OP กล่าว
ทฤษฎีบทขีด จำกัด กลางระบุว่าค่าเฉลี่ยของตัวแปร iid เมื่อ N ไปไม่มีที่สิ้นสุดจะแจกแจงแบบปกติ
ฉันจะใช้สิ่งนี้เพื่อหมายความว่ามันเป็นความเชื่อของ OP ว่าสำหรับตัวแปรสุ่ม iidมีค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐานฟังก์ชันการแจกแจงสะสมของ
ลู่กับฟังก์ชั่นการกระจายสะสมของซึ่งเป็นตัวแปรสุ่มปกติที่มีค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน\หรือผู้เชื่อเชื่อว่าการจัดเรียงสูตรย่อยเช่นการกระจายของจะรวมกับการกระจายของหรือการกระจายของXiμσFZn(a)
Zn=1n∑i=1nXi
N(μ,σ)μσZn−μN(0,σ)(Zn−μ)/σลู่เข้าสู่การแจกแจงซึ่งเป็นตัวแปรสุ่มมาตรฐานแบบปกติ หมายเหตุเป็นตัวอย่างที่ข้อความเหล่านี้บอกเป็นนัยว่า
เป็น
N(0,1)P{|Zn−μ|>σ}=1−FZn(μ+σ)+FZn((μ+σ)−)→1−Φ(1)+Φ(−1)≈0.32
∞
n→∞
OP กล่าวต่อไปว่า
สิ่งนี้ทำให้เกิดคำถามสองข้อ:
- เราสามารถอนุมานกฎของคนจำนวนมากได้หรือไม่? ถ้ากฏหมายของคนจำนวนมากบอกว่าค่าเฉลี่ยของตัวอย่างของค่าตัวแปรสุ่มเท่ากับค่าเฉลี่ยจริงμเมื่อ N ไปถึงอนันต์ดูเหมือนว่ายิ่งแข็งแกร่งกว่าที่จะบอกว่า (ตามที่ศูนย์กลาง จำกัด บอก) ว่าค่ากลายเป็น N ( μ, σ) โดยที่σคือค่าเบี่ยงเบนมาตรฐาน
กฎที่อ่อนแอของคนจำนวนมากบอกว่าสำหรับตัวแปรสุ่ม iid
มีค่าเฉลี่ย จำกัดμ , ได้รับϵ > 0 ,
P { | Z n - μ | > ε } → 0 เป็นn → ∞
โปรดทราบว่าไม่จำเป็นต้องคิดว่าค่าเบี่ยงเบนมาตรฐานนั้น จำกัดXiμϵ>0
P{|Zn−μ|>ϵ}→0 as n→∞.
ดังนั้นเพื่อตอบคำถามของ OP
ทฤษฎีขีด จำกัด กลางตามที่ระบุไว้โดย OP ไม่ได้หมายความถึง
กฎหมายที่อ่อนแอของจำนวนมาก ในฐานะที่เป็นรุ่นของ OP ของเซ็นทรัล จำกัด กล่าวว่าทฤษฎีบท
P { | Z n - μ | > σ } → 0.317 ⋯ในขณะที่กฎที่อ่อนแอบอกว่าP { | Z n - μ | > σ } → 0n→∞P{|Zn−μ|>σ}→0.317⋯P{|Zn−μ|>σ}→0
จากคำแถลงที่ถูกต้องของทฤษฎีบทขีด จำกัด กลางหนึ่งสามารถอนุมานได้ดีที่สุดเพียงรูปแบบที่ จำกัด ของกฎหมายที่อ่อนแอของจำนวนมากที่ใช้กับตัวแปรสุ่มที่มีค่าเฉลี่ยและส่วนเบี่ยงเบนมาตรฐาน แต่กฎที่อ่อนแอของคนจำนวนมากก็มีไว้สำหรับตัวแปรสุ่มเช่นตัวแปรสุ่มพาเรโตด้วยวิธี จำกัด แต่ส่วนเบี่ยงเบนมาตรฐานที่ไม่มีที่สิ้นสุด
ผมไม่เข้าใจว่าทำไมบอกว่าลู่เฉลี่ยตัวอย่างตัวแปรสุ่มปกติภัณฑ์ส่วนเบี่ยงเบนมาตรฐานเป็นคำสั่งที่แข็งแกร่งกว่าที่บอกว่าลู่เฉลี่ยตัวอย่างค่าเฉลี่ยประชากรซึ่งเป็นค่าคงที่ (หรือตัวแปรสุ่มที่มีศูนย์ส่วนเบี่ยงเบนมาตรฐานถ้า คุณชอบ).