library(ggplot2)
options(repr.plot.width=4, repr.plot.height=4)
Seine $X_1, \cdots, X_n$ eine Folge von unabhängigen und identisch verteilten Zufallsvariablen, so dass Mittelwert $\mu$ und Standardabweichung $\sigma$ definiert und endlich sind. Sei \begin{align} S_n &= X_1 + \cdots + X_n\\ Z_n &= \frac{S_n -n\mu}{\sigma\sqrt{n}} \end{align}
Dann gilt: \begin{align} \Phi(z) &\doteq \int_{-\infty}^z \frac{1}{\sqrt{2\pi}} e^{-\frac{x^2}{2}}dx\\ \lim_{n\rightarrow \infty} P(Z_n \leq z) &= \Phi(z) \end{align}
Vulgo: Die Summe von i.i.d. Zufallsvariablen kann durch eine Normalverteilung approximiert werden.
Für eine Standard-Gleichverteilung in $[0, 1]$ gilt:
Wenn $x$ standard-gleichverteilt ist, hat $\sqrt{3}~(2x-1)$ Mittelwert 0 und Standardabweichung 1.
x <- replicate(10000, sum(replicate(1000,
sqrt(3)*(2*runif(1)-1)))/sqrt(1000))
ggplot(data.frame(x), aes(x=x)) +
geom_histogram(aes(y = ..density..), color='black', fill='white') +
geom_density(col='red')
(mean(x))
(sd(x))
qqnorm(x)
abline(h=0)
abline(v=0)
ks.test(x, "pnorm")
shapiro.test(x[1:5000])
ks.test(runif(100), "pnorm")