| 查看: 2013 | 回复: 8 | |||
| 当前只显示满足指定条件的回帖，点击这里查看本话题的所有回帖 | |||
charlesrain铜虫 (小有名气)
|
[交流]
【求助】关于中心极限定理（central limit theorem） 已有2人参与
|
||
|
感觉这与我所学的中心极限定理不太一样，所以到数学版来请教一下 http://mathworld.wolfram.com/CentralLimitTheorem.html |
回复此楼» 猜你喜欢
我面上完蛋了
已经有11人回复
-
售SCI一区文章，我:8.O.551.O.5.4,科目全,可伽急
已经有8人回复
-
售SCI一区文章，我:8.O.55.1.O.54,科目齐全,可伽急
已经有3人回复
-
明天应该可查了！？
已经有5人回复
-
如果此刻你正在为国基感到焦虑，不妨来听听这首《基金之外》
已经有7人回复
-
没有任何消息-是不是就凉了
已经有8人回复
-
售SCI-T0P文章，我:8O.5.5.1.O.54,科目齐全,可+急
已经有3人回复
-
人气不行了
已经有10人回复
-
能否退出参与的面上项目解除限项
已经有24人回复
-
filecode，4个jtjc了
已经有17人回复
» 本主题相关价值贴推荐，对您同样有帮助:
- 求教：概率和统计的一些基础知识。
已经有21人回复
- 大数定理和中心极限定理的一道高难度题
已经有6人回复
- 【转载】北师大“概率论”研究群体：概率论科学的默默探索者
已经有8人回复
Pchief
铁杆木虫 (正式写手)
- 数学EPI: 26
- 应助: 13 (小学生)
- 贵宾: 0.024
- 金币: 11209.9
- 红花: 36
- 帖子: 987
- 在线: 1996.1小时
- 虫号: 52235
- 注册: 2004-09-04
- 专业: 泛函分析
charlesrain(金币+1):有空的话再给我讲讲，呵呵 2010-10-30 07:07:21
|
这个名词你不用去纠结，你只需要看它的解释： The "fuzzy" central limit theorem says that data which are influenced by many small and unrelated random effects are approximately normally distributed. 一个受到大量不相关的随机小因素影响的数据近似服从正态分布。 这里的关键词有几个：“大量”——不能太少，两三个肯定不是大量；“不相关”——彼此之间需要相互独立；“小因素”——指的是因素之间比较平均，相互比起来都相差不大，没有个别显得特别突出的因素，以至掩盖其他因素的作用。 这些陈述在数学上的精确描述就是Lindeburg-Feller中心极限定理：  |
3楼2010-10-28 10:47:59
charlesrain
铜虫 (小有名气)
- 应助: 0 (幼儿园)
- 金币: 186.5
- 散金: 3
- 帖子: 62
- 在线: 6.1小时
- 虫号: 967257
- 注册: 2010-03-10
- 性别: GG
- 专业: 纳米电子学
2楼2010-10-28 02:40:08
charlesrain
铜虫 (小有名气)
- 应助: 0 (幼儿园)
- 金币: 186.5
- 散金: 3
- 帖子: 62
- 在线: 6.1小时
- 虫号: 967257
- 注册: 2010-03-10
- 性别: GG
- 专业: 纳米电子学
4楼2010-10-30 07:06:30
Pchief
铁杆木虫 (正式写手)
- 数学EPI: 26
- 应助: 13 (小学生)
- 贵宾: 0.024
- 金币: 11209.9
- 红花: 36
- 帖子: 987
- 在线: 1996.1小时
- 虫号: 52235
- 注册: 2004-09-04
- 专业: 泛函分析
charlesrain(金币+1):非常感谢，不过我还有一个问题，呵呵 2010-10-30 22:54:44
|
这段话翻译过来就是 如果N个随机变量X1, ..., XN相互独立，每个Xi服从任意的分布，则它们的总和的标准化近似服从于正态分布。 如果对每个Xi服从的分布附加其它的假设，则总和本身也服从标准正态分布。如果未实施标准化这一步骤，则这N个变量的平均数服从一个期望为μX（诸期望的平均数）和标准差σX（诸方差的平均数的算术平方根）的正态分布。 关于这段话的说明： （1）大量相互独立的随机变量之和近似服从正态分布，这是中心极限定理的结论。但实际上，还需要假定每个变量的方差与所有变量方差之和相比很小，就是说，不能有个别变量对总和方差贡献太大，好比说一个极端的例子就是除了X1以外其它变量都服从单点分布，那么总和的分布将跟X1一样，而不会近似服从正态分布； （2）所谓“对每个Xi服从的分布附加其它的假设”，原文中并未说明具体是什么假设，这里举个例子：就比如说如果X1,...,XN本身都是正态变量，那么它们的总和当然也是正态变量，这里就不存在什么近似不近似的问题，而是精确地服从正态分布。 |
5楼2010-10-30 08:21:43
20