1. Сначала покажем, что величина
есть
квадрат нормы некоторого вектора
в
.
Затем убедимся в том, что матрица ковариаций
типичного слагаемого
в сумме
вырождена,
что мешает использовать многомерную ЦПТ.
2. Найдем ортогональное преобразование , приводящее
к виду
,
где вектор
уже имеет невырожденную
единичную матрицу ковариаций.
В силу линейности умножения, вектор
тоже перейдет в вектор
с нулевой последней координатой. Но его норма не изменится из-за
ортогональности матрицы
.
3. К вектору сумм применим многомерную ЦПТ.
В пределе получим
-мерный нормальный вектор с нулевым средним и
единичной матрицей ковариаций, т.е. составленный из независимых
величин со стандартным нормальным распределением.
Воспользуемся следствием 5 и тем, что квадрат нормы этого вектора
имеет
-распределение
.
Реализация:
1. С каждым элементом выборки свяжем вектор-столбец
:
Получим независимых и одинаково распределенных векторов.
Среднее
равно нулю, поскольку
для любого
.
Далее, , поэтому
Найдем матрицу ковариаций вектора , составленную из
элементов
Вырождена эта матрица хотя бы оттого, что координаты вектора линейно связаны:
![]() | (38) |
2. Из (38) мораль: если последняя строка ортогональной
матрицы будет иметь вид
(что вполне возможно норма такой строки равна единице),
то после умножения
на
получим вектор с нулевой
последней координатой в точности (38).
При умножении вектора на матрицу
слева его матрица
ковариаций
перейдет в
.
Убедимся, что, какой бы
ни была ортогональная матрица
, в результате получим диагональную матрицу
из нулей с единицами на главной диагонали, кроме элемента
. Ортогональность
означает, что для любых
и
имеют
место равенства
Учитывая, что -й элемент матрицы
есть
, получим
![]() | (39) |
3. Осталось повторить то, что мы уже описали в плане:
умножение приводит
к вектору с нулевой последней координатой по (38).
Равенствами (39)
мы показали, что вектор
имеет невырожденную единичную матрицу ковариаций
.
Вектора
независимы, одинаково распределены, имеют
нулевое среднее
.
Все условия многомерной ЦПТ выполнены, поэтому
По следствию 5, норма вектора
слабо сходится к норме вектора
,
состоящего, согласно теореме 14, из
независимых случайных величин со стандартным нормальным распределением:
![]() | (40) |
нормы одинаковы в силу (17): .
И все эти нормы ведут себя так же как и (40).
Q.D.E.
N.I.Chernova