Se ci sono più approssimazioni possibili, sto cercando quella più semplice.
Se ci sono più approssimazioni possibili, sto cercando quella più semplice.
Risposte:
È possibile approssimarlo con la distribuzione normale multivariata allo stesso modo in cui la distribuzione binomiale è approssimata dalla distribuzione normale univariata. Controlla gli elementi della teoria della distribuzione e della distribuzione multinomiale pagine 15-16-17.
Lascia che sia il vettore delle tue probabilità. Quindi il vettore medio della distribuzione normale multivariata è . La matrice di covarianza è una matrice simmetrica . Gli elementi diagonali sono in realtà la varianza di ; cioè , . L'elemento off-diagonale nella riga con la riga e jth è , dove non è uguale a .n p = ( n p 1 , n p 2 , . . . , N p k ) k × k X i n p i ( 1 - p i ) i = 1 , 2 ... , k Cov ( X i , X j
La densità data in questa risposta è degenerata, e quindi ho usato quanto segue per calcolare la densità che risulta dall'approssimazione normale:
C'è un teorema che dice dato una variabile casuale , per un -dimensionale vettore con e , quello;
per grande , dato;
Vale a dire, con qualche riarrangiamento, possiamo elaborare una distribuzione normale multivariata per i primi componenti di (che sono gli unici componenti interessanti perché è la somma degli altri).
Un valore adatto della matrice è con - ovvero una particolare trasformazione della famiglia.
Se limitiamo il lato sinistro della prima righe e limitare al suo primo righe e colonne (denotare questi X e Q rispettivamente) allora:
per grande , dove;
Il lato destro dell'equazione finale è la densità non degenerata utilizzata nel calcolo.
Come previsto, quando si collega tutto, si ottiene la seguente matrice di covarianza:
per , che è esattamente la matrice di covarianza nella risposta originale limitata alle sue prime righe e colonne.
Questo post sul blog è stato il mio punto di partenza.
[textual description](hyperlink)
. Mi sono preso la libertà di modificare questa risposta per incorporare i tuoi link.