Вероятность и статистика · Законы и теоремы

Центральная предельная теорема

Почему нормальная форма возникает у стандартизованных сумм и какие условия нельзя опускать.

6 минут на чтениеЗаданий для самопроверки: 3

Чему научимся

Теорема объясняет появление колоколообразных приближений для сумм и средних и позволяет оценивать вероятности больших серий. Она не утверждает, что исходные величины становятся нормальными.

Главная идея. Центральная предельная теорема описывает форму случайных отклонений суммы от её среднего: после вычитания nμ и деления на σ√n распределение приближается к стандартному нормальному.

План рассуждения и проверка понимания

Проверьте классические условия: величины независимы, одинаково распределены, имеют конечные μ и положительную конечную дисперсию σ².
Для суммы найдите центр nμ и масштаб σ√n; для среднего используйте центр μ и стандартную ошибку σ/√n.
Стандартизуйте интересующую границу и выразите приближённую вероятность через функцию стандартного нормального распределения Φ.
Оцените разумность приближения с учётом n, асимметрии, тяжёлых хвостов и при необходимости поправки на непрерывность.

Частая ошибка. Ссылаться на правило «n больше 30» как на универсальную гарантию и применять нормальное приближение при сильной зависимости или бесконечной дисперсии.

Как проверить себя. Назовите реальные условия выбранной версии ЦПТ и помните, что скорость приближения зависит от закона и области хвоста; число 30 не заменяет проверку.

Схема к теме

Наглядная модель: Центральная предельная теорема

Почему нормальная форма возникает у стандартизованных сумм и какие условия нельзя опускать.

Центральная предельная теорема → ЦПТ
Центральная предельная теорема → стандартизация
Центральная предельная теорема → нормальное приближение

Схема связывает понятие «Центральная предельная теорема» с его ключевыми признаками. Вывод: Свяжите определение, условия и обозначения: тогда формула станет краткой записью уже понятной идеи.

Проверка пониманияОбъясните тему своими словами

Объясните, почему для ста независимых индикаторов с p = 0,5 число успехов имеет центр 50, масштаб 5, а значение 60 соответствует z = 2.

В хорошем объяснении есть:

Ожидание суммы вычислено как np = 50, а дисперсия как np(1 − p) = 25.
Стандартное отклонение равно 5, поэтому стандартизация даёт (60 − 50)/5 = 2.

Форма случайных колебаний

Центральная предельная теорема описывает не исчезновение случайности, а форму колебаний суммы вокруг её среднего. В классической версии величины независимы, одинаково распределены и имеют конечную положительную дисперсию. Из суммы вычитают $n\mu$ и делят на $\sigma\sqrt n$ . Распределение полученного $Z_n$ приближается к стандартному нормальному при росте $n$ .

Точнее, для каждого фиксированного $z$ вероятность $P(Z_n\le z)$ стремится к $\Phi(z)$ — функции стандартного нормального распределения. Это сходимость по распределению, а не утверждение, что каждая величина в сумме становится нормальной.

Среднее и сумма

У суммы ожидание $n\mu$ и дисперсия $n\sigma^2$ . У среднего ожидание $\mu$ и дисперсия $\sigma^2/n$ . Поэтому для среднего стандартизация имеет вид $(\bar X-\mu)/(\sigma/\sqrt n)$ . Закон больших чисел объясняет концентрацию среднего, а ЦПТ — форму и масштаб остающихся отклонений.

Три примера

Для независимых индикаторов с $p=0.5$ и $n=100$ число успехов имеет среднее 50 и стандартное отклонение 5. Значение 60 соответствует стандартизованному отклонению $(60-50)/5=2$ .
Если отдельные измерения имеют среднее 10 и дисперсию 9, среднее 36 независимых одинаково распределённых измерений имеет стандартное отклонение $3/6=0.5$ .
Если сами $X_i$ нормальны и независимы, стандартизованная сумма нормальна точно при любом $n$ . Для других распределений нормальная форма в общем случае лишь приближение.

Условия и ловушки

Правило «достаточно 30 наблюдений» не является универсальной теоремой: точность зависит от формы закона, хвостов и выбранной вероятности. При бесконечной дисперсии эта версия неприменима; при зависимости нужны другие условия. Для дискретных сумм поправка на непрерывность может улучшить приближение, но не превращает его в точный ответ. Нормальное приближение не оправдывает использование смещённой выборки.

Формула, смысл и ограничения

Главные формулы с расшифровкой

Z_n=\frac{X_1+\cdots+X_n-n\mu}{\sigma\sqrt n}\ \xrightarrow{d}\ N(0,1)

Формула словами: Xᵢ независимы и одинаково распределены; E[Xᵢ]=μ, 0 < Var(Xᵢ)=σ² < ∞.

От формулы к наблюдению

Попробуйте самостоятельно

Измените параметры и сопоставьте расчёт с результатами случайного эксперимента.

Лаборатория: ЦПТ

От простого к сложному

Проверьте себя

Сначала запишите решение самостоятельно. Затем можно открыть намёк, сравнить каждый переход с пошаговым разбором и только после этого посмотреть ответ. Прогресс сохраняется в этом браузере.

Открываем задание…

Источники и соглашения

Объяснения и задачи — авторские. Источники помогают проверить определения, условия и школьную привязку. Обозначения и параметризация указаны в статье.