Fisher分布一致渐近正态性
2020-10-28毛第首李开灿
毛第首,李开灿
(湖北师范大学 数学与统计学院,湖北 黄石 435002)
0 引言
在数理统计中,讨论随机变量的分布是极其重要的。对于重要分布Fisher分布,其详概念和性质见文[1],Fisher分布在可靠性理论领域的寿命实验中的应用[2]、人工智能领域极化SAR图像识别处理[3]、雷达信息检测[4]、流形的几何结构[5]等实际运用上具有重要意义。
由于目前还未见到Fisher分布函数表,这使得我们对Fisher分布的运用不是很方便。在文献[6]中李江平运用中心极限定理证明了Fisher分布的样本均值的渐近正态分布,但未讨论Fisher分布的一致渐近正态性,所以像其他分布一样讨论Fisher分布渐近正态对运用是有意义的.在文[7~8]中利用Kullback-Leibler距离的新方法,比较两个密度函数的距离,证明了χ2分布、t分布、F分布、矩阵 Gamma 分布的一致渐近正态分布的条件。
本文将先讨论Fisher的相关性质,并计算它与正态分布密度函数之间的Kullback-Leibler距离,获得Fisher分布的一致渐近正态分布条件。
1 Fisher分布概念及相关性质
为了本文研究方便,本节将给出Fisher分布的定义和数值特征及相关性质;同时给出了Fisher分布和t分布的关系。
定义1 如果随机变量X具有以下密度函数:
其中a,b为参数(a>0,b>0),Γ(·)为Gamma函数,则称X服从Fisher分布,记作X~Z(a,b).
为了本文研究需要,先讨论Fisher分布期望与方差。
性质1 若X~Z(a,b),则有
(a>0,b>1)
(a>0,b>2)
证明:由k阶矩的定义有
所以
从而
Var(X)=E(X2)-[E(X)]2
证毕。
性质2
此性质证明见文献[1]
证明:根据分布函数定义
由于被积函数是偶函数,所以
由t分布的分布函数与密度函数的关系,上述结论成立。
从上述性质2中3)可知Fisher分布与F分布具有紧密联系,在Fisher分布中,参数a,b与F分布的自由度n1,n2相关。并且在F分布中,当自由度n1,n2→∞时,F分布渐近标准正态分布。所以同样考虑Fisher分布中参数a,b→∞时,讨论Fisher分布的一致渐近正态分布。
2 相关引理
为了讨论Fisher分布的一致渐近正态性,还需要引用相关概念和引理。
定义2 在(R+,BR+)中随机变量X,Y分别具有概率密度函数f(x),g(x),则f(x),g(x)之间的Kullback-Leibler距离为:
定义3 在(R+,βR+)中随机变量X,Y分别具有分布函数F(x),G(x)令
则概率密度函数f(x),g(x)的全变差距离为:
D(f,g)=sup|F(E)-G(E)|E∈BR+
引理1
其中:
而
此引理证明见文献[10~11].
3 主要结果
通过计算,本节将得到Fisher分布的相关期望并给出Fisher分布一致渐近正态分布的条件。
定理1 若X~Z(a,b),则有
证明:由于
(1)
第一步对式(1)两边对a求导数:
即得到
(2)
第二步对式(1)两边对b求导数:
从而得到
(3)
联合式(2)(3)得到
定理得证。
证明:由于f(x)为X~Z(a,b)的密度函数,记g(x)为正态分布
的概率密度函数,根据关系式
根据两个分布密度函数之间的Kullback-Leibler距离定义:
代入定理1结论得到
(4)
其中:
由引理1可知:
(5)
(6)
(7)
将上述式(5)(6)(7)代入式(4)得
由于
由引理1可知
T(a)→0,R(a)→0,T(b)→0,R(b)→0,T(a+b)→0,R(a+b)→0
则有
I(f,g)→0
定理得证。
4 结论
李江平文中只讨论Fisher样本均值运用大数定律及中心极限定理渐近标准正态分布,并没有讨论Fisher分布的一致渐近正态性,而本文利用Fisher分布与正态分布的Kullback-Leibler距离,获得了Fisher分布的一致渐近正态性。