样本均值怎样变成钟形
从偏斜的 0–1 分布、均匀分布和指数分布中反复抽样,比较母分布与样本均值的分布;切换标准化后,观察不同母分布为什么趋向同一条钟形曲线。
- 模拟直方图
- 正态近似
母分布:每次独立抽一个 Xᵢ
5000 个样本均值的分布,虚线是理论正态曲线
每个样本的容量 n
均值的均值 0.1均值的标准差 0.093理论值 0.1 ± 0.095
母分布均值 μ 0.1均值的标准差 σ/√n 0.095
你观察到了什么?先动手,再回答。想清楚之后再看解释。
- 1.选 Bernoulli(p),先看 n = 1 时直方图的形状,再依次切到 n = 10、30、100。形状和宽度分别怎样变?这和“原始数据会变成正态分布”是一回事吗?
- 2.保持 n 不变,分别换成均匀分布和指数分布。哪个统计量随 n 按 1/√n 缩小?点“标准化后”,三种母分布的直方图有什么共同点?
- 3.把 Bernoulli 的 p 从 0.1 调到 0.5。偏斜程度怎样变化?再把 p 调回 0.1,增大 n 时,为什么正态近似又变得可用?
n = 1 时,样本均值就是一次观测,直方图保留母分布的形状;n 增大后,许多独立项平均起来,形状逐渐接近正态曲线。改变的是样本均值的分布,不是母分布本身。若母分布的期望为 μ、方差为 σ²,则样本均值的期望仍是 μ,标准差是 σ/√n:n 每增大 4 倍,宽度减半,这对应大数定律。把均值减去 μ、再除以 σ/√n 后,三种母分布的直方图都以 0 为中心、宽度约为 1,并逐渐接近同一条 N(0,1) 曲线,这才是中心极限定理。Bernoulli 的 p = 0.5 时母分布比较对称,n 很小时形状就较好;p = 0.1 时明显右偏,但独立同分布且方差有限,n 足够大时标准化后的分布仍趋向正态。模拟的 5000 个样本均值有抽样波动,不会与理论曲线完全相同。
对应知识点:中心极限定理
讨论
发现错误、有疑问或建议,也可以直接写信到 620026600@qq.com
还没有评论。写下你的理解、疑问,或者指出这一页的错误。
登录后参与讨论