漸近理論
中心極限定理とは リンデベルグ・レヴィの定理 t統計量の漸近正規性 リンデベルグ=フェラーの定理 ベリー=エシーンの定理 エッジワース展開 変数変換 多変量中心極限定理 デルタ法 標本積率の関数 標本分散の漸近分布 標本相関係数の漸近分布 分散安定化変…
大数の法則とは 強法則と弱法則 チェビシェフの弱法則 ヒンチンの弱法則 平均2次収束 コルモゴロフの強法則 経験分布関数の一致性とグリベンコ・カンテリの定理 回帰係数の最小2乗推定量の一致性 AR(1)の標本平均の収束
MathJax.Hub.Config({ tex2jax: { inlineMath: [['$','$'], ['\\(','\\)']], displayMath: [ ['$$','$$'], ["\\[","\\]"] ] } }); 背景 単調収束定理(monotone convergence theorem) 定義 証明 説明 補足 ファトゥの補題 定義 証明 補足 ルベーグの優収束…
MathJax.Hub.Config({ tex2jax: { inlineMath: [['$','$'], ['\\(','\\)']], displayMath: [ ['$$','$$'], ["\\[","\\]"] ] } }); 準備 確率変数の収束 確率1収束(概収束) 確率1収束の十分条件(確率1収束が成立するためには) 確率1収束の必要条件(確率1…
MathJax.Hub.Config({ tex2jax: { inlineMath: [['$','$'], ['\\(','\\)']], displayMath: [ ['$$','$$'], ["\\[","\\]"] ] } }); 定理 1. 確率変数の和の確率の上界 2. 確率変数の和のモーメントの上界($c_r-不等式$) 3. 確率変数の差の確率からのそれぞ…
MathJax.Hub.Config({ tex2jax: { inlineMath: [['$','$'], ['\\(','\\)']], displayMath: [ ['$$','$$'], ["\\[","\\]"] ] } }); 確率変数の同値な列の性質 証明 確率変数の打ち切り 定義 説明
MathJax.Hub.Config({ tex2jax: { inlineMath: [['$','$'], ['\\(','\\)']], displayMath: [ ['$$','$$'], ["\\[","\\]"] ] } }); 定理 証明 補足 例
背景 統計問題の大標本的解析はしばしば有用で、検定の構成、損失関数の設計などにおいて重要な観点となる。 学ぶこと 測度論的基礎 期待値と極限の交換 karate-odori.hatenablog.com 確率変数の収束 karate-odori.hatenablog.com 確率変数の同値な列・確率…
MathJax.Hub.Config({ tex2jax: { inlineMath: [['$','$'], ['\\(','\\)']], displayMath: [ ['$$','$$'], ["\\[","\\]"] ] } }); マルコフの不等式 証明 補足 チェビシェフの不等式 証明 説明 補足