中心极限定理之李雅普诺夫（Lyapunov）定理

听海边涛声

已于 2024-01-06 10:21:44 修改

阅读量1.2k

点赞数 8

文章标签：概率论

于 2024-01-05 16:00:05 首次发布

本文链接：https://blog.csdn.net/panghuangang/article/details/135410399

版权

设随机变量 $X_{1},X_{2},\cdots ,X_{n},\cdots$ 相互独立，它们具有数学期望和方差

$E(X_{k})=\mu _{k}$

$D(X_{k})=\sigma _{k}^{2}>0$

式中， $k=1,2,\cdots$

将方差的和记为

$B_{n}^{2}=\sum_{k=1}^{n}\sigma _{k}^{2}$

若存在正数 $\delta$ ，使得当 $n \to \infty$ 时，

$\frac{1}{B_{n}^{2+\delta }}\sum_{k=1}^{n}E\left \{ \left | X_{k}-\mu _{k} \right | ^{2+\delta }\right \}\rightarrow 0,$

则随机变量之和 $\sum_{k=1}^{n}X_{k}$ 的标准化变量

$Z_{n}=\frac{\sum_{k=1}^{n}X_{k}-E(\sum_{k=1}^{n}X_{k})}{\sqrt{D(\sum_{k=1}^{n}X_{k})}}=\frac{\sum_{k=1}^{n}X_{k}-\sum_{k=1}^{n}\mu _{k} }{B_{n} }$

的分布函数 $F_{n}(x)$ 对于任意 $x$ 满足

$\lim_{n \to \infty }F_{n}(x)=\lim_{n \to \infty }P\left \{ \frac{\sum_{k=1}^{n}X_{k}-\sum_{k=1}^{n}\mu _{k} }{B_{n} }\leq x \right \}$

$=\int_{-\infty }^{x}\frac{1}{\sqrt{2\pi }}e^{-t^{2}/2}dt=\Phi (x)\; \; \; \; (1)$

李雅普诺夫（Lyapunov）定理表明，在定理的条件下，随机变量 $Z_{n}=\frac{\sum_{k=1}^{n}X_{k}-\sum_{k=1}^{n}\mu _{k} }{B_{n} }$

当 $n$ 很大时，近似地服从正态分布 $N(0,1)$ 。也就是说，当 $n$ 很大时，变量 $\sum_{k=1}^{n}X_{k}=B_{n}Z_{n}+\sum_{k=1}^{n}\mu _{k}$ 近似地服从正态分布 $N(\sum_{k=1}^{n}\mu _{k},B_{n}^{2})$ 。这就是说，无论各个随机变量 $X_{k}(k=1,2,\cdots )$ 服从什么分布，只要满足定理的条件，那么它们的和 $\sum_{k=1}^{n}X_{k}$ 当 $n$ 很大时，就近似地服从正态分布。