Sampling Distribution of Mean, and CLT
“확률과 통계(MATH230)” 수업에서 배운 것과 공부한 것을 정리한 포스트입니다. 전체 포스트는 Probability and Statistics에서 확인하실 수 있습니다 🎲
시리즈: Sampling Distributions
Sampling Distribution of Mean
Let $X_1, \dots, X_n$ be a random sample with $E[X_i] = \mu$ and $\text{Var}(X_i) = \sigma^2$.
Then,
- $E[\overline{X}] = \mu$
- $\text{Var}(\overline{X}) = E\left[\left(\overline{X} - E[\overline{X}]\right)^2 \right] = \dfrac{\sigma^2}{n}$
<LLN; Law of Large Numbers>에 따르면, $n$이 무한으로 갈때, 분산 $\text{Var}(\overline{X}) = \sigma^2/n$가 0으로 수렴한다. 따라서 $\overline{X} \rightarrow \mu$가 된다!
Weak Law of Large Numbers
Theorem. WLLN
Let $X_1, \dots, X_n$ be a random sample with $E[X_i] = \mu$ and $\text{Var}(X_i) = \sigma^2$.
Let $\overline{X}$ be a sample mean.
For any $\epsilon > 0$, we have
\[\lim_{n\rightarrow\infty} P\left(\left| \overline{X} - \mu \right| > \epsilon\right) = 0\]Proof.
<Chebyshev’s Inequality>를 사용하면 아주 쉽게 증명할 수 있다!
\[\begin{aligned} P\left(\left| \overline{X} - \mu \right| > \epsilon\right) &\le \frac{\text{Var}(\overline{X})}{\epsilon^2} \\ &= \frac{1}{\epsilon^2} \cdot \frac{\sigma^2}{n} \rightarrow 0 \quad \text{as} \quad n \rightarrow \infty \end{aligned}\]$\blacksquare$
“WLLN says that as the sample size $n$ gets larger, then the sample mean is close to the true mean in probability!”
이때, WLLN과 같은 형태의 수렴을 “the convergence in probability”라고 한다.
cf) 참고로 <Strong Law of Large Numbers>도 존재한다. 그러나 이 정리를 증명하려면, 측도(measure)에 대한 개념이 필요하기 때문에 소개만 하고 넘어가겠다.
\[P\left(\lim_{n\rightarrow\infty} \overline{X} = \mu \right) = 1\]CLT; Central Limit Theorem
Example.
Q. What is the probability of $P\left( \overline{X} > 7\right)$?
Note that $X_1, \dots, X_n \sim \text{Ber}(p)$, and then $(X_1 + \cdots + X_n) \sim \text{BIN}(n, p)$.
When $n$ is largest, then $(X_1 + \cdots + X_n) \rightarrow N(\mu, \sigma^2)$.
Let’s standardize it, then
\[P\left( \frac{(X_1 + \cdots + X_n) - np}{\sqrt{npq}} \le z \right) \approx P(Z \le z)\]이때, 좌변의 분모/분자에 $n$를 나줘주면
\[\begin{aligned} P\left( \frac{((X_1 + \cdots + X_n) - np)/n}{(\sqrt{npq})/n} \le z \right) &= P\left( \frac{(X_1 + \cdots + X_n)/n \; - \; p}{\sqrt{pq/n}} \le z \right) \\ &= P\left( \frac{\overline{X} - E[\overline{X}]}{\sqrt{\text{Var}(\overline{X})}} \le z \right) \\ &\approx P(Z \le z) \end{aligned}\]결론은, 원래 문제였던 $P\left(\overline{X} > 7\right)$을 잘 정규화해서 normal 분포로 근사하여 풀면 된다는 것이다.
그런데, 지금의 경우는 $\overline{X}$가 BIN 분포였기 때문에 <Normal Approximation>에 의해 자연스럽게 유도된 것이었다. 과연 $\overline{X}$ 또는 $X_i$가 다른 분포를 가져도 위와 같은 방식을 풀 수 있을까? 이 의문에 대한 답을 제시하는 것이 바로 <CLT; Central Limit Theorem>이다 🤩
Theorem. CLT; Central Limit Theorem
Let $X_1, \dots, X_n$ be a random sample with $E[X_i] = \mu$ and $\text{Var}(X_i) = \sigma^2$.
Let $\overline{X}_n := (X_1 + \cdots + X_n)/n$, sample mean.
Let $Z_n := \dfrac{\overline{X}_n - E[\overline{X}]}{\sqrt{\text{Var}(\overline{X})}} = \dfrac{\overline{X}_n - \mu}{\sigma/\sqrt{n}}$.
then, for any $z \in \mathbb{R}$, we have
\[P(Z_n \le z) \rightarrow P(Z \le z) \quad \text{as} \quad n \rightarrow \infty\]where $Z \sim N(0, 1)$.
즉, 모집단에서 추출한 표본 $n$이 충분히 크다면, “표본평균” $\bar{X}$의 분포는 정규 분포에 근사한다!
Remark.
1. As long as iid, RVs have finite second moment[^1], then we have CLT.
이것이 의미하는 바는 아주 강력하다💥 $X_i$가 어떤 분포를 따르는 상관없이 CLT를 적용할 수 있다는 말이기 때문이다!! 이런 점 때문에 CLT를 “universal result”라고 한다!
2. We call $z: = \dfrac{\overline{x} - \mu}{\sigma / \sqrt{n}}$ as <$z$-value> or <$z$-score; $z$-점수, 표준 점수>, we define $z_\alpha$ as the number $z$ s.t. $P(Z \ge z) = \alpha$ when $Z \sim N(0, 1)$.
Proof of CLT
Proof. CLT
<CLT>를 증명하기 위해 아래의 정리를 사용한다.
Theorem. Uniqueness of MGF
If the mgf of $X_n$ converges to the mgf of $X$ for $t \in (-\delta, \delta)$ for some $\delta > 0$,
i.e.
\[M_{X_n} (t) \rightarrow M_{X} (t) \quad \text{for} \quad t \in (-\delta, \delta)\]and $X$ is continuous, then CDF $F_{X_n}(x)$ converges to $F_{X}(x)$ for all $x \in \mathbf{R}$.
\[F_{X_n}(x) \rightarrow F_{X}(x)\]✨ Goal: Show that the MGF of $Z = \dfrac{\bar{X} - \mu}{\sigma / \sqrt{n}}$ converges to the MGF of $N(0, 1)$ as $n \rightarrow \infty$.
Let $W = \dfrac{\bar{X} - \mu}{\sigma / \sqrt{n}}$, and then multiply $n$ both to the numerator and denominator.
\[W = \frac{\bar{X} - \mu}{\sigma / \sqrt{n}} = \frac{\displaystyle \sum_{i=1}^n X_i - n \mu}{\sqrt{n} \cdot \sigma}\]The mgf of $W$ is
\[\begin{aligned} M_W (t) &= E [e^{tW}] = E\left[\exp \left( \frac{t}{\sqrt{n} \sigma}\sum^n_{i=1} X_i - n\mu \right) \right] \\ &= E \left[ \exp \left( \frac{t}{\sqrt{n}} \cdot \frac{X_1 - \mu}{\sigma}\right) \cdot \exp \left( \frac{t}{\sqrt{n}} \cdot \frac{X_2 - \mu}{\sigma}\right) \cdots \exp \left( \frac{t}{\sqrt{n}} \cdot \frac{X_n - \mu}{\sigma}\right) \right] \\ &= E \left[ \exp \left( \frac{t}{\sqrt{n}} \cdot \frac{X_1 - \mu}{\sigma}\right) \right] \cdots E \left[ \exp \left( \frac{t}{\sqrt{n}} \cdot \frac{X_n - \mu}{\sigma}\right) \right] \quad \text{iid} \\ &= M_{Z_1} (t / \sqrt{n}) \cdots M_{Z_n} (t / \sqrt{n}) \\ &= \left[ M_{Z} (t / \sqrt{n}) \right]^n \end{aligned}\]이제 $M_W(t)$에 $\log$를 취하고, 극한 $n\rightarrow \infty$를 취하면,
\[\begin{aligned} \lim_{n\rightarrow \infty} \log M_W(t) \\ = \lim_{n\rightarrow \infty} \log \left[ M_{Z} (t / \sqrt{n}) \right]^n \\ &= \lim_{n\rightarrow \infty} n \cdot \log M_Z (t / \sqrt{n}) \end{aligned}\]여기서 $y = 1 / \sqrt{n}$로 치환해주면, 위의 극한식은 아래와 같다.
\[\lim_{n\rightarrow \infty} n \cdot \log M_Z (t / \sqrt{n}) = \lim_{y \rightarrow 0} \frac{\log M_Z (yt)}{y^2}\]이때, $\displaystyle \lim_{y\rightarrow 0} M_Z(yt) = M_Z(0) = 1$이므로 극한식이 $\dfrac{0}{0}$ 꼴의 부정형이 된다. 이를 해결하기 위해 “로피탈 정리”를 사용한다.
\[\begin{aligned} \lim_{y \rightarrow 0} \frac{\log M_Z (yt)}{y^2} &= \lim_{y \rightarrow 0} \frac{t \cdot \dfrac{M_z(yt)'}{M_Z(yt)}}{2y} \\ &= \frac{t}{2} \cdot \lim_{y \rightarrow 0} \frac{M_z(yt)'}{y \cdot M_Z (yt)} \\ &= \frac{t}{2} \cdot \lim_{y \rightarrow 0} \frac{M_z(yt)'}{y} \quad \left(\because \; \lim_{y\rightarrow 0} M_z(yt) = 1\right) \end{aligned}\]이때, 위의 식에서도 $\displaystyle \lim_{y\rightarrow 0} M_Z(yt)’ = M_Z(0)’ = 0 = \mu$이므로, 다시 “로피탈 정리”를 적용하면,
\[\begin{aligned} \frac{t}{2} \cdot \lim_{y \rightarrow 0} \frac{M_z(yt)'}{y} &= \frac{t}{2} \cdot \lim_{y \rightarrow 0} \frac{t M_z (yt) ''}{1} \\ &= \frac{t^2}{2} \cdot \lim_{y \rightarrow 0} M_z (yt) '' \\ &= \frac{t^2}{2} \quad \left(\because \; \lim_{y \rightarrow 0} M_z (yt) '' = 1 = \sigma^2\right) \end{aligned}\]따라서,
\[\lim_{n\rightarrow \infty} \log M_W(t) = \frac{t^2}{2}\]위의 식에서 $\log$를 시켜서 $\bar{X}$의 정규화인 $W$의 mgf $M_W(t)$를 얻으면 아래와 같다.
\[\lim_{n\rightarrow \infty} M_W(t) = e^{t^2/2}\]이때, 표준정규분포 $N(0, 1)$의 mgf가 $e^{t^2/2}$이고, 두 분포의 mgf가 같으므로, “Uniqueness of mgf”에 의해 아래의 명제가 성립한다.
“$n$이 충분히 커지면, $\bar{X}$의 정규화인 $\dfrac{\bar{X} - \mu}{\sigma/\sqrt{n}}$는 표준정규분포 $N(0, 1)$을 따른다!”
$\blacksquare$
Sampling Distribution of the difference btw two mean
이번에는 두 개의 서로 population에서 뽑은 두 independent sample을 생각해보자!
Let $X_1, \dots, X_{n_1}$, and $Y_1, \dots, Y_{n_2}$ be two independent random samples with $E[X_1] = \mu_1$, $\text{Var}(X_1) = \sigma_1^2$, and $E[X_2] = \mu_2$, $\text{Var}(Y_2) = \sigma_2^2$.
우리는 “두 샘플 평균의 차” $\mu_1 - \mu_2$에 대한 분포를 모델링하고자 한다. 이때, $\overline{X} - \overline{Y}$를 사용하면 “두 샘플 평균의 차”에 대해 추론할 수 있다!!
By CLT,
\[\begin{aligned} \frac{\overline{X} - \mu_1}{\sigma_1/\sqrt{n_1}} \sim N(0, 1) \quad & \iff \quad \overline{X} \sim N\left(\mu_1, \sigma_1^2/n_1\right) \\ \frac{\overline{Y} - \mu_2}{\sigma_2/\sqrt{n_2}} \sim N(0, 2) \quad & \iff \quad \overline{Y} \sim N\left(\mu_2, \sigma_2^2/n_2\right) \end{aligned}\]따라서, $\overline{X} - \overline{Y}$에 대한 분포는 independent한 두 normal distribution에 대한 덧셈으로 쉽게 유도할 수 있다!
\[\overline{X} - \overline{Y} \sim N\left( \mu_1 - \mu_2, \; \frac{\sigma_1^2}{n_1} + \frac{\sigma_2^2}{n_2} \right)\]위의 사실을 이용해서, “두 샘플 평균의 차”에 대한 추론도 쉽게 수행할 수 있다 😉
맺음말
이번 포스트에서는 표본평균 $\bar{X}$에 대한 분포인 “Sampling Distribution of Mean”을 보았다. 또, 표본평균 $\bar{X}$의 분포를 파악하고, 활용하는데 필요한 <WLLN>과 <CLT>를 살펴보았다.
이어지는 포스트에서는 “평균”과 함께, 확률 분포의 특성을 결정하는 parameter인 “분산(Variance)”이 Random Sample에서 어떻게 유도되는지 살펴볼 예정이다.
👉 Sampling Distribution of Variance