
中心极限定理是研究独立随机变量和的极限分布为正态分布的问题。极限定理是概率论的重要内容,也是数理统计学的基石之一,其理论成果也比较完美。长期以来,对于极限定理的研究所形成的概率论分析方法,影响着概率论的发展。
同时新的极限理论问题也在实际中不断产生。规范和设随机变量序列X1,X2,、、、Xn,、、、相互独立,均具有相同的数学期望与方差,且E(Xi)=Ui,D(Xi)=Ri^2>0,i=1,2,、、、,令:
Yn=X1+X2+、、、+Xn Zn=〔Yn-E(Yn)〕/√D(Yn)=∑(Xi-Ui)/√∑Ri^2(i=1,2、、、、n)
则称随机变量Zn为随机变量序列X1,X2,、、、,Xn的规范和。中心极限定理:设从均值为μ、方差为σ^2;(有限)的任意一个总体中抽取样本量为n的样本,当n充分大时,样本均值的抽样分布近似服从均值为μ、方差为σ^2/n的正态分布。
中心极限定理在A/B测试中的应用
中心极限定理是概率论中最重要的一类定理,它支撑着和置信区间相关的T检验和假设检验的计算公式和相关理论。如果没有这个定理,之后的推导公式都是不成立的。
事实上,以上对于中心极限定理的两种解读,在不同的场景下都可以对A/B测试的指标置信区间判定起到一定作用。
对于属于正态分布的指标数据,我们可以很快捷地对它进行下一步假设检验,并推算出对应的置信区间;而对于那些不属于正态分布的数据,根据中心极限定理,在样本容量很大时,总体参数的抽样分布是趋向于正态分布的,最终都可以依据正态分布的检验公式对它进行下一步分析。

2024-11-30 广告