พิจารณาผลรวมของ


40

ฉันสงสัยเกี่ยวกับอันนี้มาระยะหนึ่งแล้ว ฉันพบว่ามันแปลกเล็กน้อยว่าเกิดขึ้นโดยฉับพลันได้อย่างไร โดยพื้นฐานแล้วทำไมเราถึงต้องการเครื่องแบบเพียงสามชุดสำหรับเพื่อให้เรียบเนียนเหมือนที่เคยทำ? และทำไมการปรับให้เรียบจึงเกิดขึ้นค่อนข้างเร็วZn

Z2 :

2

Z3 :

3

(ภาพที่ถูกขโมยไปอย่างไร้สาระจากบล็อกของ John D. Cook: http://www.johndcook.com/blog/2009/02/12/sums-of-uniform-random-values/ )

ทำไมมันไม่ใช้พูดสี่ชุด? หรือห้า หรือ...?


11
เพื่อให้ง่ายเท่าที่จะเป็นเรื่องง่ายเพราะผลรวมของ 3 เครื่องแบบมีส่วนกำลังสองใน pf และเมื่อคุณได้รับสองหรือมากกว่าเครื่องแบบคุณมีจุดสูงสุดที่ค่าเฉลี่ย จุดสูงสุดกำลังสองคือ "ราบรื่น" ... และการรวมระหว่างชิ้นกำลังสองอยู่ที่ 1 และ 2 ดังนั้นจึงไม่สามารถหงิกงอที่ 1.5; มีวิธีอื่นในการมาถึงข้อสรุปเดียวกัน
Glen_b

คำตอบ:


71

เราสามารถใช้วิธีการต่าง ๆ ในการนี้สิ่งใด ๆ ที่อาจดูเหมือนเป็นเรื่องง่ายสำหรับบางคน คำตอบนี้ได้ทำการสำรวจแนวทางหลายอย่างซึ่งครอบคลุมส่วนสำคัญของความคิดทางคณิตศาสตร์ - การวิเคราะห์ (ที่ไม่มีที่สิ้นสุดและน้อยที่สุด) เรขาคณิต / โทโพโลยี (ความสัมพันธ์เชิงพื้นที่) และพีชคณิต (รูปแบบทางการของการจัดการสัญลักษณ์) - เช่นเดียวกับความน่าจะเป็น มันถึงจุดสูงสุดในการสังเกตที่รวมทั้งสี่แนวทางแสดงให้เห็นว่ามีคำถามของแท้ที่จะตอบที่นี่และแสดงให้เห็นว่าปัญหาคืออะไร แต่ละวิธีจะให้ข้อมูลเชิงลึกเกี่ยวกับธรรมชาติของรูปร่างของฟังก์ชันการแจกแจงความน่าจะเป็นของผลรวมของตัวแปรเครื่องแบบอิสระ


พื้นหลัง

การกระจายUniform[0,1]มีคำอธิบายพื้นฐานหลายประการ เมื่อมีการแจกแจงเช่นนั้นX

  1. โอกาสที่อยู่ในเซตวัดได้เป็นเพียงการวัด (ความยาว) ของ , เขียน.A A [ 0 , 1 ] | A [ 0 , 1 ] |XAA[0,1]|A[0,1]|

  2. จากนี้เป็นทันทีที่ฟังก์ชันการแจกแจงสะสม (CDF) คือ

    FX(x)=Pr(Xx)=|(,x][0,1]|=|[0,min(x,1)]|={0x<0x0x11x>1.

    CDF

  3. ฟังก์ชั่นความหนาแน่นของความน่าจะเป็น (PDF) ซึ่งเป็นที่มาของ CDF เป็นสำหรับและมิฉะนั้น (ไม่ได้กำหนดไว้ที่และ )fX(x)=10x1fX(x)=001

    รูปแบบไฟล์ PDF


ปรีชาจากฟังก์ชั่นลักษณะ (การวิเคราะห์)

ลักษณะการทำงาน (CF) ของตัวแปรสุ่มเป็นความหวังของคน (ที่เป็นหน่วยจินตภาพ ) การใช้ PDF ของชุดการกระจายเราสามารถคำนวณได้Xi i 2 = - 1exp(itX)ii2=1

ϕX(t)=exp(itx)fX(x)dx=01exp(itx)dx=exp(itx)it|x=0x=1=exp(it)1it.

CF เป็น (รุ่น) ฟูเรียร์ของไฟล์ PDF,(t) ทฤษฎีพื้นฐานเกี่ยวกับการแปลงฟูริเยร์คือ:ϕ(t)=f^(t)

  • CF ของผลรวมของตัวแปรอิสระคือผลผลิตของ CFs ของพวกเขาX+Y

  • เมื่อ PDF ต้นฉบับต่อเนื่องและถูกล้อมรอบสามารถกู้คืนได้จาก CFโดยการแปลงฟูริเยร์รุ่นที่เกี่ยวข้องอย่างใกล้ชิดfXfϕ

f(x)=ϕˇ(x)=12πexp(ixt)ϕ(t)dt.
  • เมื่อสามารถหาอนุพันธ์ได้อนุพันธ์ของมันสามารถคำนวณได้ภายใต้เครื่องหมายอินทิกรัล:f

    f(x)=ddx12πexp(ixt)ϕ(t)dt=i2πtexp(ixt)ϕ(t)dt.

    เพื่อให้มีความชัดเจนดีอินทิกรัลสุดท้ายต้องมาบรรจบกันอย่างแน่นอน นั่นคือ,

    |texp(ixt)ϕ(t)|dt=|t||ϕ(t)|dt

    จะต้องมาบรรจบกับค่า จำกัด ในทางกลับกันเมื่อมันมาบรรจบกันอนุพันธ์จะมีอยู่ทุกหนทุกแห่งโดยอาศัยสูตรผกผันเหล่านี้

ตอนนี้มันชัดเจนว่าความแตกต่างของ PDF สำหรับผลรวมของตัวแปรเครื่องแบบคือ: จากสัญลักษณ์แรก, CF ของผลรวมของตัวแปร iid คือ CF ของหนึ่งในนั้นยกกำลังพลังงาน, นี่เท่ากับ n เศษเป็นที่สิ้นสุด (มันประกอบด้วยคลื่นไซน์) ในขณะที่ตัวหารเป็น{n}) เราสามารถคูณเช่น integrand โดย และมันจะยังคงมาบรรจบกันอย่างยิ่งเมื่อและมาบรรจบกันตามเงื่อนไขเมื่อn-1 ดังนั้นการใช้สัญลักษณ์แสดงหัวข้อย่อยที่สามซ้ำแสดงว่า PDF สำหรับผลรวมของชุดรูปแบบจะเป็นแบบต่อเนื่องnnth(exp(it)1)n/(it)nO(tn)tss<n1s=n1nn2ความแตกต่างของเวลาและในสถานที่ส่วนใหญ่มันจะแตกต่างกันเท่าn1

CF สำหรับ n = 10

เส้นโค้งสีเทาสีน้ำเงินเป็นพล็อตบันทึกการใช้งานของค่าสัมบูรณ์ของส่วนที่แท้จริงของ CF ของผลรวมของชุดรูปแบบ iid ที่ต่างกัน เส้นประสีแดงเป็นเส้นกำกับ ความชันของมันคือซึ่งแสดงว่า PDF นั้นคือเท่าที่สามารถหาอนุพันธ์ได้ สำหรับการอ้างอิงเส้นโค้งสีเทาพล็อตจริงของ CF สำหรับฟังก์ชัน Gaussian ที่มีรูปร่างคล้ายกัน (PDF ปกติ)n=1010102=8


ปรีชาจากความน่าจะเป็น

ให้และเป็นตัวแปรสุ่มอิสระที่มีการแจกแจงแบบสม่ำเสมอพิจารณาช่วงเวลาที่แคบเราแยกโอกาสที่เป็นโอกาสที่อยู่ใกล้กับช่วงเวลานี้มากพอโอกาสที่เป็นขนาดที่เหมาะสม เพื่อวางในช่วงเวลานี้เนื่องจากอยู่ใกล้พอ:YXX[0,1](t,t+dt]X+Y(t,t+dt]YXX+YY

fX+Y(t)dt=Pr(X+Y(t,t+dt])=Pr(X+Y(t,t+dt]|Y(t1,t+dt])Pr(Y(t1,t+dt])=Pr(X(tY,tY+dt]|Y(t1,t+dt])(FY(t+dt)FY(t1))=1dt(FY(t+dt)FY(t1)).

ความเสมอภาคสุดท้ายมาจากการแสดงออกสำหรับรูปแบบไฟล์ PDF ของXหารทั้งสองข้างด้วยและรับค่าตามที่ให้d t d t 0Xdtdt0

fX+Y(t)=FY(t)FY(t1).

ในคำอื่น ๆ เพิ่มเครื่องแบบตัวแปรการใด ๆตัวแปรเปลี่ยนแปลงรูปแบบไฟล์ PDFเป็น differenced CDF(t-1) เนื่องจาก PDF เป็นอนุพันธ์ของ CDF นี่ก็หมายความว่าในแต่ละครั้งที่เราเพิ่มตัวแปรเครื่องแบบอิสระให้กับไฟล์ PDF ที่ได้จะมีความแตกต่างกันมากกว่าครั้งก่อน X[0,1]XYfYFY(t)FY(t1)Y

ลองใช้ข้อมูลเชิงลึกนี้เริ่มต้นด้วยตัวแปรเครื่องแบบYPDF ต้นฉบับไม่สามารถเปลี่ยนแปลงได้ที่หรือ : ไม่ต่อเนื่องที่นั่น รูปแบบไฟล์ PDF ของไม่ได้เป็นอนุพันธ์ที่ ,หรือแต่มันต้องต่อเนื่องที่จุดนั้นเพราะมันคือความแตกต่างของปริพันธ์ของไฟล์ PDF ของ Yเพิ่มตัวแปรเครื่องแบบอิสระอื่นอีก : PDF ของนั้นสามารถหาค่าได้ที่ , ,และ - แต่มันไม่จำเป็นต้องมีวินาทีY01Y+X012YX2Y+X+X2 0123อนุพันธ์ที่จุดเหล่านั้น และอื่น ๆ


สัญชาตญาณจากเรขาคณิต

CDF ที่ของผลรวมของเครื่องแบบ IID variates เท่ากับปริมาณของหน่วย hypercube ที่นอนภายในครึ่งพื้นที่เสื้อ สถานการณ์สำหรับ variates จะแสดงที่นี่มีชุดที่ ,และจากนั้น5/2tn[0,1]nx1+x2++xntn=3t1/23/25/2

ลูกบาศก์ 3D

ในฐานะที่เป็นความคืบหน้าจากผ่านที่ไฮเปอร์เพลข้ามจุดที่ , n ในแต่ละครั้งที่รูปร่างของส่วนไขว้มีการเปลี่ยนแปลง: ในภาพก่อนเป็นรูปสามเหลี่ยม ( -simplex) จากนั้นเป็นรูปหกเหลี่ยมจากนั้นรูปสามเหลี่ยมอีกครั้ง ทำไมไม่ PDF มีโค้งหักศอกที่ค่าเหล่านี้ของ ?t0nHn(t):x1+x2++xn=tt=0t=1,,t=n2t

เพื่อทำความเข้าใจนี้ก่อนพิจารณาค่าเล็ก ๆ ของเสื้อที่นี่ไฮเปอร์เพลนตัด -simplex ออก ทั้งหมดขนาดของเริมเป็นสัดส่วนโดยตรงกับไหน "พื้นที่" ของมันเป็นสัดส่วนกับ{n-1} สัญลักษณ์บางอย่างสำหรับสิ่งนี้จะมีประโยชน์ในภายหลัง ให้เป็น "ฟังก์ชันขั้นตอนต่อหน่วย"tHn(t)n1n1ttn1θ

θ(x)={0x<01x0.

หากไม่ใช่สำหรับการปรากฏตัวของอีกมุมหนึ่งของ hypercube การปรับขนาดนี้จะดำเนินต่อไปเรื่อย ๆ พล็อตของพื้นที่ของ -simplex จะมีลักษณะเป็นเส้นโค้งสีน้ำเงินทึบด้านล่าง: มันเป็นศูนย์ที่ค่าลบและเท่ากับในแง่บวกเขียนได้อย่างสะดวก. มันมี "หงิกงอ" ของคำสั่งที่จุดกำเนิดในแง่ที่ว่าอนุพันธ์ทั้งหมดผ่านคำสั่งมีอยู่และต่อเนื่อง แต่อนุพันธ์ด้านซ้ายและขวาของคำสั่งมีอยู่ แต่ไม่เห็นด้วยที่แหล่งกำเนิด .n1tn1/(n1)!θ(t)tn1/(n1)!n2n3n2

(ส่วนโค้งอื่น ๆ ที่แสดงในรูปนี้คือ (สีแดง), (gold) และ (สีดำ) บทบาทของพวกเขาในกรณีจะกล่าวถึงต่อไปด้านล่าง)3θ(t1)(t1)2/2!3θ(t2)(t2)2/2!θ(t3)(t3)2/2!n=3

พล็อตพื้นที่ง่าย

เพื่อให้เข้าใจสิ่งที่เกิดขึ้นเมื่อข้ามเรามาตรวจสอบอย่างละเอียดในกรณีที่โดยที่เรขาคณิตทั้งหมดเกิดขึ้นในระนาบ เราอาจดูหน่วย "คิวบ์" (ตอนนี้เป็นเพียงตาราง) เป็นการรวมกันเชิงเส้นของควอดเรนดังที่แสดงไว้ที่นี่:t1n=2

quadrants

Quadrant แรกปรากฏในแผงด้านซ้ายล่างเป็นสีเทา ค่าของคือเพื่อหาเส้นทแยงมุมที่แสดงในพาเนลทั้งห้า CDF เท่ากับพื้นที่สีเหลืองที่แสดงทางด้านขวา พื้นที่สีเหลืองนี้ประกอบด้วย:t1.5

  1. พื้นที่สีเทาสามเหลี่ยมในแผงด้านซ้ายล่าง

  2. ลบพื้นที่สีเขียวรูปสามเหลี่ยมที่แผงด้านซ้ายบน

  3. ลบพื้นที่สามเหลี่ยมสีแดงในแผงกลางต่ำ

  4. บวกกับพื้นที่สีฟ้าใด ๆ ในแผงกลาง ( แต่ไม่มีพื้นที่ใด ๆ ดังกล่าวหรือจะมีจนกว่าเกิน )t2

หนึ่งในพื้นที่เหล่านี้คือพื้นที่ของรูปสามเหลี่ยม เครื่องชั่งแรกเช่นสองเครื่องถัดไปเป็นศูนย์สำหรับและเครื่องชั่งเช่นและสุดท้ายคือศูนย์สำหรับและอื่น ๆ เช่นเครื่องชั่งน้ำหนัก n การวิเคราะห์เชิงเรขาคณิตนี้ได้พิสูจน์แล้วว่า CDF เป็นสัดส่วนกับ = ; เท่ากับ PDF เป็นสัดส่วนกับผลรวมของทั้งสามฟังก์ชั่น ,และ2n=4tn=t2t<1(t1)n=(t1)2t<2(t2)nθ(t)t2θ(t1)(t1)2θ(t1)(t1)2+θ(t2)(t2)2θ(t)t22θ(t1)(t1)2+θ(t2)(t2)2θ(t)t2θ(t1)(t1)θ(t2)(t2)(แต่ละรายการจะถูกปรับเป็นเชิงเส้นเมื่อ ) แผงด้านซ้ายของรูปนี้แสดงกราฟ: เห็นได้ชัดว่าเป็นกราฟต้นฉบับทั้งหมดแต่ (a) เลื่อนจาก ,และหน่วยไปทางขวาและ (b) ช่วยลด ,และตามลำดับn=2θ(t)t012121

กราฟสำหรับ n = 2

แผงด้านขวาแสดงผลรวมของกราฟเหล่านี้ (เส้นโค้งสีดำทึบซึ่งถูกทำให้เป็นมาตรฐานเพื่อให้มีพื้นที่หน่วย: นี่คือ PDF ที่มีลักษณะเชิงมุมที่แม่นยำแสดงในคำถามเดิม

ตอนนี้เราสามารถเข้าใจลักษณะของ "kinks" ใน PDF ของผลรวมของตัวแปรชุด iid พวกมันเหมือนกับ "หงิกงอ" ที่เกิดขึ้นที่ในฟังก์ชันอาจจะช่วยได้และเปลี่ยนเป็นจำนวนเต็มสอดคล้องกับตำแหน่งไฮเปอร์เพลนข้ามจุดยอดของ hypercube สำหรับนี้คือการเปลี่ยนแปลงที่มองเห็นได้ในทิศทางที่: อนุพันธ์ทางขวาของที่เป็นในขณะที่ตราสารอนุพันธ์ทางด้านซ้ายของมันคือ1สำหรับนี่คือสิ่งต่อเนื่อง0θ(t)tn11,2,,nHn(t)n=2θ(t)t001n=3เปลี่ยนทิศทาง แต่เป็นการเปลี่ยนแปลงอย่างฉับพลัน (ไม่ต่อเนื่อง) ในอนุพันธ์อันดับสอง สำหรับทั่วไปจะมีสัญญาซื้อขายล่วงหน้าอย่างต่อเนื่องผ่านการสั่งซื้อแต่ไม่ต่อเนื่องในส่วนอนุพันธ์nn2n1st


ปรีชาจากการจัดการพีชคณิต

การรวมเข้าด้วยกันเพื่อคำนวณ CF รูปแบบของความน่าจะเป็นเงื่อนไขในการวิเคราะห์ความน่าจะเป็นและการสังเคราะห์ไฮเปอร์คิวบ์เป็นการรวมกันเชิงเส้นของจตุภาคทั้งหมดแนะนำให้กลับไปที่การแจกแจงแบบดั้งเดิม . แน่นอนมันสามารถเขียน PDF ได้

fX(x)=θ(x)θ(x1).

ให้เราแนะนำตัวดำเนินการกะ : มันทำหน้าที่บนฟังก์ชันใด ๆโดยเลื่อนกราฟหนึ่งหน่วยไปทางขวา:Δf

(Δf)(x)=f(x1).

อย่างเป็นทางการแล้วสำหรับ PDF ของตัวแปรชุดเราอาจเขียนX

fX=(1Δ)θ.

PDF ของผลรวมของเครื่องแบบ iid คือการด้วยตัวมันเองครั้ง นี้ต่อไปจากความหมายของผลรวมของตัวแปรสุ่มที่ว่าบิดของทั้งสองฟังก์ชั่นและเป็นฟังก์ชั่นnfXnfg

(fg)(x)=f(xy)g(y)dy.

มันเป็นเรื่องง่ายที่จะตรวจสอบว่าการเดินทางบิดกับ\เพียงเปลี่ยนตัวแปรของการรวมจากเป็น :Δyy+1

(f(Δg))=f(xy)(Δg)(y)dy=f(xy)g(y1)dy=f((x1)y)g(y)dy=(Δ(fg))(x).

สำหรับ PDF ของผลรวมของเครื่องแบบ iid ตอนนี้เราอาจดำเนินการทางพีชคณิตเพื่อเขียนn

f=fXn=((1Δ)θ)n=(1Δ)nθn

(โดยที่ "power" หมายถึงการบิดซ้ำซ้อน, ไม่ใช่การคูณด้วยคะแนน!) ตอนนี้เป็นการรวมกลุ่มโดยตรงโดยตรงnθn

θn(x)=θ(x)xn1n1!.

ส่วนที่เหลือเป็นพีชคณิตเพราะทฤษฎีบททวินามใช้บังคับ (เช่นเดียวกับที่ใช้ในพีชคณิตการเปลี่ยนแปลงใด ๆ เหนือ reals):

f=(1Δ)nθn=i=0n(1)i(ni)Δiθn.

เนื่องจากเปลี่ยนการโต้แย้งโดยเดียวนี่เป็นการแสดงรูปแบบ PDFเป็นการรวมเชิงเส้นของเวอร์ชันที่เลื่อนของตรงตามที่เราอนุมานทางเรขาคณิต:Δiifθ(x)xn1

f(x)=1(n1)!i=0n(1)i(ni)(xi)n1θ(xi).

(จอห์นคุกเสนอราคาสูตรนี้ในโพสต์บล็อกของเขาโดยใช้เครื่องหมายสำหรับ )(xi)+n1(xi)n1θ(xi)

ดังนั้นเนื่องจากเป็นฟังก์ชั่นที่ราบรื่นทุกที่พฤติกรรมเอกพจน์ของ PDF จะเกิดขึ้นเฉพาะในสถานที่ที่เป็นเอกพจน์ (เห็นได้ชัดแค่ ) และที่สถานที่เหล่านั้นเลื่อนไปทางขวาโดย . ธรรมชาติของพฤติกรรมเอกพจน์นั้น - ระดับความนุ่มนวล - จะเหมือนกันในทุกตำแหน่งที่xn1θ(x)01,2,,nn+1

ภาพประกอบนี้เป็นภาพสำหรับ , แสดง (ในแผงด้านซ้าย) แต่ละคำศัพท์ในผลรวมและ (ในแผงด้านขวา) ผลรวมบางส่วน, ปิดท้ายด้วยผลรวม (เส้นโค้งสีดำทึบ):n=8

แปลงสำหรับ n = 8


การปิดความคิดเห็น

มันจะมีประโยชน์ที่จะต้องทราบว่าวิธีการสุดท้ายนี้ในที่สุดก็ให้ผลขนาดกะทัดรัดและการแสดงออกในทางปฏิบัติสำหรับการคำนวณ PDF ของผลรวมของตัวแปรเครื่องแบบ iid (ได้รับสูตรสำหรับ CDF ในทำนองเดียวกัน)n

ทฤษฎีขีด จำกัด กลางมีเพียงเล็กน้อยที่จะพูดที่นี่ ท้ายที่สุดผลรวมของตัวแปร iid Binomialจะรวมกันเป็นการแจกแจงแบบปกติ แต่ผลรวมนั้นจะแยกกันเสมอ : มันไม่เคยมีแม้แต่ PDF เลย! เราไม่ควรหวังสำหรับสัญชาตญาณใด ๆ เกี่ยวกับ "kinks" หรือมาตรการอื่น ๆ ของความแตกต่างของ PDF มาจาก CLT


12
(+1) ยอดเยี่ยม! ทีนี้ใช้เวลานานแค่ไหนในการรวบรวมทั้งหมดนี้เข้าด้วยกัน!
พระคาร์ดินัล

13
@ Cardinal นี่เป็นคำถามสุดท้ายที่ฉันอ่านก่อนที่จะสูญเสียพลังงานเมื่อวันจันทร์ที่ผ่านมา ในช่วงสัปดาห์ต่อมาความมืดที่ยาวนานทำให้เกิดโอกาสที่จะคิดผ่าน :-) และเพื่อความสนุกสนานเพื่อพัฒนาคำตอบมากมาย หลังจากการคืนอำนาจเมื่อสุดสัปดาห์ที่ผ่านมามันเป็นเพียงเรื่องของการหาเวลาในการสร้างภาพประกอบและเขียนมันทั้งหมด (ซึ่งใช้เวลานานกว่าที่คาดไว้ฉันสารภาพ) ฉันหวังว่าบางทีกระทู้นี้อาจใช้เป็นข้อมูลอ้างอิงสำหรับคำถามที่เกี่ยวข้องในอนาคตเกี่ยวกับผลรวมของตัวแปรสุ่ม
whuber

1
ว้าว. ฉันหวังว่าฉันจะ 'ชื่นชอบ' คำตอบนี้
Rhubbarb

2
มันยอดเยี่ยมมาก ฉันไม่เคยรู้เลยว่าคำถามง่ายๆเช่นนี้จะเป็นไปได้ลึกเพียงใด ฉันจะต้องใช้เวลาสักครู่เพื่อค้นหาคำตอบของคุณ แต่สำหรับตอนนี้ขอบคุณมาก!
tetragrammaton

6
ผมจะละเมิดนโยบาย SE ความคิดเห็นโดยบอกว่าเรา (ทั้งหมดของ crossvalidate.com) ควรสินบน บริษัท พลังงานของคุณเพื่อตัดไฟบ่อยขึ้น :)
mpiktas

1

คุณสามารถยืนยันว่าฟังก์ชันความหนาแน่นของความน่าจะเป็นของตัวแปรสุ่มสม่ำเสมอมีขอบเขต

ฟังก์ชันอินทิกรัลความหนาแน่นสะสมของตัวแปรสุ่มสม่ำเสมอจึงต่อเนื่อง

ฟังก์ชันความหนาแน่นของความน่าจะเป็นของผลรวมของตัวแปรสุ่มสองชุดจึงต่อเนื่อง

ฟังก์ชันอินทิกรัลความหนาแน่นสะสมของผลรวมของตัวแปรสุ่มสองชุดจึงราบรื่น (differentiable อย่างต่อเนื่อง)

ดังนั้นฟังก์ชันความหนาแน่นของความน่าจะเป็นของผลรวมของตัวแปรสุ่มสามชุดจึงราบรื่น


1

ผมคิดว่าสิ่งที่น่าแปลกใจกว่านั้นก็คือคุณจะได้รับยอดเขาที่คมชัดสำหรับ 2 n=2

ทฤษฎีบทขีด จำกัด กลางกล่าวว่าสำหรับขนาดตัวอย่างที่มีขนาดใหญ่พอการกระจายของค่าเฉลี่ย (และผลรวมเป็นเพียงค่าเฉลี่ย , ค่าคงที่คงที่สำหรับแต่ละกราฟ) จะเป็นปกติประมาณ ปรากฎว่าการแจกเครื่องแบบเหมือนกันมีพฤติกรรมที่ดีเกี่ยวกับ CLT (สมมาตร, ไม่มีหางที่หนัก (ไม่มากเท่าหางใด ๆ ), ไม่มีความเป็นไปได้ของค่าผิดปกติ) ดังนั้นสำหรับขนาดตัวอย่างที่ต้องการจะต้อง "มีขนาดใหญ่พอ "ไม่ใหญ่มาก (ประมาณ 5 หรือ 6 สำหรับประมาณการที่ดี) คุณจะได้เห็นประมาณตกลงที่ 3nn=3

โดยการใช้ไซต์ของเรา หมายความว่าคุณได้อ่านและทำความเข้าใจนโยบายคุกกี้และนโยบายความเป็นส่วนตัวของเราแล้ว
Licensed under cc by-sa 3.0 with attribution required.