極限定理
極限定理は、多数の確率変数の合計と平均に何が起こるかを記述します。それらは大数の法則によって平均の周りに安定し、中心極限定理に従って微細なスケールで変動し、指数関数的に小さい確率でのみ大きな量で逸脱します。
PaperMindでテーマを探す近日公開Find papers & topics
Tools & resources
Learn & explore
動画近日公開
Definition
極限定理は、確率変数のシーケンスとその分布の漸近的挙動、主に平均の期待値への収束、正規化された合計のガウス変動、および大偏差確率の指数関数的減衰を記述する結果の体系です。
Scope
この分野は、大数の弱法則と強法則、特性関数による証明を伴う古典的およびリンデベルグ-フェラーの中心極限定理、確率変数と分布の収束モードの階層、タイトネスを伴う確率測度の弱収束、および指数関数的にまれな事象を支配する大偏差の理論を扱います。
Sub-topics
Core questions
- 多数の確率変数の平均は、どのような意味でその平均に収束するのでしょうか？
- 広範な条件下で、正規化された合計の変動が近似的にガウス分布に従うのはなぜでしょうか？
- 確率変数と分布の異なる収束モードはどのように関連しているのでしょうか？
- 典型的な挙動からの大きな逸脱はどの程度まれであり、どのような速度で減衰するのでしょうか？
Key theories
- 大数の法則
- 有限の平均を持つ独立同分布変数の平均は、弱法則では確率的に、強法則ではほとんど確実にその平均に収束します。これは、標本平均によって期待値を推定するための数学的根拠となります。
- 中心極限定理
- 有限の分散を持つ独立変数の合計は、適切に中心化および尺度化されると、分布において正規分布に収束します。これはガウス分布の遍在性を説明し、信頼区間と有意性検定の基礎を提供します。
Clinical relevance
極限定理は、統計的実践とシミュレーションの背後にある理論的保証です。大数の法則はモンテカルロ推定と確率の頻度主義的解釈を検証し、中心極限定理は正規分布に基づく推論と多くの近似方法を正当化し、大偏差率は保険、通信、信頼性におけるまれな事象のリスクを定量化します。
History
最初の極限定理はベルヌーイの大数の法則でした。ド・モアブルとラプラスは二項分布の正規近似を発見し、これはリャプノフとリンデベルグによって中心極限定理に一般化されました。コルモゴロフは強法則を精密化し、クラーマーは大偏差理論を確立し、現代の測度論的扱いはそれらを統一します。
Key figures
- Jacob Bernoulli
- Aleksandr Lyapunov
- Paul Levy
- Harald Cramer
Related topics
Seminal works
- billingsley1995
- billingsley1999convergence
Frequently asked questions
- 大数の法則と中心極限定理の違いは何ですか？
- 大数の法則は平均が期待値に収束することを述べ、一次の挙動を記述するのに対し、中心極限定理は平均の周りの二次の変動を記述し、これは標本サイズの平方根分の1のスケールでガウス分布に従います。
- 中心極限定理は常に適用されますか？
- 有限の分散やリンデベルグの条件のような無視できる条件が必要です。無限の分散を持つ裾の重い変数では、代わりに非ガウス安定分布が極限となることがあります。