我想通過比較三個RV和正態分佈總和的直方圖來證明CLT在matlab中。matlab中心極限定理
這裏是我的代碼:
clc;clear;
len = 50000;
%y0 : Exponential Distribution
lambda = 3;
y0=-log(rand(1,len))./lambda;
%y1 : Rayleigh Distribution
mu = 0;
sig = 2;
var1 = mu + sig*randn(1,len);
var2 = mu + sig*randn(1,len);
t1 = var1 .^ 2;
t2 = var2 .^ 2;
y1 = sqrt(t1+t2);
% %y2: Normal Distribution
y2 = randn(1,len);
%y3 : What result excpected to be:
mean0 = (sum(y0)+ sum(y1)+ sum(y2))/(len * 3);%how do I calculate this?
var0 = 1;%how do I calculate this?
y3 = mean0 + var0*randn(1,len);
delta = 0.1;
x3 = min(y3):delta:max(y3);
figure('Name','Normal Distribution');
hist(y3,x3);
%Central Limit Theorem:
%what result is:
res = y0+y1+y2;
xn = min(res):delta:max(res);
figure('Name','Final Result');
hist(res,xn);
我有兩個主要問題。
如何計算均值和方差爲Y3(應該是什麼結果)
是我的代碼是否正確?
那麼,添加此,直方圖Y3和結果之後具有相同的形狀,但它似乎方差和手段是不一樣的y3和結果... – Arashdn
@Arashdn我已經添加了一些評論和一些額外的代碼給你。希望它能讓你的事情更清晰 – DanielX2010
好的答案。我只想添加以下內容:首先,Matlab永遠不會成爲演示此類事物的工具,它只是表明它適用於某些數據集。這不是一個證明,只是一個線索。其次,計算機是有限的離散機器,他們可以產生一系列看起來像從某些分佈中提取的隨機變量,但它們不能產生真正的隨機獨立值,因此IID假設可能不成立。無論如何,Matlab或Octave是相當不錯的工具,我們只需要記住它們的侷限性。 – jlandercy