Hãy để tôi bắt đầu bằng cách từ chối tiền đề. Robert Geary có lẽ đã không nói quá nhiều về trường hợp này khi ông nói (năm 1947) " ... tính bình thường là một huyền thoại; không bao giờ có, và sẽ không bao giờ, một phân phối bình thường. " -
phân phối bình thường là một mô hình *, một xấp xỉ mà đôi khi ít nhiều hữu ích.
* (về điều đó, xem George Box , mặc dù tôi thích phiên bản trong hồ sơ của tôi).
Rằng một số hiện tượng gần như bình thường có thể không có gì đáng ngạc nhiên, vì các hiệu ứng độc lập [hoặc thậm chí không quá tương quan mạnh] nên, nếu có rất nhiều trong số chúng và không có phương sai nào đáng kể so với phương sai của tổng số phần còn lại mà chúng ta có thể thấy phân phối có xu hướng trông bình thường hơn.
Định lý giới hạn trung tâm (nói về sự hội tụ của phân phối chuẩn của mẫu chuẩn có nghĩa là đi đến vô cùng trong một số điều kiện nhẹ) ít nhất cho thấy rằng chúng ta có thể thấy xu hướng về tính quy phạm đó với các cỡ mẫu đủ lớn nhưng hữu hạn.n
Tất nhiên, nếu các phương tiện được tiêu chuẩn hóa là xấp xỉ bình thường, các khoản tiền được tiêu chuẩn hóa sẽ là; đây là lý do cho lý do "tổng hợp nhiều hiệu ứng". Vì vậy, nếu có rất nhiều đóng góp nhỏ cho biến thể và chúng không tương quan cao, bạn có thể có xu hướng nhìn thấy nó.
Định lý Berry-Esseen cho chúng ta một tuyên bố về nó (sự hội tụ đối với các phân phối bình thường) thực sự xảy ra với mẫu được chuẩn hóa có nghĩa là dữ liệu iid (trong điều kiện nghiêm ngặt hơn một chút so với CLT, vì nó yêu cầu thời điểm tuyệt đối thứ ba là hữu hạn), vì cũng như nói với chúng tôi về việc nó xảy ra nhanh như thế nào Các phiên bản tiếp theo của định lý xử lý các thành phần không phân phối giống hệt nhau trong tổng , mặc dù các giới hạn trên về độ lệch so với tính quy tắc là ít chặt chẽ hơn.
Ít chính thức hơn, hành vi của các kết luận với các phân phối hợp lý tốt cho chúng ta thêm lý do (mặc dù có liên quan chặt chẽ) để nghi ngờ nó có thể có xu hướng gần đúng trong các mẫu hữu hạn trong nhiều trường hợp. Convolution hoạt động như một loại toán tử "bôi nhọ" mà những người sử dụng ước tính mật độ hạt nhân trên nhiều loại hạt nhân sẽ quen thuộc; một khi bạn chuẩn hóa kết quả (vì vậy phương sai không đổi mỗi khi bạn thực hiện thao tác như vậy), sẽ có một sự tiến triển về hình dạng đồi ngày càng đối xứng khi bạn lặp đi lặp lại trơn tru (và không có vấn đề gì nếu bạn thay đổi hạt nhân mỗi lần).
Terry Tao đưa ra một số thảo luận thú vị về các phiên bản của định lý giới hạn trung tâm và định lý Berry-Esseen ở đây , và trên đường đi đề cập đến một cách tiếp cận với một phiên bản Berry-Esseen không độc lập.
Vì vậy, có ít nhất một loại tình huống mà chúng ta có thể mong đợi để xem nó, và những lý do chính thức để nghĩ rằng nó thực sự sẽ có xu hướng xảy ra trong những tình huống đó. Tuy nhiên, tốt nhất là bất kỳ ý nghĩa nào mà kết quả của "tổng của nhiều hiệu ứng" sẽ là bình thường là một xấp xỉ. Trong nhiều trường hợp, đó là một xấp xỉ khá hợp lý (và trong các trường hợp bổ sung mặc dù xấp xỉ phân phối không gần, một số quy trình giả định tính bình thường không đặc biệt nhạy cảm với phân phối các giá trị riêng lẻ, ít nhất là trong các mẫu lớn).
Có nhiều trường hợp khác mà hiệu ứng không "thêm" và ở đó chúng ta có thể mong đợi những điều khác xảy ra; ví dụ, trong rất nhiều hiệu ứng dữ liệu tài chính có xu hướng nhân lên (hiệu ứng sẽ di chuyển số lượng theo tỷ lệ phần trăm, như lãi suất và lạm phát và tỷ giá hối đoái chẳng hạn). Ở đó, chúng tôi không mong đợi tính quy phạm, nhưng đôi khi chúng tôi có thể quan sát một xấp xỉ thô đối với tính quy tắc trên thang đo log. Trong các tình huống khác không thể thích hợp, ngay cả trong một ý nghĩa thô bạo. Ví dụ, thời gian giữa các sự kiện thường không được tính gần đúng bởi tính quy tắc hoặc tính quy tắc của nhật ký; không có "khoản tiền" hay "sản phẩm" hiệu ứng nào để tranh luận ở đây. Có rất nhiều hiện tượng khác mà chúng ta có thể đưa ra một số lập luận cho một loại "luật" cụ thể trong các trường hợp cụ thể.