es
Feedback

¡No caigas en manos de tramposos! Telemetrio encuentra y marca estos canales 👉 Si quieres ver la etiqueta, suscríbete

Математические байки

Математические байки

Ir al canal en Telegram

Рассказы про разную математику. Архив: http://dev.mccme.ru/~merzon/mirror/mathtabletalks/

Mostrar más
4 360
Suscriptores
Sin datos24 horas
+97 días
+3930 días
Archivo de publicaciones
И это, кажется, хороший момент на сегодня прекратить дозволенные речи.
24 ago 2019, 09:56

Ну вот, мы двумя способами и увидели множитель в формуле Стирлинга — а заодно посмотрели на центральную предельную теорему.
24 ago 2019, 09:55

И сумма двух величин, распределённых как гамма с параметрами a и b соответственно, оказывается распределённой как гамма с параметром a+b. А мы выше видели частных случай этого — для параметра a=1, который даёт просто экспоненциальное распределение.
24 ago 2019, 09:54

photo content
24 ago 2019, 09:53

Да, а вообще такие распределения — плотность как у гамма-функции, нормированные на единицу — называют (логично) гамма-распределениями:
24 ago 2019, 09:52

И вот почему в приближении там дисперсия n: потому что это сумма ~n одинаково распределённых слагаемых, каждое с дисперсией 1 — а дисперсия складывается.
24 ago 2019, 09:51

Вот почему функция под интегралом превратилась в гауссово распределение — сумма (n+1) величины и должна себя вести как нормальное распределение, это и говорит ЦПТ!
24 ago 2019, 09:48

То есть n! в знаменателе — тот самый, который мы приближаем, а x^n e^{-x} — та самая функция, что под интегралом в гамма-функции.
24 ago 2019, 09:47

Поэтому сумма (n+1) такой случайной величины имеет плотность (x^n/n!) e^{-x}.
24 ago 2019, 09:46

Но экспоненты в произведении дают e^{-x}, а объём тетраэдра x_1+...+x_{n+1}=x как раз и равен x^n/n!.
24 ago 2019, 09:44

photo content
24 ago 2019, 09:43

Плотность суммы независимых случайных величин это свёртка плотностей:
24 ago 2019, 09:43

Так вот — возьмём (n+1) случайную величину с таким распределением, и сложим.
24 ago 2019, 09:42

(Кстати, если случайное время до какого-нибудь хорошего события — например, до прихода троллейбуса — распределено именно так, то это бывает грустно. Ведь если мы подождали, скажем, 10 минут, а троллейбус всё ещё не пришёл, то условное распределение того, сколько нам ещё остаётся ждать, ровно такое же.)
24 ago 2019, 09:41

Давайте возьмём распределение с плотностью e^{-x} на [0;+\infty) — его (логично) называют экспоненциальным распределением.
24 ago 2019, 09:38

Ну, почему в числителе минус y^2, понятно: значение мы вычли, линейного слагаемого у ряда Тейлора в точке максимума не бывает, а вторая производная будет отрицательна. Пополам там тоже тейлоровский. А вот почему модуль второй производной оказался равен именно n, а не, скажем, n^2?
24 ago 2019, 09:36

Но всё-таки, а откуда в гамма-функции ЦПТ, почему у нас тот самый гауссов интеграл получился?
24 ago 2019, 09:35

А значит, до деления он и равнялся \sqrt{2\pi n} — вот мы и видим, что у плотности нормального распределения он в знаменателе, а в формуле Стирлинга в качестве множителя.
24 ago 2019, 09:33

Поделить — чтобы интеграл был единицей (ибо это полная вероятность).
24 ago 2019, 09:32

Но e^{-y^2/2n} это почти плотность нормального распределения с дисперсией n — только её ещё нужно поделить на \sqrt{2\pi n}.
24 ago 2019, 09:32