Сходимость распределения биномиального распределения к нормальному
В системе, ячейки которой заполнены в соответствии с
биномиальное распределение (например,
Galton "
bean machine ", показанное здесь), учитывая достаточное количество попыток (здесь ряды выводов, каждый из которых вызывает падение " bean, чтобы упасть влево или вправо), форма, представляющая распределение вероятностей k успехов в n испытаниях (см. нижнюю часть рис. 7), приблизительно соответствует распределению Гаусса со средним значением np и дисперсией np (1 − p), предполагая, что испытания независимы, а успех случается с вероятностью p.
Рассмотрим подбрасывание набора из n монет очень большое количество раз и подсчет количества выпавших «орлов» каждый раз. Возможное количество голов при каждом броске k изменяется от 0 до n по горизонтальной оси, в то время как вертикальная ось представляет относительную частоту появления исхода k голов. Таким образом, высота каждой точки - это вероятность наблюдения k орлов при подбрасывании n монет (
биномиальное распределение на основе n попыток). Согласно теореме де Муавра – Лапласа, когда n увеличивается, форма дискретного распределения сходится к непрерывной гауссовой кривой
нормального распределения.
В теории вероятностей, Теорема де Муавра – Лапласа, которая является частным случаем центральной предельной теоремы , утверждает, что нормальное распределение может использоваться в качестве приближения к биномиальному распределению при определенных условиях. В частности, теорема показывает, что функция массы вероятности случайного числа «успехов», наблюдаемых в серии независимых Бернулли испытания, каждое из которых имеет вероятность успеха (биномиальное распределение с испытаниями), сходится к функции плотности вероятности нормального распределения со средним значением и стандартным отклонением , поскольку становится большим, предполагая, что не или .
Теорема появилась во втором издании Доктрины. of Chances авторства Abraham de Moivre, опубликовано в 1738 году. Хотя де Муавр не использовал термин «испытания Бернулли», он писал о распределении вероятностей количества раз "головы "появляется, когда монета подбрасывается 3600 раз.
Это одно из производных от конкретной функции Гаусса, используемой в нормальном распределении.
Содержание
- 1 Теорема
- 1.1 Доказательство
- 1.2 Альтернативное доказательство
- 2 Общая информация
- 3 См. Также
- 4 Примечания
Теорема
По мере роста n, для k в окрестности np мы можем аппроксимировать
в том смысле, что соотношение левой и правой стороны сторона сходится к 1 при n → ∞.
Доказательство
Более строго теорему можно сформулировать следующим образом: , с случайная величина с биномиальным распределением, приближается к стандартной норме при , с отношением вероятностной массы к предельной нормальной плотности, равной 1. Это может отображаться для произвольной ненулевой и конечной точки . На немасштабированной кривой для это будет точка , заданная как
Например, с на 3, остается на 3 стандартных отклонения от среднего значения на немасштабированной кривой.
Нормальное распределение со средним значением и стандартным отклонением определяется дифференциальное уравнение (DE)
- с начальным условием, заданным аксиомой вероятности .
Предел биномиального распределения приближается к нормальному, если биномиальное удовлетворяет этому ДУ. Поскольку бином является дискретным, уравнение начинается с разностного уравнения, предел которого трансформируется в DE. В разностных уравнениях используется дискретная производная, , изменение размера шага 1. Поскольку , дискретная производная становится непрерывная производная. Следовательно, доказательство необходимо показать только то, что для немасштабированного биномиального распределения
- as .
Требуемый результат может быть показан напрямую:
Последнее верно, потому что член доминирует как в знаменателе, так и в числителе при .
Поскольку принимает только целые значения, константа подлежит округлению. ошибка. Однако максимальное значение этой ошибки, , является исчезающим значением.
Альтернативное доказательство
Доказательство состоит в преобразовании левой части (в формулировке теоремы) в правую с помощью трех приближений.
Во-первых, согласно формуле Стирлинга факториал большого числа n можно заменить приближением
Таким образом,
Затем приближение используется для сопоставления корня, указанного выше, с желаемым корнем справа.
Наконец, выражение переписывается в виде экспоненты и используется приближение ряда Тейлора для ln (1 + x):
Тогда
Каждый ""в приведенном выше аргументе - это утверждение, что две величины асимптотически эквивалентны при увеличении n в том же смысле, что и в исходном утверждении теоремы, т. Е. Что отношение каждой пары величин стремится к 1 при n → ∞.
Общая информация
- Стена - это пример телевизионного игрового шоу, в котором используется теорема Де Муавра – Лапласа.
См. Также
- Распределение Пуассона - альтернативное приближение биномиального распределения для больших значений n.
Примечания