본문 바로가기
Study/통계학

29. 큰 수의 법칙과 중심극한정리(Law of Large Numbers and Central Limit Theorem)

by EDGE-AI 2022. 3. 9.

본 글은 Havard University Statistics 110 강의를 듣고 정리한 내용입니다.

큰 수의 법칙(Law of Large Numbers)

X1, X2, ...가 i.i.d.이고, 평균(μ)과 분산(σ2) 이 존재한다.

표본평균

Xn=1nj=1nXj

Strong 큰 수의 법칙 : n이 무한대로 갈수록, Xn은 μ로 수렴한다.(확률은 1) -> 표본평균이 실제평균에 수렴한다.

 

Ex.

Xj ~ Bern(p) 일 때, 확률 1로 아래와같이 수렴한다.

X1++Xnnp

 

Weak 큰 수의 법칙 : 0보다 큰 c에 대해, n이 무한대로 갈 때, 

P(|Xnμ|>c)0

Proof) 쳬비셰프 부등식 이용

P(|Xnμ|>c)Var(Xn)c2=1n2nσ2c2=σ2nc20

sigma와 c는 모두 상수이고, n은 무한대로 가기 때문에 0으로 수렴

중심극한정리(Central Limit Theorem) 

XnμnσN(0,1)

X는 이항일 수도 있고 연속일 수도 있다.

n이 클 떼, 확률변수는 정규분포에 근사한다.

아래와 같은 형태로 작성할 수도 있다.

j=1nXjnμnσN(0,1)

M(0) = 1, M'(0) = 0, M''(0) = 1 

 

Ex. 정규분포의 이항분포에의 근사

XBin(n,p),X=j=1nXj,XjiidBern(p)

P(aXb)=P(anpnpqXnpnpqbnpnpq)

Φ(bnpnpq)Φ(anpnpq)

n이 무한대로 갈 때 p가 0으로 가고 np는 고정된다면, 이항분포는 포아송 분포로 수렴

Pois : n large, p small, lambda = np

Normal: n large, p close to 1/2

 

 

 

출처: https://www.edwith.org/ai152

댓글