มีข้อพิสูจน์ใด ๆ เกี่ยวกับ CLT ที่ไม่ได้ใช้ฟังก์ชั่นคุณสมบัติเป็นวิธีที่ง่ายกว่าหรือไม่
อาจจะเป็นวิธี Tikhomirov หรือสไตน์?
มีบางอย่างในตัวที่คุณสามารถอธิบายให้นักศึกษามหาวิทยาลัย (ปีแรกของคณิตศาสตร์หรือฟิสิกส์) และใช้เวลาน้อยกว่าหนึ่งหน้า
มีข้อพิสูจน์ใด ๆ เกี่ยวกับ CLT ที่ไม่ได้ใช้ฟังก์ชั่นคุณสมบัติเป็นวิธีที่ง่ายกว่าหรือไม่
อาจจะเป็นวิธี Tikhomirov หรือสไตน์?
มีบางอย่างในตัวที่คุณสามารถอธิบายให้นักศึกษามหาวิทยาลัย (ปีแรกของคณิตศาสตร์หรือฟิสิกส์) และใช้เวลาน้อยกว่าหนึ่งหน้า
คำตอบ:
คุณสามารถพิสูจน์ได้ด้วยวิธีการของสไตน์ แต่ก็เป็นที่ถกเถียงกันอยู่ว่าการพิสูจน์เป็นระดับประถมศึกษา ด้านบวกของวิธีการของสไตน์คือคุณได้รับรูปแบบที่อ่อนแอกว่าเล็กน้อยของขอบเขต Esseen Berry เป็นหลักฟรี นอกจากนี้วิธีการของสไตน์ก็ไม่มีอะไรขาดเวทมนต์ดำ คุณสามารถหาคำอธิบายได้ในส่วนที่ 6 ของลิงค์นี้ คุณจะพบหลักฐานอื่น ๆ ของ CLT ในลิงค์เช่นกัน
นี่เป็นโครงร่างสั้น ๆ :
1) พิสูจน์โดยใช้การบูรณาการที่เรียบง่ายโดยชิ้นส่วนและความหนาแน่นของการกระจายปกติที่สำหรับทุกอนุพันธ์ได้อย่างต่อเนื่อง IFF เป็นกระจาย มันง่ายกว่าที่จะแสดงปกติแสดงถึงผลลัพธ์และการแสดงสนทนาได้ยากขึ้นเล็กน้อย แต่บางทีมันอาจเกิดขึ้นได้จากศรัทธา
2) โดยทั่วไปถ้าสำหรับทุกอนุพันธ์ได้อย่างต่อเนื่องกับกระโดดแล้วลู่ไปในการจัดจำหน่าย หลักฐานที่นี่เป็นอีกครั้งโดยบูรณาการโดยชิ้นส่วนกับเทคนิค โดยเฉพาะเราจำเป็นต้องรู้ว่าการบรรจบกันในการกระจายเทียบเท่ากับสำหรับการทำงานอย่างต่อเนื่องล้อมรอบทั้งหมดกรัมแก้ไขสิ่งนี้ถูกใช้เพื่อจัดรูปแบบใหม่:
ที่หนึ่งแก้สำหรับโดยใช้ทฤษฎี ODE พื้นฐานแล้วแสดงเป็นสิ่งที่ดี ดังนั้นถ้าเราสามารถหาดีได้โดยสมมติว่า rhs ไปที่ 0 แล้วด้านซ้ายก็เช่นกัน
3) ในที่สุดพิสูจน์ทฤษฎีบทขีด จำกัด กลางสำหรับโดยที่เป็น iid ที่มีค่าเฉลี่ย 0 และความแปรปรวน 1 นี่ใช้ประโยชน์จากเล่ห์เหลี่ยมในขั้นตอนที่ 2 อีกครั้ง สำหรับทุกเราพบเช่นนั้น:
นี่คือวิธีที่ฉันจะทำถ้าฉันอยู่ในโรงเรียนมัธยม
ใช้การกระจายใด ๆ ที่มีความหนาแน่นของได้รับของค่าเฉลี่ยและความแปรปรวน 2 ถัดไปใกล้เคียงกับตัวแปรสุ่มซึ่งมีรูปแบบต่อไปนี้: ที่เป็นตัวแปรสุ่ม Bernoulliกับพารามิเตอร์2/1 คุณจะเห็นว่าและ 2
ตอนนี้เราสามารถดูผลรวม
คุณสามารถรับรู้การกระจายทวินามที่นี่:ที่1/2) คุณไม่จำเป็นต้องลักษณะการทำงานจะเห็นว่ามันลู่เพื่อรูปร่างกระจายปกติ
ดังนั้นในบางกรณีคุณสามารถพูดได้ว่าเบอร์นูลลีนั้นเป็นค่าประมาณที่แม่นยำน้อยที่สุดสำหรับการแจกแจงใด ๆ และแม้กระทั่งมันกลับกลายเป็นปกติ
ตัวอย่างเช่นคุณสามารถแสดงให้เห็นว่าช่วงเวลาที่ตรงกับปกติ เรามาดูตัวแปร:
มาดูกันว่าค่าเฉลี่ยและความแปรปรวนคืออะไร:
ความเบ้และความเกินส่วนเกินมาบรรจบกันเป็นศูนย์ด้วยมันง่ายที่จะแสดงโดยเสียบสูตรที่รู้จักสำหรับ Binomial