一.狄莫弗二项分布的研究
1721年,亚历山大.咯明向狄莫弗提出了一个计算赌博期望的问题,期望为:
D
N
=
E
(
∣
X
−
N
p
∣
)
=
∑
i
=
1
N
∣
∣
i
−
N
p
∣
b
(
N
,
p
,
i
)
D_{N}=E(|X-Np|)=\sum_{i=1}^{N}||i-Np|b(N,p,i)
DN=E(∣X−Np∣)=∑i=1N∣∣i−Np∣b(N,p,i)
狄莫弗在N为整数时得出:
D
N
=
2
N
p
q
b
(
N
,
p
,
N
p
)
D_{N}=2Npqb(N,p,Np)
DN=2Npqb(N,p,Np)
狄莫弗对上述公式进行了一些讨论,记
K
N
=
E
(
∣
X
N
−
p
∣
)
=
D
N
N
=
2
p
q
b
(
N
,
p
,
N
p
)
K_{N}=E(|\frac{X}{N}-p|)=\frac{D_{N}}{N}=2pqb(N,p,Np)
KN=E(∣NX−p∣)=NDN=2pqb(N,p,Np)
容易证明:
lim
n
→
∞
b
(
N
,
p
,
N
p
)
=
0
\lim\limits_{n \to \infty}b(N,p,Np)=0
n→∞limb(N,p,Np)=0
后来狄莫弗证明了当
N
→
∞
N \to \infty
N→∞时,
b
(
N
,
p
,
N
p
)
b(N,p,Np)
b(N,p,Np)以
1
N
\frac{1}{\sqrt{N}}
N1趋于0。
狄莫弗深入研究二项式的计算,记
b
(
i
)
=
b
(
2
m
,
1
2
,
i
)
b(i)=b(2m,\frac{1}{2},i)
b(i)=b(2m,21,i),有:
b
(
m
)
∼
2.618
(
1
−
1
N
)
N
N
−
1
b(m) \sim2.618\frac{(1-\frac{1}{N})^{N}}{\sqrt{N-1}}
b(m)∼2.618N−1(1−N1)N
注意这里的
∼
\sim
∼表示趋近,
N
→
∞
N \to \infty
N→∞时比为1的意思。这是一个重要的工具,在二项式的研究和正态分布的研究过程中。
同时还研究了
N
→
∞
N \to \infty
N→∞时
b
(
m
)
b
(
m
+
d
)
\frac{b(m)}{b(m+d)}
b(m+d)b(m)的关系,这样便可求出
b
(
m
+
d
)
b(m+d)
b(m+d)的趋近形式。
斯特林得知狄莫弗的结果后作出了2个关于b(m)级数的表示,首次将
π
\pi
π引入到这类公式。同时当
m
=
m
2
,
N
→
∞
m=\frac{m}{2}, N \to \infty
m=2m,N→∞,得出:
b
(
m
)
∼
2
π
N
(
1
)
b(m) \sim \sqrt{\frac{2}{\pi N}} ~~~~~~~~~~~~~(1)
b(m)∼πN2 (1)
其实利用瓦里斯无穷乘积结果和b(m)的乘积形式便可得出。
(附上注明的斯特林公式简洁形式:
m
!
∼
2
π
m
m
+
1
2
e
−
m
m! \sim\sqrt{2\pi}m^{m+\frac{1}{2}}e^{-m}
m!∼2πmm+21e−m)。
又过去了几年,狄莫弗放弃了精确的要求,得出:
b
(
m
+
d
)
b
(
m
)
∼
e
x
p
(
−
2
d
2
N
)
.
\frac{b(m+d)}{b(m)} \sim exp(-\frac{2d^{2}}{N}).
b(m)b(m+d)∼exp(−N2d2).
注意d可以随着N变换但
d
N
\frac{d}{\sqrt{N}}
Nd保持有界。
结合(1)式,便得出
b
(
m
+
d
)
∼
2
2
π
N
e
−
2
d
2
N
b(m+d) \sim\frac{2}{\sqrt{2\pi N}}e^{-\frac{2d^{2}}{N}}
b(m+d)∼2πN2e−N2d2。
狄莫弗工作的一个重要意义:
观察值的算术平均的精度,与观察次数N的平方跟成正比。
二.对大数定律问题的作用:
原问题:
∣
x
N
−
p
∣
≤
ε
|\frac{x}{N}-p| \leq \varepsilon
∣Nx−p∣≤ε的概率不小于
c
(
c
+
1
)
\frac{c}{(c+1)}
(c+1)c,
N
N
N最少为多少?
将问题作个转换:
P
d
=
P
(
∣
X
−
N
p
∣
)
≤
d
)
P_{d}=P(|X-Np|)\leq d)
Pd=P(∣X−Np∣)≤d),固定
N
N
N,去计算
P
d
P_{d}
Pd。
对此狄莫弗提出了中心极限定理 (里程碑):
P
d
=
∑
i
:
∣
m
−
i
∣
≤
d
b
(
i
)
∼
2
2
π
N
∑
i
:
∣
m
−
i
∣
≤
d
e
−
2
(
d
N
)
2
∼
2
2
π
∫
−
d
N
d
N
e
−
2
x
2
d
x
∼
1
2
π
∫
−
2
d
N
2
d
N
e
−
x
2
2
d
x
P_{d}=\sum_{i:|m-i|\leq d}b(i)\sim \frac{2}{ \sqrt{2\pi N}} \sum_{i:|m-i|\leq d}e^{-2\big(\frac{d}{\sqrt{N}}\big)^{2}}\sim \frac{2}{\sqrt{2\pi}}\int_{-\frac{d}{\sqrt{N}}}^{\frac{d}{\sqrt{N}}} e^{-2x^2}\, dx\sim\frac{1}{\sqrt{2\pi}}\int_{-\frac{2d}{\sqrt{N}}}^{\frac{2d}{\sqrt{N}}} e^{-\frac{x^2}{2}}\, dx
Pd=∑i:∣m−i∣≤db(i)∼2πN2∑i:∣m−i∣≤de−2(Nd)2∼2π2∫−NdNde−2x2dx∼2π1∫−N2dN2de−2x2dx
令
d
=
c
N
d=c\sqrt{N}
d=cN,取C充分大,对于足够大的
N
N
N,事件
∣
X
N
−
1
2
∣
≤
C
N
|\frac{X}{N}-\frac{1}{2}|\leq \frac{C}{\sqrt{N}}
∣NX−21∣≤NC的概率可任意趋近于1。由于
lim
N
→
∞
C
N
=
0
\lim_{N \to \infty}\frac{C}{\sqrt{N}}=0
limN→∞NC=0,所以对于任意
ε
>
0
\varepsilon>0
ε>0,有
lim
N
→
∞
∣
X
N
−
1
2
∣
≤
ε
=
1
\lim_{N \to \infty}|\frac{X}{N}-\frac{1}{2}|\leq\varepsilon=1
limN→∞∣NX−21∣≤ε=1,即伯努利大数定率。
三.其他关于二项分布的工作:
(1)
p
p
p不为
1
/
2
1/2
1/2的情况。
(2)波哇松公式:
lim
N
→
∞
b
(
N
,
p
,
k
)
=
e
−
λ
λ
k
k
!
,
λ
=
lim
N
→
∞
N
p
\lim_{N \to \infty}b(N,p,k)=e^{-\lambda} \frac{\lambda^{k}}{k!},\lambda=\lim_{N \to \infty} Np
limN→∞b(N,p,k)=e−λk!λk,λ=limN→∞Np
…