ex4.2.3 標本平均と標本分散の共分散

はじめに

「入門・演習 数理統計」の演習問題の自作解答を紹介します。

[商品価格に関しましては、リンクが作成された時点と現時点で情報が変更されている場合がございます。]

入門・演習数理統計 [ 野田一雄 ]
価格:3780円(税込、送料無料) (2018/4/3時点)



間違い等発見されましたらご指摘ください。
他の解答はこちらから。
なお、問題文は(必要がない限り)掲載しておりません。テキストを横に置いてご覧ください。

また、スマートフォン等では数式が画面からはみ出る場合があります。数式部分は横スクロールできます。



スポンサーリンク


$\newcommand{\lnl}{\\[8pt]}$ $\newcommand{\Lnl}{\\[18pt]}$ $\newcommand{\delt}{\mathrm{d}}$ $\newcommand{\comb}{\mathrm{C}}$ $\DeclareMathOperator*{\ssum}{\Sigma}$ $\DeclareMathOperator*{\sprod}{\Pi}$

ex4.2.3

(i)
$Y_i = (X_i – \mu)$とおく.

\begin{align}
(\overline{X}_n – \mu)^3 &= \left\{\left(\frac{1}{n}\sum_{i=1}^n X_i\right) – \mu\right\}^3\lnl
&= \frac{1}{n^3}\left\{\sum_{i=1}^n (X_i – \mu )\right\}^3\lnl
&= \frac{1}{n^3}\left\{\sum_{i=1}^n Y_i\right\}^3\lnl
&= \frac{1}{n^3}\left\{\sum_{i=1}^n {Y_i}^3 + \underline{ 3\sum_{i\neq j} Y_i {Y_j}^2 + 6\sum_{i\neq j \neq k \neq i}Y_i Y_j Y_k}\right\}
\end{align}

ここで, $E(Y_i) = E(X_i-\mu) = 0$であることから,上記の期待値をとると下線部は$0$となるので,($Y_i$の表記を$(X_i-\mu)$に戻して)
\begin{align}
E(\overline{X}_n – \mu)^3 &= \frac{1}{n^3} \cdot E\left(\sum_{i=1}^n (X_i-\mu)^3\right)\lnl
&= \frac{1}{n^3} \cdot \sum_{i=1}^n E((X_i – \mu)^3)\lnl
&= \frac{1}{n^3} \cdot \sum_{i=1}^n \mu_3\lnl
&= \frac{\mu_3}{n^2}
\end{align}

よって示された.

(ii)

はじめに以下計算しておく,(少し長いが)

\begin{align}
E({\overline{X}_n}^2) &= E\left\{\left(\frac{1}{n}\sum_{i=1}^n X_i\right)^2\right\}\lnl
&= \frac{1}{n^2}E\left(\sum_{i=1}^n {X_i}^2 + \sum_{i\neq j}X_i X_j\right)\lnl
&= \frac{1}{n}E(X^2) + \frac{n-1}{n}\mu^2\Lnl
(\overline{X}_n – \mu)^3 &= {\overline{X}_n}^3 – 3\mu{\overline{X}_n}^2 + 3\mu^2 {\overline{X}_n} – \mu^3\Lnl
\therefore E((\overline{X}_n – \mu)^3) = \frac{\mu_3}{n^2} &= E({\overline{X}_n}^3) – 3\mu E({\overline{X}_n}^2) + 2\mu^3\lnl
&= E({\overline{X}_n}^3) – 3\mu \left( \frac{1}{n}E(X^2) + \frac{n-1}{n} \mu^2\right) + 2\mu^3\lnl
&= E({\overline{X}_n}^3) – \frac{3}{n}\mu E(X^2) – \left(1-\frac{3}{n}\right)\mu^3\Lnl
\therefore E({\overline{X}_n}^3) &= \frac{\mu_3}{n^2}+ \frac{3}{n}\mu E(X^2) +\left(1-\frac{3}{n}\right)\mu^3\label{eq-barx3}\Lnl
E({S_n}^2) &= E\left(\frac{1}{n}\sum_{i=1}^n {X_i}^2 – {\overline{X}_n}^2\right)\lnl
&= E(X^2) – E({\overline{X}_n}^2)\lnl
&= E(X^2) – \left(\frac{1}{n}E(X^2) + \frac{n-1}{n}\mu^2\right) \lnl
&= \frac{n-1}{n}(E(X^2) – \mu^2) \label{eq-sn}\Lnl
E((X-\mu)^3) = \mu_3 &= E(X^3 – 3\mu X^2 + 3\mu^2 X – \mu^3)\lnl
&= E(X^3) -3\mu E(X^2) + 2\mu^3\Lnl
\therefore E(X^3) &= \mu_3 + 3\mu E(X^2) -2\mu^3\label{eq-x3}
\end{align}

これらを用いて, $\mathrm{Cov}(\overline{X}_n,{S_n}^2) = E(\overline{X}_n {S_n}^2) – E(\overline{X}_n)E( {S_n}^2) $を計算する.
\begin{align}
\overline{X}_n {S_n}^2 &= \overline{X}_n\left(\frac{1}{n}\sum_{i=1}^n {X_i}^2 – {\overline{X}_n}^2\right)\lnl
&= \frac{1}{n^2}\left(\sum_{j=1}^n X_j\right)\left(\sum_{i=1}^n {X_i}^2\right) – {\overline{X}_n}^3\lnl
&=\frac{1}{n^2}\left(\sum_{j=1}^n {X_j}^3 + \sum_{i\neq j} X_j {X_i}^2\right) – {\overline{X}_n}^3\Lnl
\therefore E(\overline{X}_n {S_n}^2) &= \frac{1}{n^2}\Big(nE(X^3) + n(n-1)\mu E(X^2)\Big) – E({\overline{X}_n}^3)\label{eq-a1}\lnl
&= \left(\frac{n-1}{n^2}\right)\mu_3 + \frac{n-1}{n}\left(\mu E(X^2) – \mu^3 \right)
\label{eq-a2}\end{align}

$\eqref{eq-a1}$から$\eqref{eq-a2}$への変形は,$\eqref{eq-barx3} , \eqref{eq-x3}$を$E({\overline{X}_n}^3) , E(X^3)$に代入し整理した.

\begin{align}
E(\overline{X}_n)E({S_n}^2) &= \mu \cdot \frac{n-1}{n}\Big(E(X^2) – \mu^2\Big) \qquad(\because \eqref{eq-sn})\lnl
&=\frac{n-1}{n}\left(\mu E(X^2) -\mu^3\right)
\end{align}

以上より,

\begin{align}
\mathrm{Cov}(\overline{X}_n,{S_n}^2) &= E(\overline{X}_n {S_n}^2) – E(\overline{X}_n)E( {S_n}^2) \lnl
&=\frac{n-1}{n^2}\mu_3
\end{align}

となり示された.