OP는 말합니다
중심 한계 정리는 N이 무한대로 갈 때 iid 변수의 평균이 정규 분포를 따릅니다.
I 그것이 OP 믿음임을 의미이 걸릴 것이다 IID 랜덤 변수 평균이 및 표준 편차 누적 분포 함수 의
는 의 누적 분포 함수 , 즉 평균 및 표준 편차 정규 랜덤 변수 수렴됩니다 . 또는 OP는이 공식의 사소한 재배치, 예를 들어 분포가 분포 또는 분포로 수렴한다고 생각합니다. μ σ F Z n ( a ) Z n = 1엑스나는μσ에프지엔( a )N(μ,σ)μσZn-μN(0,σ)(Zn−μ)/σN(0,1)P{| ZN-μ| >σ}=1−FZn(μ+σ
지엔= 1엔∑나는 = 1엔엑스나는
엔( μ , σ)μσ지엔− μ엔( 0 , σ)( Z엔− μ ) / σ표준 정규 랜덤 변수 의 분포로 수렴 합니다. 이 문장들이
으로서 .
엔( 0 , 1 )n→∞피{ | 지엔− μ | > σ} = 1 − F지엔( μ + σ) + F지엔( ( μ + σ)−) → 1 − Φ ( 1 ) + Φ ( − 1 ) ≈ 0.32
n → ∞
OP는 계속해서 말합니다
이것은 두 가지 질문을 제기합니다.
- 우리는 이것을 많은 수의 법칙으로 추론 할 수 있습니까? 큰 수의 법칙에 따라 임의의 변수 값 샘플의 평균이 N이 무한대로 갈 때 실제 평균 μ와 같다고 말하는 경우 (중앙 한계에서 알 수 있듯이) 값이 N ( μ, σ) 여기서 σ는 표준 편차입니다.
많은 수의 약한 법은 말한다 IID 확률 변수에 대한
유한 평균이 주어진, ,
표준 편차가 유한하다고 가정 할 필요는 없습니다. μ ϵ > 0 P { | Z N - μ | > ε } → 0 으로서 N → ∞ .엑스나는μϵ > 0
피{ | 지엔− μ | > ε } → 0 으로서 N → ∞ .
OP의 질문에 대답하기 위해
OP에 명시된 중앙 제한 정리
는 많은 수의 약한 법칙을 암시하지 않습니다 . 로 , 정리가 말한다 중심 극한의 OP의 버전
약한 법이 있다고하면서P { | Z N - μ | > σ } → 0.317 ⋯ P { | Z N - μ | > σ } → 0n → ∞피{ | 지엔− μ | > σ} → 0.317 ⋯피{ | 지엔− μ | > σ} → 0
중심 한계 정리 의 정확한 진술로부터, 유한 평균 및 표준 편차를 갖는 랜덤 변수에 적용되는 많은 수의 약한 법칙의 제한된 형태만을 최상으로 추론 할 수있다. 그러나 많은 수의 약한 법칙은 유한 수단이지만 무한 표준 편차를 갖는 파레토 랜덤 변수와 같은 랜덤 변수에도 적용됩니다.
표본 평균 이 0이 아닌 표준 편차 로 정규 랜덤 변수에 수렴한다고 말하는 것이 표본 평균이 모집단 평균에 수렴한다고 말하는 것보다 더 강한 진술인 이유를 이해하지 못합니다 (또는 표준 편차 가 0 인 임의 변수) 너는 좋아한다).