मानक कॉची वितरण से टिप्पणियों पर विचार करें , जो कि 1 डिग्री की स्वतंत्रता के साथ छात्र के वितरण के समान है। इस वितरण की पूंछ पर्याप्त रूप से भारी है कि इसका कोई मतलब नहीं है; वितरण अपने मध्य पर केंद्रित हैn=10000η=0.
नमूने के एक अनुक्रम का अर्थ है कॉची वितरण के केंद्र के अनुरूप नहीं है। मोटे तौर पर, कठिनाई यह है कि बहुत चरम अवलोकन (सकारात्मक या नकारात्मक) पर्याप्त नियमितता के साथ होते हैं कि के लिए करने का कोई मौका नहीं है ( केवल करने के लिए धीमा नहीं हैं, वे कभी नहीं करते हैं अभिसरण। का वितरण फिर से मानक Cauchy [ सबूत ] है।)Aj=1j∑ji=1XiXiAjη=0.AjAj
इसके विपरीत, एक सतत नमूनाकरण प्रक्रिया में किसी भी एक कदम पर, लगभग आधा अवलोकनों में दोनों ओर स्थित होगा ताकि नमूना मध्यस्थों का अनुक्रम परिवर्तित हो जाएXiη,Hjη.
के अभिसरण की यह कमी और के अभिसरण निम्नलिखित अनुकरण द्वारा चित्रित किया गया है।AjHj
set.seed(2019) # for reproducibility
n = 10000; x = rt(n, 1); j = 1:n
a = cumsum(x)/j
h = numeric(n)
for (i in 1:n) {
h[i] = median(x[1:i]) }
par(mfrow=c(1,2))
plot(j,a, type="l", ylim=c(-5,5), lwd=2,
main="Trace of Sample Mean")
abline(h=0, col="green2")
k = j[abs(x)>1000]
abline(v=k, col="red", lty="dotted")
plot(j,h, type="l", ylim=c(-5,5), lwd=2,
main="Trace of Sample Median")
abline(h=0, col="green2")
par(mfrow=c(1,1))
यहाँ चरणों की एक सूची है जिस पर आप बाईं ओर स्थित भूखंड में चल रहे औसत (ऊर्ध्वाधर लाल बिंदीदार रेखाओं) पर इनमें से कुछ चरम टिप्पणियों का प्रभाव देख सकते हैं।|Xi|>1000.
k = j[abs(x)>1000]
rbind(k, round(x[k]))
[,1] [,2] [,3] [,4] [,5] [,6] [,7] [,8]
k 291 898 1293 1602 2547 5472 6079 9158
-5440 2502 5421 -2231 1635 -2644 -10194 -3137
आकलन में महत्वपूर्णता: एक काऊची आबादी से नमूने में, टिप्पणियों के नमूने का मतलब केवल एक अवलोकन की तुलना में केंद्र अनुमान लगाने के लिए बेहतर नहीं है । इसके विपरीत, सुसंगत नमूना माध्य परिवर्तित हो जाता है इसलिए बड़े नमूने बेहतर अनुमान लगाते हैं।n=10000ηη,