Disons que nous avons une variable aléatoire avec une plage de valeurs délimitées par et , où est la valeur minimale et la valeur maximale.b a b
On m'a dit que comme , où est notre taille d'échantillon, la distribution d'échantillonnage de nos moyennes d'échantillon est une distribution normale. Autrement dit, lorsque nous augmentons nous nous rapprochons de plus en plus d'une distribution normale, mais la limite réelle en tant que est égale à une distribution normale.nn → ∞
Cependant, ne fait-il pas partie de la définition de la distribution normale qu'elle doit étendre de à ?∞
Si le maximum de notre plage est , alors la moyenne maximale de l'échantillon (quelle que soit la taille de l'échantillon) va être égale à et la moyenne minimale de l'échantillon égale à .b a
Il me semble donc que même si nous prenons la limite lorsque approche de l'infini, notre distribution n'est pas une distribution normale réelle, car elle est limitée par et .b
Qu'est-ce qui me manque ?
la source
Si vous faites référence à un théorème central de limite, notez qu'une bonne façon de l'écrire est
dans des conditions normales ( étant la moyenne et l'écart type de ).x iμ,σ xi
Avec cette définition formelle, vous pouvez voir tout de suite que le côté gauche peut prendre des valeurs pour n'importe quelle plage finie étant donné un assez grand .n
Pour aider à se connecter à l'idée informelle selon laquelle "une moyenne s'approche d'une distribution normale pour un grand ", nous devons réaliser que "s'approche d'une distribution normale" signifie que les CDF se rapprochent arbitrairement d' une distribution normale lorsque devient grand. Mais à mesure que devient grand, l'écart-type de cette distribution approximative diminue, de sorte que la probabilité d'une queue extrême de la normale approximative passe également à 0.n nn n n
Par exemple, supposons . Ensuite, vous pouvez utiliser l'approximation informelle pour dire queXi∼Bern(p=0.5)
Donc, s'il est vrai que pour tout fini ,n
(ce qui implique que l'approximation n'est clairement jamais parfaite), comme ,n→∞
Donc , cet écart entre la distribution réelle et la distribution approximative est en train de disparaître, comme il est censé se produire avec des approximations.
la source