Una aclaración de su pregunta (me parece que hay dos partes relacionadas, pero diferentes): está buscando (1) distribución de una suma de variables aleatorias al cuadrado independientes , y (2) el muestreo distribución de la varianza (o la desviación estándar relacionada) de una muestra aleatoria extraída de una distribución (presumiblemente su razón para preguntar sobre (1)).n tαtα
Distribución de la suma de variables cuadradas independientestα
Si son variables aleatorias (independientes) con df, entonces es falso que (que es lo que parece reclamar en su segunda "posible solución"). Esto se verifica fácilmente considerando el primer momento de cada uno (el primer momento de este último es veces el primero). Ti∼tαtα∑ni=1T2i∼F(n,α)n
La afirmación en su primera "posible solución" es correcta: . En lugar de recurrir a funciones características, creo que este resultado es más transparente al considerar la caracterización de la distribución como la distribución de la relación donde es una variable normal estándar y es una variable chi-cuadrado con grados de libertad, independientemente de . El cuadrado de esta razón es entonces la razón de dos variables chi-cuadrado independientes escaladas por sus respectivos grados de libertad, es decir, conT2i∼F(1,α)tZU/α√ZUαZV/1U/αV=Z2, que es una caracterización estándar de una distribución (con el numerador df igual a 1 y el denominador df igual a ).F(1,α)α
Teniendo en cuenta la nota que hice en los primeros momentos en el primer párrafo anterior, podría parecer que una mejor afirmación puede ser que [Tengo notación ligeramente abusada aquí usando la misma expresión para la distribución, así como una variable aleatoria que tenga esa distribución.]. Mientras que los primeros momentos coinciden, los segundos momentos centrales no (para la varianza de la primera expresión es menor que la varianza de la última expresión), por lo que esta afirmación también es falsa. [Dicho esto, es interesante observar que , que es el resultado que esperamos al sumar al cuadrado (estándar) variantes normales.]∑ni=1T2i∼nF(n,α)α>4limα→∞nF(n,α)=χ2n
Muestreo de distribución de varianza al muestrear desde una distribucióntα
Teniendo en cuenta lo que he escrito anteriormente, la expresión que obtiene para "la densidad de la desviación estándar de las variables T de n muestras" es incorrecta. Sin embargo, incluso si fuera la distribución correcta, la desviación estándar no es simplemente la raíz cuadrada de la suma de cuadrados (como parece haber utilizado para llegar a su densidad ). En su lugar, estaría buscando la distribución de muestreo (a escala) de . En el caso normal, el LHS de esta expresión puede reescribirse como una suma de variables normales al cuadrado (el término dentro del cuadrado puede reescribirse como una combinación lineal de variables normales que nuevamente se distribuye normalmente) que conduce a la familiarF(n,α)g(u)∑ni=1(Ti−T¯)2=∑ni=1T2i−nT¯2χ2 distribución. Desafortunadamente, una combinación lineal de variables (incluso con los mismos grados de libertad) no se distribuye como , por lo que no se puede explotar un enfoque similar.tt
¿Quizás debería volver a considerar qué es lo que desea demostrar? Puede ser posible lograr el objetivo utilizando algunas simulaciones, por ejemplo. Sin embargo, sí indica un ejemplo con , una situación en la que solo el primer momento de es finito, por lo que la simulación no ayudará con tales cálculos de momento. α=3F(1,α)