Güzel soru (+1) !!
Bağımsız rastgele değişkenler için ve , ve . Varyansı Böylece olan ve varyans , .Y, V , bir R ( x + Y ) = V , bir R ( X ) + V bir R ( Y ) V , bir R ( , bir ⋅ x ) = a 2 ⋅ V bir R ( X )XYVar(X+Y)=Var(X)+Var(Y)Var(a⋅X)=a2⋅Var(X)∑ n i = 1 σ 2 = n σ 2 ˉ∑ni=1Xi∑ni=1σ2=nσ2nσ2/n2=σ2/nX¯=1n∑ni=1Xinσ2/n2=σ2/n
Bu varyans içindir . Rastgele bir değişkeni standartlaştırmak için, standart sapmasına bölün. Bildiğiniz gibi, beklenen değer ise değişkeni böylece, μX¯μ
N(0,
X¯−E(X¯)Var(X¯)−−−−−−√=n−−√X¯−μσ
, 0 değerini ve varyansını bekler. 1. Bir , standart Gaussian . Birinci denklemdeki formülasyonunuz eşdeğerdir. Sol taraf çarpılarak varyansı ayarlayabilirsiniz .
σ σ 2N(0,1)σσ2
İkinci nokta ile ilgili olarak, yukarıda gösterilen denklem sen bölme zorunda olduğunu göstermektedir inanıyoruz değil kullandığınız açıklarken, denklemi standardize etmek (tahmincisi ve .√σ snσ) √σ−−√snσ)sn−−√
Ekleme: @whuber , ölçeklendirmenin nedenini ile tartışmayı önerir . O öyle orada , ama cevap çok uzun olduğu için (Moivre düşünceleri de rekonstrüksiyonudur), argümanının derinliklerinden yakalamak için çalışacağız.n−−√
Çok sayıda + 1 ve -1 eklerseniz, toplam sayımın basit sayma yoluyla olması olasılığını tahmin edebilirsiniz . Bu olasılığın günlüğü ile orantılıdır . Eğer yukarıdaki büyüklüğün büyükleştikçe bir sabite yakınsamasını istiyorsak, normalize edici bir faktör kullanmak zorundayız .j - j 2 / n n O ( √nj−j2/nnO(n−−√)
Modern (Post-Moivre) matematik araçlarını kullanarak, aranan olasılığın fark edildiğini fark ederek yukarıda belirtilen yaklaşımı görebilirsiniz.
P(j)=(nn/2+j)2n=n!2n(n/2+j)!(n/2−j)!
Stirling'in formülü ile yaklaşık
P(j)≈nnen/2+jen/2−j2nen(n/2+j)n/2+j(n/2−j)n/2−j=(11+2j/n)n+j(11−2j/n)n−j.
log(P(j))=−(n+j)log(1+2j/n)−(n−j)log(1−2j/n)∼−2j(n+j)/n+2j(n−j)/n∝−j2/n.