参考文件文件.pdfVIP

艺术 Swersey 9/18/14 中心极限定理：统计学中一个显着且重要的结果 碗形概率分布 X = x 的概率 设 X 为具有以 下 “碗形”形状的随机变量 概率分布。 x Pr{X = x} 0.2684 1.1091 2.0542 3.0329 4.0244 5.0220 6.0244 7.0329 8.0542 9.1091 10.2684 假设我们从此分布中随机抽取一个大小为 30 的样本并取平均值。进一步假设我们重复该过程 1000 次，生成大小为 30 的样本的 1000 个样本平均值。然后，我们制作这 1000 个平均值的直方 图。直方图会是什么样子？ 我的观点是什么？产生正态分布的不是 1000 个样本。它是相加或平均的相同随机变量的数量。 因为倒置的碗非常不正常，所以取大小为 4 的样本平均值不够大，不足以让中心极限定理发挥作用。中 心极限定理 设 X1, X2,…,Xn 是 n 个独立的同分布随机变量，并设 S = X1 + X2 +…Xn 和 X + X + … + X 12 n X = . n 那么随着n 变大，S 和X 的分布将近似正态分布。 换句话说，中心极限定理表明，随着 n 变大，无论原始分布是什么，独立、同分布的随机变量 的总和或平均值将变得近似正态。 n 必须有多大？这取决于原始分布的 “不正常”程度。 假设我们从采用 150 到 250 之间的值的均匀分布开始。可以将其视为在 150 到 250 之间的 线段上随机选择一个点。 对于均匀分布，n = 6 足以使中心极限定理生效。 Art Swersey 9/18/14 The Central Limit Theorem: A Remarkable and Important Result in Statistics A Bowl-Shaped Probability Distribution 0.3 Probability 0.25 That X = x 0.2 0.15 0.1 0.05 0 1 2 3 4 5 6 7 8 9 10 x Let X be a random variable with the following “bowl-shaped” probability distribution. x Pr{X = x } 0 .2684 1 .1091 Suppose we take a random sample of size 30 2 .0542 from this distribution and take the average. 3 .0329 Further suppose we repeat the procedure 4 .0244 1000 times producing 1000 sample averages 5 .0220 of samples of size 30. We then make a 6 .0244 histogram of these 1000 averages. What will 7