Try   HackMD

來自常態分配隨機樣本的中央極限定理分析

tags: 中央極限定理 central limit theorem 機率分配 抽樣分配

1. 常態分配相加還是常態

常態分配(Normal distribution)以

Normal(μ,σ2)表示,其中,
μ
為母體平均數,
σ
為母體標準差。

假設

X1,X2,,Xn獨立來自
Normal(μ,σ2)
,代表
XiNormal(μ,σ2),i=1,2,...,n

1.1.
X1+X2
的分配

想求得分配須先求得參數。常態分配的加減還是常態分配,而加減則反映在參數上。所以,我們要求得兩隨機樣本相加的參數。

常態分配參數只有兩個,一個平均數,一個變異數。所以以下分別列出求得的結果。

E(X1+X2)=E(X1)+E(X2)=μ+μ=2μ

Var(X1+X2)=Var(X1)+Var(X2)2Cov(X1,X2)=σ2+σ20=2σ2

所以,

X1+X2的分配為
Normal(2μ,2σ2)

依此類推,

X1+X2++XnNormal(nμ,nσ2)

1.2.
X1+X22
的分配

E(X1+X22)=12×(E(X1)+E(X2))=12×(μ+μ)=μ

Var(X1+X22)=14×(Var(X1)+Var(X2)2Cov(X1,X2))=14×(σ2+σ20)=σ22

所以,

X1+X22的分配為
Normal(μ,σ22)

依此類推,

X1+X2++XnnNormal(μ,σ2n)

1.3. 小結

  1. 常態分配的特性在相加過程中維持常態分配,參數則可能有所改變,但維持母體平均數和母體變異數的線性組合。換言之,常態分配的加減維持穩定的分配特性。

  2. 常態分配的母體平均數值和母體變異數值維持固定且相互不影響,甚至三階動差和四階動差各自為0和3的固定常數,這在分析過程中是非常方便的簡化假設,讓數學推導過程中更加輕鬆。

2. 常態分配的隨機樣本之中央極限定理

中央極限定理是愈多隨機樣本的相加會趨近常態分配。
現在隨機樣本來自常態分配,常態分配相加還是常態分配。
所以來自常態分配的愈多隨機樣本相加還是常態分配,不是中央極限定理特性,而是常態分配自己的特性。

來自常態分配的隨機樣本自身帶有常態分配,而參數如1.1和1.2的計算過程得到。所以隨著隨機樣本的個數

(n)增加時,常態分配的隨機樣本相加或取平均數都是常態分配。

根據驗證中央極限定理的方法介紹文,五種驗證方法都能夠得到愈多的隨機樣本服從常態分配。

相關的驗證過程可觀看Youtube影片的第四部份。

Image Not Showing Possible Reasons
  • The image file may be corrupted
  • The server hosting the image is unavailable
  • The image path is incorrect
  • The image format is not supported
Learn More →