Câu hỏi hay (+1) !!
Bạn sẽ nhớ rằng đối với các biến ngẫu nhiên độc lập và , và . Vì vậy phương sai của là và phương sai của là .Y V một r ( X + Y ) = V một r ( X ) + V một r ( Y ) V một r ( một ⋅ X ) = một 2 ⋅ V một r ( X ) Σ n i = 1 X i Σ n i = 1 σ 2 = n σ 2 ˉXYVar(X+Y)=Var(X)+Var(Y)Var(a⋅X)=a2⋅Var(X)∑ni=1Xi∑ni=1σ2=nσ2nσ2/n2=σ2/nX¯=1n∑ni=1Xinσ2/n2=σ2/n
Điều này là cho phương sai . Để chuẩn hóa một biến ngẫu nhiên, bạn chia nó cho độ lệch chuẩn của nó. Như bạn đã biết, giá trị mong đợi của là , do đó, biến μX¯μ
N(0,
X¯−E(X¯)Var(X¯)−−−−−−√=n−−√X¯−μσ
có giá trị kỳ vọng 0 và phương sai 1. Vì vậy, nếu nó có xu hướng theo Gaussian, thì nó phải là Gaussian . Công thức của bạn trong phương trình đầu tiên là tương đương. Bằng cách nhân phía bên trái với bạn đặt phương sai thành .
σ σ 2N(0,1)σσ2
Về điểm thứ hai của bạn, tôi tin rằng phương trình hiển thị ở trên minh họa rằng bạn phải chia cho chứ không phải để chuẩn hóa phương trình, giải thích lý do tại sao bạn sử dụng (công cụ ước tính của chứ không phải .√σ snσ) √σ−−√snσ)sn−−√
Ngoài ra: @whuber đề nghị thảo luận về lý do chia tỷ lệ theo . Anh ấy làm điều đó ở đó , nhưng vì câu trả lời rất dài nên tôi sẽ cố gắng nắm bắt bản chất của cuộc tranh luận của anh ấy (đó là sự tái tạo lại suy nghĩ của de Moivre).n−−√
Nếu bạn thêm một số lượng lớn là +1 và -1, bạn có thể tính gần đúng xác suất của tổng đó sẽ là bằng cách đếm sơ cấp. Nhật ký của xác suất này tỷ lệ thuận với . Vì vậy, nếu chúng ta muốn xác suất ở trên hội tụ đến một hằng số khi lớn, chúng ta phải sử dụng hệ số chuẩn hóa trong .j - j 2 / n n O ( √nj−j2/nnO(n−−√)
Sử dụng các công cụ toán học hiện đại (post de Moivre), bạn có thể thấy phép tính gần đúng được đề cập ở trên bằng cách nhận thấy rằng xác suất tìm kiếm là
P(j)=(nn/2+j)2n=n!2n(n/2+j)!(n/2−j)!
mà chúng tôi ước tính theo công thức của Stirling
P(j)≈nnen/2+jen/2−j2nen(n/2+j)n/2+j(n/2−j)n/2−j=(11+2j/n)n+j(11−2j/n)n−j.
đăng nhập( P( j ) ) = - ( n + j ) nhật ký( 1 + 2 j / n ) - ( n - k ) log( 1 - 2 j / n )∼ - 2 j ( n + j ) / n + 2 j ( n - j ) / n ∝ - j2/ n.