Moim najbardziej zaskakującym jest ten dotyczący średniej próbki i wariancji, ale oto inna (być może) zaskakująca charakterystyka: jeśli i są IID ze skończoną wariancją z i niezależnymi od , to i są normalne.XYX+YX−YXY
Intuicyjnie zwykle możemy zidentyfikować, kiedy zmienne nie są niezależne za pomocą wykresu rozrzutu. Wyobraź sobie więc wykres rozrzutu par który wygląda na niezależny. Teraz obróć o 45 stopni i spójrz ponownie: jeśli nadal wygląda to niezależnie, wówczas współrzędne i indywidualnie muszą być normalne (oczywiście to wszystko mówi luźno).X Y(X,Y)XY
Aby zobaczyć, dlaczego działa intuicyjny bit, spójrz na
[cos45∘sin45∘−sin45∘cos45∘][xy]=12–√[x−yx+y]
Rozkład ciągły ze stałą wariancją, który maksymalizuje entropię różnicową, jest rozkładem Gaussa.
źródło
Napisano o tym całą książkę: „Charakterystyka normalnego prawdopodobieństwa”, AM Mathai i G. Perderzoli. Krótki przegląd w JASA (grudzień 1978) wymienia następujące kwestie :
źródło
Rozkłady Gaussa to jedyne rozkłady stabilne sumowo ze skończoną wariancją.
źródło
Lemma Steina zapewnia bardzo przydatną charakterystykę. jest standardowym gaussowskim iff dla wszystkich absolutnie ciągłych funkcji z .Z
źródło
Twierdzenie [Herschel-Maxwell]: Niech będzie wektorem losowym, dla którego (i) rzuty na podprzestrzenie ortogonalne są niezależne i (ii) rozkład zależy tylko od długości. Wtedy jest zwykle dystrybuowane.Z∈Rn Z ∥Z∥ Z
Cytowany przez George'a Cobba w „ Teaching Statistics”: Niektóre ważne napięcia (chilijskie J. Statistics Vol. 2, nr 1, kwiecień 2011) na str. 54
Cobb używa tej charakterystyka jako punkt wyjścia dla uzyskania , i rozkładu bez użycia Calculus (lub wiele teorii prawdopodobieństwa).χ2 t F
źródło
Niech i będą dwiema niezależnymi zmiennymi losowymi o wspólnym rozkładzie symetrycznym, takim jakη ξ
Zatem te zmienne losowe są gaussowskie. (Oczywiście, jeśli i są wyśrodkowane gaussowskie, to prawda.)ξ η
To jest twierdzenie Bobkova-Houdre'a
źródło
To nie jest charakterystyka, ale przypuszczenie, które pochodzi z 1917 roku i wynika z Cantelli:
Wymienione przez Gérarda Letac tutaj .
źródło
Załóżmy, że jeden szacuje parametr lokalizacji przy użyciu danych identyfikatora . Jeśli jest estymatorem największej wiarygodności, wówczas rozkład próbkowania jest gaussowski. Według teorii prawdopodobieństwa Jaynesa : Logika nauki str. 202-4, tak pierwotnie Gauss ją wyprowadził.{x1,...,xn} x¯
źródło
Bardziej szczegółową charakterystykę rozkładu normalnego w klasie rozkładów nieskończenie podzielnych przedstawiono w Steutel i Van Harn (2004) .
Ten wynik charakteryzuje rozkład normalny pod względem zachowania ogona.
źródło
W kontekście wygładzania obrazu (np. Przestrzeni skali ) Gaussian jest jedynym obrotowo symetrycznym separowalnym * jądrem.
To znaczy, jeśli wymagamy gdzie , wówczas symetria rotacyjna wymaga co jest równoważne .
Wymaganie, aby było prawidłowym jądrem, wymaga więc stałej dodatniej i wartości początkowej dodatniej, co daje jądro Gaussa.f[x]
* W kontekście rozkładów prawdopodobieństwa separowalne oznacza niezależne, podczas gdy w kontekście filtrowania obrazu pozwala zredukować obliczenie splotu 2D do dwóch zwojów 1D.
źródło
Ostatnio Ejsmont [1] opublikował artykuł z nową charakterystyką Gaussa:
Niech będą niezależnymi losowymi wektorami ze wszystkimi momentami, w których są generowane, i niech statystyki mają rozkład, który zależy tylko od , gdzie i . Zatem są niezależne i mają ten sam rozkład normalny ze średnimi zerowymi i dla .(X1,…,Xm,Y) and (Xm+1,…,Xn,Z) Xi ∑ni=1aiXi+Y+Z ∑ni=1a2i ai∈R 1≤m<n Xi cov(Xi,Y)=cov(Xi,Z)=0 i∈{1,…,n}
[1] Ejsmont, Wiktor. „Charakterystyka rozkładu normalnego przez niezależność pary losowych wektorów”. Statystyka i listy prawdopodobieństwa 114 (2016): 1-5.
źródło
Jego charakterystyczna funkcja ma taką samą formę jak pdf. Nie jestem pewien innej dystrybucji, która to robi.
źródło
Oczekiwanie plus minus odchylenie standardowe są punktami siodłowymi funkcji.
źródło