar mot den mgf för en standardiserad<br />
normalfördelning. Den senare har mgf φ(t) = e t2 /2 vilket visades<br />
i Exempel 3.51 på sidan 150. Det gäller nämligen, men visas inte, att om<br />
en mgf konvergerar mot en annan mgf så konvergerar även fördelningen<br />
mot den andra fördelningen.<br />
Om vi standardiserar de ursprungliga variablerna X1, X2, . . . blir dessa<br />
Zi = (Xi − µ)/σ. Det gäller då att<br />
Yn =<br />
√ n<br />
σ ( ¯Xn − µ) =<br />
n<br />
Zi/ √ n.<br />
i=1<br />
Vi ska alltså visa att mgf för Yn = n<br />
i=1 Zi/ √ n konvergerar mot e t2 /2 . Men<br />
eftersom X1, X2, . . . är oberoende så är även Z1, Z2, . . . oberoende <strong>och</strong> då<br />
gäller att<br />
<br />
φYn (t) = E e n i=1 tZi/ √ n <br />
=<br />
n<br />
i=1<br />
<br />
E e tZi/ √ n <br />
= φZ(t/ √ n) n ,<br />
där den andra likheten visas i Övning 3.101 <strong>och</strong> den tredje beror på att alla<br />
Zi har samma fördelning. Om vi Taylorutvecklar φZ(s) runt s0 = 0 får vi<br />
φZ(s) = φZ(0) + sφ ′ s2<br />
Z (0) +<br />
2 φ′′ (0) + O(s 3 ).<br />
Av definitionen för mgf gäller alltid att φ(0) = 1, <strong>och</strong> från Sats 3.34 på<br />
sidan 151 vet vi att φ (k)<br />
Z (0) = E(Zk ), där φ (k)<br />
Z (0) är k:te derivatan evaluerad<br />
i t = 0. Eftersom Z är standardiserad gäller att E(Z) = 0 <strong>och</strong>