如果标准偏差无边增长,正态分布会收敛到某个分布吗?看来,我是PDF开始看起来像与由给定边界的均匀分布。这是真的?
如果标准偏差无边增长,正态分布会收敛到某个分布吗?看来,我是PDF开始看起来像与由给定边界的均匀分布。这是真的?
Answers:
这里的其他答案已经很好地解释了为什么高斯RV不会随方差的增加而无收敛于任何事物,但是我想指出一个看似均匀的特性,使得高斯族的集合确实满足了我认为可能足以让人猜到他们正在变得统一,但是事实证明不足以得出结论。
考虑随机变量的集合,其中。令为有限长度的固定间隔,并且对于某些定义,即B是A但只是移了c。对于间隔I = [i_1,i_2],将\ len(I)= i_2-i_1定义为I的长度,并注意\ len(A)= \ len(B)。X Ñ〜Ñ(0 ,Ñ 2)阿= [ 一个1,一个2 ] ç ∈ [R乙= 甲+ Ç 乙甲Ç 我= [ 我1,我2 ] LEN (I )= i 2 − i 1 I len (
现在,我将证明以下结果:
结果: as 。
之所以称其为均匀制服,是因为它表示的分布越来越多地具有两个相等长度的固定间隔,并且无论它们相距多远,都具有相等的概率。这绝对是一个非常统一的功能,但是正如我们将看到的那样,它并没有说明实际分布到统一的情况。X n
Pf:请注意,,其中因此 我可以使用的(非常粗糙的)边界来获得 X 1〜Ñ(0 ,1 )P (X Ñ ∈ 甲)= P (一个1 ≤ Ñ X 1 ≤ 一个2)= P (一个1=1
我可以对执行相同的操作以得到 P (X Ñ ∈ 乙)≤ LEN (乙)
将它们放在一起,我有 等于(我在这里使用三角形不等式)。n→∞
这与收敛于均匀分布有何不同?我只是证明了相同有限长度的任意两个固定间隔的概率越来越近,从和的角度来看,从直觉上讲,随着密度“趋于平坦”,这是有道理的。 A B
但为了汇聚均匀分布,我需要以头朝着正比于的任何间隔,这是一个非常不同的事情,因为这需要适用于任何,而不仅仅是预先确定的(并且如其他地方所提到的,对于无限制支持的分配,这也是不可能的)。 P (X Ñ ∈ 我)LEN (我)我本人
概率上的一个常见错误是认为分布是均匀的,因为当所有值都接近零时,它看起来就很平坦。这是因为,我们往往看到和尚未˚F (X )/ ˚F (Ý )= 0.001 / 0.000001 = 1000,即一个小的间隔围绕X是1000倍的可能比y周围的间隔小。
这绝对不是在限制整个实线均匀,因为有上没有均匀分布。它也没有连上大致均匀的[ - 2个σ ,2 σ ]。
您可以从您似乎熟悉的68-95-99.7规则中看到后者。如果它是大致均匀的上,则在为概率[ 0 ,σ ]和[ σ ,2 σ ]应该是相同的,因为这两个间隔是相同的长度。但这种情况并非如此:P ([ 0 ,σ ] )≈ 0.68 / 2 = 0.34,但P ([ σ ,。
在整个实线上观察时,此正态分布序列不会收敛到任何概率分布。有几种方法可以看到这一点。作为一个例子,与标准偏差正常的CDF 是˚F σ(X )= (1 / 2 )(1个+ ERF(X / √,和LIM σ →交通∞ ˚Fσ(X)=1/2对所有X,这是不的CDF任何随机变量。实际上,它根本不是CDF。
这种不收敛的原因归结为“质量损失”。正态分布的极限函数实际上具有“丢失”的可能性(即,它已经逃逸到无穷大)。这与度量紧密度的概念有关,后者为一系列随机变量收敛到另一个随机变量提供了必要条件。