林德伯格-莱维中心极限定理和棣莫弗-拉普拉斯中心极限定理是概率统计中的重要理论。这两个定理描述了独立同分布随机变量序列的和或伯努利试验中事件出现次数的标准化版本趋向于正态分布的现象。这一理论在数据分析和统计推断中有着广泛的应用，为理解大样本数据的行为提供了基础。
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
1万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
