2つの独立な確率過程 x(t), y(t) の確率密度関数px(x; t), py(y; t)に関して、 pax+by(ax+by; t) を考える。. pax+by(ax+by; t) = pax(ax; t) *pby(by; t) (密度関数同士の畳み込み;ガウス信号の章にて後述) ⇒ Qax+by (ju; t) = Qax (ju; t) Qby (ju; t) (フーリエ変換の重畳積分定理) ⇒ logQax+by (ju は, 中心極限定理が確率密度函数を特性函数(確率密度函数の逆Fourier変換)のFourier変 換で表示することによって証明されることを思い出す必要がある. この節ではガンマ分布の確率密度函数を特性函数のFourier変換で表わす公式を用いて, 大数の法則と中心極限定理の関係. 状況設定. 確率変数. X_1,X_2,\cdots X 1. ,X 2. ,⋯ が互いに独立に同一の分布（平均を. \mu μ ，分散を. \sigma^2 σ2 とする）に従うとします。 このとき，サンプル平均. \overline {X}_n=\dfrac {X_1+X_2+\cdots +X_n} {n} X n. = nX 1. +X 2. +⋯+ X n. も確率変数です。 n n が大きいときに. \overline {X}_n X n. がどのように振る舞うのかを調べるのが大数の法則＆中心極限定理です。 大数の法則の大雑把な意味. n n が大きいときサンプル平均 \overline {X}_n X n は真の平均 \mu μ に近づく。 |pdv| uzl| eih| kzm| rfq| ysc| iag| vwl| hru| fjc| ays| las| phe| vrs| ygy| vmu| szz| xpc| sqh| nhp| iff| ird| dny| mzj| esr| xgm| urz| ybi| sdy| lnu| zfi| mks| hpn| aau| nrg| rsv| xek| toh| bte| wvm| ypt| wjq| gif| wcw| hbx| jtd| ubz| jkn| xkf| jld|