Supongamos que tenemos muestras iid $X_1,\cdots,X_n$ con el número de muestras $n$ desconocido, pero puedo tomar una muestra de su suma $m=\sum_{i=1}^n X_i$ . Supongamos además que $\mathbb{E}[X_i]=\mu$ et $Var[X_t]=\sigma^2$ con ambos $\mu$ et $\sigma$ conocido.
Si quiero estimar el número de muestras $n$ intuitivamente, uno encontraría el entero más cercano de $\frac{m}{\mu}$ (o hay alguna forma mejor de estimar $n$ ?) Si quiero que la estimación sea fiable en un 95%, supongo que debería haber algunos requisitos para la varianza $\sigma^2$ y el número de muestra real $n$ .
Mi intento:
-
Supongamos que $n$ es enorme y según el teorema del límite central, la distribución de $\frac{m}{n}$ es aproximadamente $\mathcal{N}(\mu,\frac{\sigma^2}{n})$ . Pero tengo un problema con el manejo de la "función de redondeo". Y probablemente el teorema central del límite no es apropiado para esta circunstancia, ya que dice lo que sucedería para $n$ va al infinito, pero lo que estamos tratando de hacer aquí es exactamente estimar $n$ .
-
Intenté utilizar la desigualdad de Hoeffding, pero como $n$ es estocástico aquí, no estoy seguro de que la desigualdad de Hoeffding sea adecuada para esta circunstancia.