林德伯格–莱维中心极限定理
设
{
X
n
}
\{X_n\}
{Xn} 是独立同分布的随机变量序列,且
E
(
X
i
)
=
μ
E(X_i)=\mu
E(Xi)=μ,
V
a
r
(
X
i
)
=
σ
2
>
0
Var(X_i)=\sigma^2>0
Var(Xi)=σ2>0 存在,若记
Y n ∗ = X 1 + X 2 + ⋯ + X n − n μ σ n Y^*_n=\frac{X_1+X_2+\cdots+X_n-n\mu}{\sigma\sqrt{n}} Yn∗=σnX1+X2+⋯+Xn−nμ
则对任意实数 y y y,有
lim n → ∞ P ( Y n ∗ ⩽ y ) = ϕ ( y ) = 1 2 π ∫ − ∞ y e − t 2 2 d t \lim_{n\to\infty}P(Y_n^*\leqslant y)=\phi(y)=\frac{1}{\sqrt{2\pi}}\int_{-\infty}^ye^{-\frac{t^2}{2}}{\rm d}t n→∞limP(Yn∗⩽y)=ϕ(y)=2π1∫−∞ye−2t2dt
棣莫弗–拉普拉斯中心极限定理
设
n
n
n 重伯努利实验中,事件
A
A
A 在每次试验中出现的概率为
p
p
p,记
S
n
S_n
Sn 为
n
n
n 次实验中事件
A
A
A 出现的次数,且记
Y n ∗ = S n − n p n p q Y^*_n=\frac{S_n-np}{\sqrt{npq}} Yn∗=npqSn−np
则对任意实数 y y y,有
lim n → ∞ P ( Y n ∗ ⩽ y ) = ϕ ( y ) = 1 2 π ∫ − ∞ y e − t 2 2 d t \lim_{n\to\infty}P(Y^*_n\leqslant y)=\phi(y)=\frac{1}{\sqrt{2\pi}}\int_{-\infty}^ye^-\frac{t^2}{2}{\rm d}t n→∞limP(Yn∗⩽y)=ϕ(y)=2π1∫−∞ye−2t2dt