La pregunta plantea dos cosas: (1) cómo mostrar que el máximo converge, en el sentido de que converge (en distribución) para secuencias elegidas adecuadamente y , a la distribución estándar de Gumbel y (2) cómo encontrar tales secuencias.X(n)(X(n)−bn)/an(an)(bn)
El primero es bien conocido y documentado en los documentos originales sobre el teorema de Fisher-Tippett-Gnedenko (FTG). El segundo parece ser más difícil; ese es el problema abordado aquí.
Tenga en cuenta que para aclarar algunas afirmaciones que aparecen en otras partes de este hilo, que
El máximo no converge a nada: diverge (aunque extremadamente lento).
Parece haber diferentes convenciones sobre la distribución de Gumbel. Adoptaré la convención de que el CDF de una distribución Gumbel invertida es, a escala y ubicación, dado por . Un máximo adecuadamente estandarizado de las variaciones normales de iid converge a una distribución de Gumbel invertida.1−exp(−exp(x))
Intuición
Cuando los son iid con la función de distribución común , la distribución del máximo esXiFX(n)
Fn(x)=Pr(X(n)≤x)=Pr(X1≤x)Pr(X2≤x)⋯Pr(Xn≤x)=Fn(x).
Cuando el soporte de no tiene límite superior, como con una distribución Normal, la secuencia de funciones marcha para siempre a la derecha sin límite:FFn
Se muestran gráficos parciales de para .Fnn=1,2,22,24,28,216
Para estudiar las formas de estas distribuciones, podemos cambiar cada una hacia la izquierda en una cantidad y reescalarla por para hacerlas comparables.bnan
Cada uno de los gráficos anteriores se ha desplazado para colocar su mediana en y para hacer su rango intercuartil de longitud unitaria.0
FTG afirma que las secuencias y se pueden elegir para que estas funciones de distribución converjan puntualmente en cada a alguna distribución de valor extremo , hasta la escala y la ubicación. Cuando es una distribución Normal, la distribución de límite extremo particular es un Gumbel invertido, hasta su ubicación y escala.(an)(bn)xF
Solución
Es tentador emular el Teorema del límite central al estandarizar para que tenga media unitaria y varianza unitaria. Sin embargo, esto es inapropiado, en parte porque FTG se aplica incluso a distribuciones (continuas) que no tienen primer o segundo momento. En cambio, use un percentil (como la mediana) para determinar la ubicación y una diferencia de percentiles (como el IQR) para determinar la propagación. (Este enfoque general debería tener éxito en encontrar y para cualquier distribución continua).Fnanbn
Para la distribución Normal estándar, ¡esto resulta fácil! Deje . Un cuantil de correspondiente a es cualquier valor para el cual . Recordando la definición de , la solución es0<q<1FnqxqFn(xq)=qFn(x)=Fn(x)
xq;n=F−1(q1/n).
Por lo tanto, podemos establecer
bn=x1/2;n, an=x3/4;n−x1/4;n; Gn(x)=Fn(anx+bn).
Debido a que, por construcción, la mediana de es y su IQR es , la mediana del valor límite de (que es alguna versión de un Gumbel invertido) debe ser y su IQR debe ser . Deje que el parámetro de escala sea y el parámetro de ubicación sea . Como la mediana es y el IQR se encuentra fácilmente como , los parámetros deben serGn01Gn01βαα+βloglog(2)β(loglog(4)−loglog(4/3))
α=loglog2loglog(4/3)−loglog(4); β=1loglog(4)−loglog(4/3).
No es necesario que y sean exactamente estos valores: solo necesitan aproximarlos, siempre que el límite de siga siendo esta distribución inversa de Gumbel. El análisis directo (pero tedioso) para una normal estándar indica que las aproximacionesanbnGnF
a′n=log((4log2(2))/(log2(43)))22log(n)−−−−−−√, b′n=2log(n)−−−−−−√−log(log(n))+log(4πlog2(2))22log(n)−−−−−−√
funcionará bien (y son lo más simple posible).
Las curvas de color azul claro son gráficos parciales de para utilizando las secuencias aproximadas y . La línea roja oscura representa la distribución inversa de Gumbel con los parámetros y . La convergencia es clara (aunque la tasa de convergencia para negativo es notablemente más lenta).Gnn=2,26,211,216a′nb′nαβx
Referencias
BV Gnedenko, Sobre la distribución limitante del plazo máximo en una serie aleatoria . En Kotz y Johnson, Breakthroughs in Statistics Volumen I: Fundamentos y teoría básica, Springer, 1992. Traducido por Norman Johnson.