Normal bir dağılımı tahmin etmek için saf bir yöntem , [ 0 , 1 ] üzerine eşit olarak dağıtılmış belki IID rastgele değişkeni bir araya getirmek , sonra Merkezi Limit Teoremine dayanarak yeniden girmek ve yeniden ölçeklendirmektir. ( Yan not : Box-Muller dönüşümü gibi daha doğru yöntemler vardır .) IID U ( 0 , 1 ) rasgele değişkenlerin toplamı, tekdüze toplam dağılımı veya Irwin-Hall dağılımı olarak bilinir .
Normal dağılım ile eşit toplam dağılımına yaklaşmadaki hata ne kadar büyük?
Bu tür bir soru IID rastgele değişkenlerinin toplamına yaklaşmak için ortaya çıktığında, insanlar (ben dahil) üçüncü anın var olduğu göz önüne alındığında Merkezi Limit Teoreminin etkili bir versiyonu olan Berry-Esseen Teoremini getirir :
burada , IID rasgele değişkenlerinin yeniden ölçeklenmiş toplamı için kümülatif dağılım fonksiyonudur , mutlak üçüncü merkezi moment , standart sapma ve olarak kabul edilebilir bir mutlak sabittir ya da .
Bu tatmin edici değil. Bana öyle geliyor ki, Berry-Esseen tahmininin simetrik binom dağılımı için en büyük hatası olan ayrık olan binom dağılımlarında keskinliğe en yakın olduğu görülüyor . En büyük hata en büyük sıçramayla gelir. Ancak, muntazam toplam dağılımında sıçrama yoktur.
Sayısal testler hatası daha hızlı çeker düşündürmektedir .
Kullanma , Berry-Esseen tahminidir
ki bu için sırasıyla yaklaşık 0.205 , 0.145 ve 0.103'tür . Gerçek maksimum fark n = 10 , 20 , 40 ile ilgili olduğu görülmektedir 0.00281 , 0.00139 ve 0.000692 düşmeye çok daha küçüktür, sırasıyla, ve görünen C / n yerine c / √ .