全部书籍

专业

应用 关于 Coach 登录 开始阅读

书籍暂未推出简体中文版——当前显示 Bahasa Indonesia 版。

Matematika · 术语表

什么是 vektor Gauss?

Definisi 23.10 Matematika Universitas — Tahun 3 · 第 23 章 — Fungsi Karakteristik dan Teorema Limit Pusat

Sebuah vektor acak X=(X1,…,Xd)X = (X_1, \dots, X_d) disebut Gauss jika setiap kombinasi linearnya ⟨t,X⟩=∑tiXi\langle t, X\rangle = \sum t_iX_i merupakan variabel Gauss real (yang mungkin merosot). Distribusinya ditentukan oleh vektor rata-ratanya m=(EXi)m = (\E X_i) dan matriks kovarians Σ=(Cov⁡(Xi,Xj))\Sigma = \bigl(\operatorname{Cov} (X_i, X_j)\bigr): sebab fungsi karakteristik vektornya, φX(t)=Eei⟨t,X⟩\varphi_X(t) = \E\eu^{\iu\langle t, X\rangle}, adalah nilai di 11 bagi fungsi karakteristik ⟨t,X⟩\langle t, X\rangle:

φX(t)=exp⁡(i⟨t,m⟩−12 tTΣ t),\varphi_X(t) = \exp\Bigl(\iu\langle t, m\rangle - \tfrac12\,t^{\mathsf T}\Sigma\,t\Bigr),

sedangkan fungsi karakteristik berdimensi dd bersifat injektif (lewat bukti pemulusan yang sama dengan Teorema 23.3, dengan Gauss koordinat demi koordinat).

示例

Contoh 23.9 (Selang kepercayaan, yang diturunkan secara jujur)

Jajakilah nn pemilih yang bebas; maka p^n=Sn/n\hat p_n = S_n/n menaksir pp yang sebenarnya, dengan σ2=p(1−p)≤14\sigma^2 = p(1-p) \leq \frac14. Lalu teorema limit pusatnya memberikan, bagi nn yang besar,

P(∣p^n−p∣≤z2n)  ≥  P(∣Sn−npσn∣≤z)⟶Φ(z)−Φ(−z),\P\Bigl(\abs{\hat p_n - p} \leq \frac{z}{2\sqrt n}\Bigr) \;\geq\; \P\Bigl(\Bigl|\frac{S_n - np}{\sigma\sqrt n}\Bigr| \leq z\Bigr) \longrightarrow \Phi(z) - \Phi(-z),

dengan Φ\Phi sebagai fungsi distribusi Gauss bakunya. Dengan z=1.96z = 1.96: kepercayaan asimtotiknya 95%95\%, sedangkan marjin 1.962n≤3%\frac{1.96}{2\sqrt n} \leq 3\% menuntut n≥(1.960.06)2≈1068n \geq \bigl(\frac{1.96}{0.06}\bigr)^2 \approx 1068 — yakni bilangan di balik setiap “±3\pm3 poin, 95%95\%” yang orang baca; bandingkanlah dengan 55565556 milik Chebyshev (Latihan 22.7). Adapun n\sqrt n-nya universal: bahwa untuk memarukan galatnya, cuplikannya harus dilipatempatkan — yakni hukum yang sama yang menetapkan ongkos Monte Carlo (Latihan 23.7).

在原文中阅读 →