7.10: 章节回顾
- Page ID
- 204930
\( \newcommand{\vecs}[1]{\overset { \scriptstyle \rightharpoonup} {\mathbf{#1}} } \) \( \newcommand{\vecd}[1]{\overset{-\!-\!\rightharpoonup}{\vphantom{a}\smash {#1}}} \)\(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\) \(\newcommand{\id}{\mathrm{id}}\) \( \newcommand{\Span}{\mathrm{span}}\) \( \newcommand{\kernel}{\mathrm{null}\,}\) \( \newcommand{\range}{\mathrm{range}\,}\) \( \newcommand{\RealPart}{\mathrm{Re}}\) \( \newcommand{\ImaginaryPart}{\mathrm{Im}}\) \( \newcommand{\Argument}{\mathrm{Arg}}\) \( \newcommand{\norm}[1]{\| #1 \|}\) \( \newcommand{\inner}[2]{\langle #1, #2 \rangle}\) \( \newcommand{\Span}{\mathrm{span}}\)\(\newcommand{\AA}{\unicode[.8,0]{x212B}}\)
7.1 样本均值的中心极限定理
在分布可能已知或未知的总体中,如果样本的大小 (\(n\)) 足够大,则样本均值的分布将近似正态。 样本均值的均值将等于总体均值。 样本均值分布的标准差,称为均值的标准差,等于总体标准差除以样本数量的平方根 (\(n\))。
7.2 使用中心极限定理
中心极限定理可以用来说明大数定律。 大数定律指出,从总体中提取的样本量越大,样本均值\(\overline x\)越接近\(\mu\)。
7.3 比例的中心极限定理
中心极限定理也可以用来说明样本比率的抽样分布是正态分布,预期值为\(p\),标准差为\(\sigma_{\mathrm{p}^{\prime}}=\sqrt{\frac{p(1-p)}{n}}\)