本文探讨了在参数为总体均值μ时，经验似然比在大样本下的渐进性质。当样本量n趋向于无穷时，经验似然比R(μ0)在真值μ0处的分布接近卡方分布。首先证明R(μ0)无定义的概率随着n的增加趋近于0，然后证明在有定义的情况下，R(μ0)服从渐近卡方分布。笔记中省略了具体证明，有兴趣的读者可以进一步交流。
这篇文章主要是介绍 参数为总体均值 μ \mu μ时经验似然比的渐进性质及其证明。
定理1
假设 X 1 , X 2 , . . , X n X_1,X_2,..,X_n X1,X2,..,Xn是来自 R q \R^q Rq的一组独立同分布随机变量,其均值 μ 0 = E ( X 1 ) \mu_0=E(X_1) μ0=E(X1),协方差矩阵 Σ = C o v ( X 1 ) \Sigma=Cov(X_1) Σ=Cov(X1)的秩为 r r r, 那么对于任意 x > 0 x>0 x>0,当 n → ∞ n\to \infty n→∞时,
p ( R
最低0.47元/天 解锁文章
539
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
