三次函数图形的三个超额特征2011.DOCVIP

關於中央極限定理之圖示 黃文璋 國立高雄大學應用數學系教授 最近看到一篇“漫談信心水準研習心得＂的文章（底下簡稱“心得＂）。該文一開始提到： 往往我們向學生介紹完歷史背景之後，就把常態分配的規則，例如高中課本中的“68-95-99.7規則＂，硬生生記下來解題，絲毫感受不到當時找到這條曲線的驚喜。研習當天，講師用動畫展示二項分配(n, p)中，當愈來愈大時，理論上出現的相對次數分配直方圖外型會逐漸逼近一條曲線，這條曲線就是常態分配曲線，或被稱為鐘形曲線。雖然我們無法向高中生證明這個定理，但是電腦動畫的模擬效果令在場的老師印象非常深刻！ 接著心得一文給出幾個所謂令人印象深刻的圖。但其實所給的應非模擬的圖，也並非“直方圖＂(histogram)，而是“機率質量函數＂(probability mass function，簡稱pmf )，乃描述離散型隨機變數取各可能值之機率，因此圖形在各取值之高度和為1。 假設有二項分配(n, p)，令。心得一文附上幾個之pmf圖， 皆取為0.5，則分別為10, 30, 50, 70, 90, 110。隨著的增大，圖形“似乎＂愈來愈像常態分配曲線。可惜不知心得一文的作者是否注意到，他所繪的那6個pmf圖，其縱軸尺度不同，因此並無法真正展示圖形的外型，會逼近那一曲線。而就算不理會各pmf圖縱軸尺度隨而變，如果讓繼續增大，恐便不易認 為之pmf圖，會逼近常態分配曲線。 對有(n, p)分配，仍取，則分別為10, 30, 100, 1,000, 10,000，及100,000，我們繪出兩種之pmf圖形。圖1為縱軸尺度經調整（如心得一文），圖2為縱軸尺度皆相同。 ▲圖1　之pmf圖，縱軸尺度經調整 我們看到在圖1中，隨著之增大，之pmf圖愈來愈狹窄，最大高度（發生在）則逐漸下降。當時，之pmf圖幾乎只剩一條小垂直線段了。無論如何，對於以上，之pmf圖大約不會令你看起來像鐘形，因此也就不會覺得會逼近至常態分配曲線。心得一文只繪到便停止了，沒有看到再大時pmf圖之變化。因此雖作者覺得印象深刻，產生心得，只是這又為一郢書燕說之例。要知這些pmf圖，對了解中央極限定理的內涵，其實並沒什麼大幫助。 在圖1中，對於10, 30，及100, 之pmf圖，的確讓人看起來“像＂常態分配曲線。但這可能是視覺上的迷失。由於此處(n, p)分配之，所以pmf圖為對稱，中間最高，向兩側下降。於是讓你覺得有如鐘形，進而以為像常態分配曲線。事實上，只要是對著某點對稱的分配，其pmf圖往往便會讓人以為像常態分配曲線。 其實之分配為離散型，取值，並非僅取整數值。而如前所述，對離散型，pmf圖的高度表機率，是其高度和為1，而非pmf圖形下小長方形的面積和為1。光憑這點，就不能說的pmf圖，與常態分配曲線有什麼太密切的關連。因常態分配曲線下方的面積1。大家應也注意到，在圖1中，當愈來愈大，的pmf圖愈來愈黑。這是當然的，因橫軸長度固定，因此愈 大時，取值愈密，擠在一起的關係，讓圖形變黑。 在圖2裡，我們令縱軸尺度相同，這樣較易看出對不同的，pmf圖真正的變化。時，pmf圖幾乎只餘上之ㄧ小黑點。這是因此時對每 一之機率都近乎0，因此其pmf圖簡直與橫軸相貼，讓肉眼幾乎看不到。 ▲圖2　之pmf圖，縱軸尺度相同 我們講的直方圖（此處為機率直方圖，另有數據直方圖），乃要求圖形下，那些小長方形之面積和為1。隨機變數若取整數值，則因每一小長方形的底部長為1，故以pmf圖作出的那些小長方形面積和為1。這時pmf圖與直方圖可說是一樣的。由於心得一文，與圖1及圖2，繪的都是的pmf圖，所以圖形下長 方形面積和為。將高度變成倍後，才是直方圖。 隨著之增大，pmf圖之最高點愈來愈低的原因是什麼？當為偶數， 之機率為。利用近似的Stirling公式（見黃文璋(2010)頁128-130），可得此機率近似相等(asymptotically equal)於 (1)　　　　　　　　　　　　　　　　。 即pmf圖之最大高度，以的速度下降至0。這可以圖1來印證。對於，與，二pmf圖之最大高度，分別大約為0.08與0.008，後者約為前者的。 另外，愈大時，之pmf圖愈來愈窄的原因是什麼？這正說明大數法則（更明確的說是弱大數法則）。對有(n, p)分配，當時，會機率收斂至（此處為0.5）。也就是會聚集在附近一很小範圍內的機率很大。以數學式子來表示，即對每一正數，當時， 。 有某高中數學課本，說“機率裡的期望值就是統計試驗中大量數據的平均值”，這當然是錯誤的講法。以二項分配為例，大數法則是說，很大（大量數據）時，（平均值）與期望值之差異很小的機率很大。絕對不是說很大時，。對常數數列，當時，，人們不會以為其含意為很大時，。但對隨機數列，有些人雖大數法則能琅琅上口，卻不只沒能正確掌握其中