知识卡片
中心极限定理
大量独立同分布随机变量的均值,其分布随样本量增大趋近正态,无论原始分布长什么样。若单个变量均值 μ、标准差 σ,则 n 个变量的均值近似 N(μ, σ/√n),标准化后近似 N(0,1)。注意标准差按 √n 缩小而不是按 n 缩小:样本翻四倍,误差才减半,这是“多收集数据收益递减”的数学来源。二项分布直接受益——它是 n 个伯努利之和,均值 np、标准差 √(np(1−p)),所以“抛 100 次正面超过 60 次”可用 N(50,5) 估算,省去逐项求和。前提是独立同分布且 n 足够大,原始分布越偏斜,需要的 n 越大。
这张卡片看不懂?
这张卡片已通过人工审查,不再接受失败反馈。
已有反馈 · 0 条
还没有人提交反馈。
在整书笔记中的位置
- · 第6章 概率
原书出处 · 1 处
- 第6章 概率 · 查看原书依据
正态分布运用如此广泛的一个原因是中心极限定理(central limit theorem),它表示,一个随机变量,定义为大量独立同分布的随机变量的均值,它本身就是接近于正态分布的。
参考来源
- 位置:《数据科学入门(第2版)》第6章 概率(源文件:extracted/数据科学入门(第2版)/_epub-src/OEBPS/Text/0010.xhtml)
- 结论依据:原文这一段直接给出本卡的核心判断:「正态分布运用如此广泛的一个原因是中心极限定理(central limit the……」
- 原始内容:正态分布运用如此广泛的一个原因是中心极限定理(central limit theorem),它表示,一个随机变量,定义为大量独立同分布的随机变量的均值,它本身就是接近于正态分布的。