變換如何證明中央極限定理

中央極限定理是數學裡最令人驚訝的事實之一：把幾乎任何分布的足夠多個獨立副本平均、重新縮放，結果就看起來像常態——無論你從什麼形狀出發。光這樣講聽起來像魔法。變換方法正是把魔法變成一個簡短而誠實的證明的東西，靠的是處理特徵函數，而不是一個龐大和那無法駕馭的分布。

以下是整個論證的白話步驟。取獨立同分布的變數，把每個標準化成均值 0、變異數 1，並組成縮放後的平均 S_n* = (X_1 + ... + X_n)/sqrt(n)。因為各片段獨立，和的特徵函數是乘積，而標準化使它成為 (phi(t/sqrt(n)))^n，其中 phi 是共同的特徵函數。現在把 phi 在 0 附近泰勒展開：既然變數均值 0、變異數 1，phi(s) = 1 - s^2/2 + （更小的項）。代入 s = t/sqrt(n)：phi(t/sqrt(n)) = 1 - t^2/(2n) + ...。取 n 次方。這正是著名的極限 (1 - a/n)^n 趨向 e^(-a)，所以隨 n 增長 (1 - t^2/(2n) + ...)^n 趨向 e^(-t^2/2)。那個極限 e^(-t^2/2) 正好是標準常態的特徵函數。最後，雷維連續性定理把這個特徵函數的收斂轉成依分布收斂——於是 S_n* 依分布收斂到 常態(0, 1)。

這樣看來，中央極限定理就不再神祕：它是一次泰勒展開加上基本極限 (1 - a/n)^n 趨向 e^(-a) 的後果。這個證明也精確地暴露了需要什麼、在哪裡會失敗。泰勒那一步需要第二動差，所以這個定理要求「有限變異數」；對柯西這類沒有有限變異數（其實連均值都沒有）的重尾律，展開就崩潰，中央極限定理不成立——把一堆柯西平均回給你的還是柯西，絕不是常態。變換證明把前提攤在眼前，而非把它們藏起來。