matlab求极限分布,中心极限定理的Matlab演示

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