网站大量收购闲置独家精品文档,联系QQ:2885784924

正态分布推导.docx

  1. 1、本文档共6页,可阅读全部内容。
  2. 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
  3. 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载
  4. 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
查看更多
正态分布的推导 斯特林(Stirling)公式的推导 斯特林(Stirling)公式: 这个公式的推导过程大体来说是先设一个套,再兜个圈把结果套进来,同时把公式算出来。Stirling太强了。 1,Wallis公式 证明过程很简单,分部积分就可以了。 由x的取值可得如下结论: 即 化简得 当k无限大时,取极限可知中间式子为1。所以 第一部分到此结束,k!被引入一个等式之中。 2,Stirling公式的求解 继续兜圈。 关于lnX的图像的面积,可以有三种求法,分别是积分,内接梯形分隔,外切梯形分隔。分别是: 显然, 代入第一部分最后公式得 (注:上式中第一个beta为平方) 所以得公式: 正态分布 推导 在一本俄国的概率教材上看到以下一段精彩的推导,才知道原来所谓正态分布并不是哪位数学家一拍脑门想起来的。记得大学时的教材上只告诉了我们在抽样实验中当样本总量很大时,随机变量就服从正态分布,至于正态分布是怎么来的一点都不提。大学之前,我始终坚信数学是世界上最精致的艺术。但是上了大学之后,发现很多数学上很多问题教材中都是语焉不详,而且很多定义没有任何说明的就出来了,就像一致连续,一致收敛之类的,显得是那么的突兀。这时候数学就像数学老师一样蛮横,让我对数学极其反感,足足有四年之久。只到前些日子,在CSDN上读到孟岩的一篇并于矩阵的文章,才重新对数学发生兴趣。最近又读到了齐民友所写的《重温微积分》以及施利亚耶夫所写的《概率》,才知道原来每一个定义,和每一个定理都有它的价值和意义。 前几天在网上遇到老文,小小的探讨了一下这个问题,顺便问起他斯特林公式的证明过程。他说碰巧最近很是在研究这个公式,就写出来放在百度上以供来者瞻仰吧。于是就有了这篇文章: HYPERLINK /vincentz/blog/item/54686c63fa113f630c33fafe.html \t _blank 斯特林(Stirling)公式的推导 如果哪位在读本篇之前想要知道斯特林公式是怎么来的,请阅读之。 本来是想和老文一块发的,怎奈一个小小的公式编辑器让我费了两个晚上才搞定。于是直至今日,方才有这篇小文字。 本篇是斯特林公式的一个应用。本篇的推导全部抄自施利亚耶夫著《概率》,本文的证明完成了棣莫弗——拉普拉斯定理推导的前半部分,后半部分以及其与伯努利大数定律的关系在以后再往上贴吧。其实也不是很难,自己动动手也是能推出来的。 这次推导可以说是“连续性随机变量”第一次出现在该书中,作为理解连续性随机变量的基础,正态分布是十分重要的。 斯特林公式: 根据斯特林公式, 因此 对于0x1 注意到 这个结论也可以表述为以下的形式: 假如设 这里只给出等价关系,离相等还差一步。如果中间画了等号,那么公式就是大家所熟悉的棣莫弗——拉普拉斯定理了,即二项分布以正态分布为极限分布。从等价到相等,也没什么难的了,反正就是微积分证明的主要思路——略去高阶无穷。这里就不再给出了吧。 --------------------- 不好意思,以前漏了个条件 k满足|k-np|=o(npq)的2/3次方这个条件是原来给定的条件,而不是推导出来的.这个条件的意义是保证二项分布的 p 和 q 不会太小. 比如考虑一个极端的情况 p-0 ,那么上面的推导就不成立了.

文档评论(0)

dmz158 + 关注
实名认证
内容提供者

该用户很懒,什么也没介绍

1亿VIP精品文档

相关文档