Sia osservazioni distinte (nessun legame). Lascia che denoti un campione bootstrap (un campione dal CDF empirico) e che . Trova e .X1,...,XnX∗1,...,X∗nX¯∗n=1n∑ni=1X∗iE(X¯∗n)Var(X¯∗n)
Quello che ho finora è che è ciascuno con probabilità quindi
ed
che dà
X∗iX1,...,Xn1n
E(X∗i)=1nE(X1)+...+1nE(Xn)=nμn=μ
E(X∗2i)=1nE(X21)+...+1nE(X2n)=n(μ2+σ2)n=μ2+σ2,
Var(X∗i)=E(X∗2i)−(E(X∗i))2=μ2+σ2−μ2=σ2.
Quindi,
e
poiché ' sono indipendenti. Questo dà
E(X¯∗n)=E(1n∑i=1nX∗i)=1n∑i=1nE(X∗i)=nμn=μ
Var(X¯∗n)=Var(1n∑i=1nX∗i)=1n2∑i=1nVar(X∗i)
X∗iVar(X¯∗n)=nσ2n2=σ2n
Tuttavia, non ottengo la stessa risposta quando mi condiziono su e utilizzo la formula per la varianza condizionale:
X1,…,Xn
Var(X¯∗n)=E(Var(X¯∗n|X1,...,Xn))+Var(E(X¯∗n|X1,…,Xn)).
E(X¯∗n|X1,…,Xn)=X¯n e quindi inserendoli nella formula sopra si ottiene (dopo qualche algebra) \ mathrm {Var} (\ bar {X} _ {n} ^ {*}) = \ frac { (2n-1) \ sigma ^ {2}} {n ^ {2}} .Var(X¯∗n|X1,…,Xn)=1n2(∑X2i−nX¯2n)Var(X¯∗n)=(2n−1)σ2n2
Sto facendo qualcosa di sbagliato qui? La mia sensazione è che non sto usando correttamente la formula della varianza condizionale ma non ne sono sicuro. Qualsiasi aiuto sarebbe apprezzato.