פילוג בינומי וגאוסי
משפט הגבול המרכזי אומר שאם נקח סדרת מ"מ בתמ"ז, אז כעבור n קונבולוציות נקבל התפלגות שקרובה להתפלגות גאוסית.
המתמטיקאי אברהם דה-מואבר הציג את ההתפלגות הנורמלית לראשונה בשנת 1733 כקירוב להתפלגות הבינומית עבור מספר גדול של דגימות. יש לשים לב לדקות הבאה: בעוד שפונקצית ההתפלגות של מ"מ בינומי דומה להתפלגות הגאוסית, כאן מדובר במספר רב של מ"מ בינומיים, אשר מתפלגים יחד התפלגות גאוסית.
משפט: הגבול המרכזי (עבור μ=0)
תהי {Xi } סדרת מ"מ בתמ"ז בעלי תוחלת μ=0 ושונות σ2 אז
lim
n
→
∞
P
(
S
n
σ
n
≤
x
)
=
Φ
(
x
)
{\displaystyle \ \lim \limits _{n\to \infty }\mathbb {P} \left({S_{n} \over \sigma {\sqrt {n}}}\leq x\right)=\Phi (x)}
.
במילים אחרות,
S
n
n
→
N
(
0
,
σ
2
)
{\displaystyle \ {S_{n} \over {\sqrt {n}}}\to N(0,\sigma ^{2})}
בהתפלגות.
שימו לב כי:
E
S
n
σ
n
=
0
{\displaystyle \ \mathbb {E} {S_{n} \over \sigma {\sqrt {n}}}=0}
V
a
r
(
S
n
σ
n
)
=
V
a
r
(
S
n
)
n
σ
2
=
n
σ
2
n
σ
2
=
1
{\displaystyle \ Var\left({S_{n} \over \sigma {\sqrt {n}}}\right)={Var(S_{n}) \over n\sigma ^{2}}={n\sigma ^{2} \over n\sigma ^{2}}=1}
נגדיר מ"מ חדשים:
X
~
i
=
X
i
σ
{\displaystyle \ {\tilde {X}}_{i}={X_{i} \over \sigma }}
, כך שמתקיים:
E
X
~
i
=
0
,
V
a
r
X
~
i
=
1
{\displaystyle \ \mathbb {E} {\tilde {X}}_{i}=0\ ,\ Var{\tilde {X}}_{i}=1}
. על מנת להראות התכנסות להתפלגות הגאוסית נראה כי הפונקציות האופייניות זהות, כלומר ש:
ϕ
S
n
n
→
e
−
s
2
2
{\displaystyle \ \phi _{S_{n} \over {\sqrt {n}}}\to e^{-{s^{2} \over 2}}}
:
ϕ
S
n
n
(
s
)
=
ϕ
S
n
(
s
n
)
=
∏
i
=
1
n
ϕ
X
~
i
(
s
n
)
=
[
ϕ
X
~
1
(
s
n
)
]
n
{\displaystyle \ \phi _{S_{n} \over {\sqrt {n}}}(s)\ =\ \phi _{S_{n}}\left({s \over {\sqrt {n}}}\right)\ =\ \prod \limits _{i=1}^{n}\phi _{{\tilde {X}}_{i}}\left({s \over {\sqrt {n}}}\right)\ =\ \left[\phi _{{\tilde {X}}_{1}}\left({s \over {\sqrt {n}}}\right)\right]^{n}}
כעת נפתח לטור טיילור עם שלושה איברים מובילים (בהמשך נלך לגבול ושאר האיברים יפלו ממילא):
ϕ
(
0
)
=
1
ϕ
′
(
0
)
=
i
E
X
~
i
=
0
ϕ
″
(
0
)
=
i
2
E
X
~
i
2
=
−
1
ϕ
(
s
)
=
1
−
s
2
2
+
R
3
{\displaystyle \ {\begin{array}{lcl}\phi (0)&=&1\\\phi '(0)&=&i\mathbb {E} {\tilde {X}}_{i}\ =\ 0\\\phi ''(0)&=&i^{2}\mathbb {E} {\tilde {X}}_{i}^{2}\ =\ -1\\\phi (s)&=&1-{s^{2} \over 2}+R_{3}\end{array}}}
נציב ונקבל:
[
ϕ
X
~
1
(
s
n
)
]
n
=
(
1
−
s
2
2
n
+
R
3
n
)
n
=
(
1
+
−
s
2
2
+
R
3
n
n
)
n
→
(
1
+
−
s
2
2
n
)
n
→
e
−
s
2
2
{\displaystyle \ \left[\phi _{{\tilde {X}}_{1}}\left({s \over {\sqrt {n}}}\right)\right]^{n}=\left(1-{s^{2} \over 2n}+{R_{3} \over {\sqrt {n}}}\right)^{n}=\left(1+{-{s^{2} \over 2}+R_{3}{\sqrt {n}} \over n}\right)^{n}\to \left(1+{-{s^{2} \over 2} \over n}\right)^{n}\to e^{-{s^{2} \over 2}}}
כלומר קיבלנו שלסדרת המ"מ בתמ"ז שלנו יש אותה פונקציה אופיינית כמו לפילוג הגאוסי, ולכן פונקציות ההסתברות שלהן זהות.
משפט: הגבול המרכזי (כללי)
תהי {Xi } סדרת מ"מ בתמ"ז בעלי תוחלת μ ושונות σ2 אז
lim
n
→
∞
P
(
S
n
−
n
μ
σ
n
≤
x
)
=
Φ
(
x
)
{\displaystyle \ \lim \limits _{n\to \infty }\mathbb {P} \left({S_{n}-n\mu \over \sigma {\sqrt {n}}}\leq x\right)=\Phi (x)}
.
במילים אחרות,
S
n
−
n
μ
n
→
N
(
0
,
σ
2
)
{\displaystyle \ {S_{n}-n\mu \over {\sqrt {n}}}\to N(0,\sigma ^{2})}
בהתפלגות.
שוב,
E
S
n
−
n
μ
σ
n
=
0
{\displaystyle \ \mathbb {E} {S_{n}-n\mu \over \sigma {\sqrt {n}}}=0}
V
a
r
(
S
n
−
n
μ
σ
n
)
=
1
{\displaystyle \ Var\left({S_{n}-n\mu \over \sigma {\sqrt {n}}}\right)=1}
נתקן את המ"מ לבעלי תוחלת 0 ונשתמש במקרה הפרטי: נגדיר
X
^
i
=
X
i
−
μ
{\displaystyle \ {\hat {X}}_{i}=X_{i}-\mu }
כך שמתקיים
E
X
^
i
=
0
,
V
a
r
X
^
i
=
σ
2
{\displaystyle \ \mathbb {E} {\hat {X}}_{i}=0\ ,\ Var{\hat {X}}_{i}=\sigma ^{2}}
. על פי המקרה הפרטי מתקיים:
lim
n
→
∞
P
(
S
^
n
σ
n
≤
x
)
=
Φ
(
x
)
{\displaystyle \ \lim \limits _{n\to \infty }\mathbb {P} \left({{\hat {S}}_{n} \over \sigma {\sqrt {n}}}\leq x\right)=\Phi (x)}
אבל:
lim
n
→
∞
P
(
S
^
n
σ
n
≤
x
)
=
lim
n
→
∞
P
(
S
n
−
n
μ
σ
n
≤
x
)
⇒
lim
n
→
∞
P
(
S
n
≤
n
μ
+
x
σ
n
⏞
x
^
)
=
Φ
(
x
)
{\displaystyle \ \lim \limits _{n\to \infty }\mathbb {P} \left({{\hat {S}}_{n} \over \sigma {\sqrt {n}}}\leq x\right)=\lim \limits _{n\to \infty }\mathbb {P} \left({S_{n}-n\mu \over \sigma {\sqrt {n}}}\leq x\right)\ \Rightarrow \ \lim \limits _{n\to \infty }\mathbb {P} \left(S_{n}\leq \overbrace {n\mu +x\sigma {\sqrt {n}}} ^{\hat {x}}\right)=\Phi (x)}
ולכן:
lim
n
→
∞
P
(
S
n
≤
x
^
)
=
Φ
(
x
^
−
n
μ
σ
n
)
{\displaystyle \ \lim \limits _{n\to \infty }\mathbb {P} (S_{n}\leq {\hat {x}})=\Phi \left({{\hat {x}}-n\mu \over \sigma {\sqrt {n}}}\right)}
אם S הוא סכום מ"מ בתמ"ז, אז הוא בקירוב מתפלג גאוסית עם התוחלת והשונות המקוריים שלו:
S
∼
N
(
E
S
,
V
a
r
S
)
{\displaystyle \ S\sim N(\mathbb {E} S,VarS)}
. בפירוט רב יותר:
S
n
−
n
μ
n
→
N
(
0
,
σ
2
)
S
n
−
n
μ
→
N
(
0
,
n
σ
2
)
S
n
→
N
(
n
μ
,
n
σ
2
)
{\displaystyle \ {\begin{array}{lcl}{S_{n}-n\mu \over {\sqrt {n}}}&\to &N(0,\sigma ^{2})\\S_{n}-n\mu &\to &N(0,n\sigma ^{2})\\S_{n}&\to &N(n\mu ,n\sigma ^{2})\\\end{array}}}
ואז:
P
(
S
n
−
n
μ
σ
n
≤
x
)
≈
Φ
(
x
)
P
(
S
n
≤
n
μ
+
σ
n
x
)
≈
Φ
(
x
)
P
(
S
n
≤
x
^
)
≈
Φ
(
x
^
−
n
μ
σ
n
)
{\displaystyle \ {\begin{array}{lcl}\mathbb {P} \left({S_{n}-n\mu \over \sigma {\sqrt {n}}}\leq x\right)&\approx &\Phi (x)\\\mathbb {P} \left(S_{n}\leq n\mu +\sigma {\sqrt {n}}x\right)&\approx &\Phi (x)\\\mathbb {P} (S_{n}\leq {\hat {x}})&\approx &\Phi \left({{\hat {x}}-n\mu \over \sigma {\sqrt {n}}}\right)\\\end{array}}}
כאשר מגדירים:
x
^
=
n
μ
+
σ
n
x
,
x
=
x
^
−
n
μ
σ
n
{\displaystyle \ {\hat {x}}=n\mu +\sigma {\sqrt {n}}x\quad ,\quad x={{\hat {x}}-n\mu \over \sigma {\sqrt {n}}}}
לרוב המקרים, הנוסחה השימושית היא זו האחרונה, ועבור קטע היא מקבלת את הצורה:
P
(
a
≤
S
n
≤
b
)
≈
Φ
(
b
−
n
μ
σ
n
)
−
Φ
(
a
−
n
μ
σ
n
)
{\displaystyle \mathbb {P} (a\leq S_{n}\leq b)\approx \Phi \left({b-n\mu \over \sigma {\sqrt {n}}}\right)-\Phi \left({a-n\mu \over \sigma {\sqrt {n}}}\right)}
(להשלים)