中心极限定理的Matlab演示
实验要求
用Matlab验证中心极限定理
实验原理
中心极限定理是概率论中的一组定理。中心极限定理说明,大量相互独立的随机变量,其均值的分布以正态分布为极限。这组定理是数理统计学和误差分析的理论基础,指出了大量随机变量之和近似服从正态分布的条件。如果一个随机变量能够分解为独立同分布的随机变量序列之和,则可以直接利用中心极限定理进行解决。总之,恰当地使用中心极限定理解决实际问题有着极其重要意义。
中心极限定理有许多不同的表现形式
一)辛钦中心极限定理
设随机变量$x_1,x_2\cdots,x_n$相互独立,服从同一分布且有有限的数学期望a和方差σ2,则随机变量$\bar{x}=\frac{\sum x_i}{n}$,在n无限增大时,服从参数为a和 $\frac{\sigma^2}{n} $ 的正态分布即n→∞时,
$\bar{x} \to N(a,\frac{\sigma^2}{n})$
将该定理应用到抽样调查,就有这样一个结论:如果抽样总体的数学期望a和方差σ2是有限的,无论总体服从什么分布,从中抽取容量为n的样本时,只要n足够大,其样本平均数的分布就趋于数学期望为a,方差为σ2 / n的正态分布。
二)德莫佛——拉普拉斯中心极限定理
设$\mu_n$是n次独立试验中事件A发生的次数,事件A在每次试验中发生的概率为P,则当n无限大时,频率设$\frac{\mu_n}{n}$趋于服从参数为p,$\frac{p(1-p)}{n}$的正态分布。即:
$\frac{\mu_n}{n} \to N(p,\frac{p(1-p)}{n})$
该定理是