Quant Sandbox
SzármaztatottPortfólió & kockázatFix hozamúVállalati pénzügySztochasztikus modellekÚtmutató
Sztochasztikus modellek
Sztochasztikus tanulóstúdióBéta
1.1Szimmetrikus véletlen séta1.2Átskálázott véletlen séta1.3Szórás1.4Centrális határeloszlás-tétel2.1A Wiener-folyamat definíciója2.2Növekmény-felfedező2.3Együttes eloszlás és kovariancia3.1Futó maximum és minimum3.2Tükrözési elv3.3Első elérési idők3.4Elérési valószínűségek
Brown-mozgásBéta
Geometriai Brown-mozgásBéta
Itô-folyamatBéta
Monte CarloBéta
Kapcsolódó útmutatók
  • Valószínűségi mezők, σ-algebrák és valószínűségi változók
  • Filtrációk, adaptált folyamatok és megállási idők
  • A Brown-mozgás tulajdonságai
  • A tükrözési elv és az első elérési idők
  • A Brown-híd

© 2026 Quant Sandbox · Tanulást segítő eszköz a kvantitatív pénzügyekhez

Adatvédelem és adatokNincsenek sütik

Ez az oldal nem használ sütiket (cookie-kat), és nem kér személyes adatokat. Néhány apró beállítást a böngésződ helyi tárolójában (local storage) őriz meg — a választott témát és nyelvet, az oldalsáv elrendezését, valamint az útmutatókban elért haladást és a válaszaidat —, hogy a következő látogatáskor is emlékezzen rájuk. Ezek az adatok nem hagyják el az eszközödet; a böngésző tárhelyének törlésével eltávolíthatók. A módosított bemenetek az oldal URL-címében is rögzülhetnek, így megoszthatsz vagy könyvjelzőként elmenthetsz egy adott beállítást. Az oldal a Vercel Web Analytics szolgáltatást használja, amely adatvédelem-barát és süti nélküli: csak névtelen, összesített használati adatokat (például oldalletöltéseket) rögzít, anélkül hogy azonosítana téged vagy más oldalakon követne.

Tananyag/1. Fejezet · Diszkréttől a folytonosig/1.4
1.4

Centrális határeloszlás-tétel

Miért ad mindig haranggörbét sok kicsi, független sokk összege — bármilyenek is az egyes sokkok?

Cél: figyeld meg, ahogy a standardizált Zₙ = Sₙ/√n összeg N(0,1)-hez közelít különböző lépéseloszlásoknál, és mérd meg, milyen gyorsan szűkül a távolság.

Szimulációs beállítások

LépéseloszlásMindhárom várható értéke 0, varianciája 1.
Összegzett lépések nZₙ = Sₙ / √n
5,000
100020000
7
19999
Tippelj először

Standardizáld 30 exponenciális lépés összegét (egy lépés ferdesége 2). Mekkora lesz az eredmény ferdesége?

Távolság a normálistól

Empirikus variancia
1.010
Elméleti variancia
1.000
Empirikus ferdeség
1.902
Elméleti ferdeség γ/√n
2.000
KS-távolság
0.1587
Berry–Esseen-korlát
1.1464

Kezdd n = 1-nél a ferde eloszlással: a hisztogram maga a lépéseloszlás. Ahogy n nő, a ferdeség 1/√n ütemben csökken, és a hisztogram ráül a normális görbére — minden lépéseloszlásnál.

Zₙ = Sₙ/√n eloszlása vs N(0,1)
n = 1
Empirikus sűrűségN(0,1) sűrűség

Az érmés összeg rácson él, ezért kis n-nél tüskés; a folytonos eloszlások hamarabb kisimulnak. A határértékben csak a várható érték és a variancia marad meg.

Távolság N(0,1)-től n függvényében
Berry–Esseen-korlátMért KS-távolság

Log–log tengelyen az 1/√n ütem −½ meredekségű egyenes, akárcsak a szaggatott Berry–Esseen-korlát. A pontozott vonal (0.012) a mintavételi zajszint — alatta már a véges minta, nem az összeg határozza meg a távolságot.

← ElőzőSzórásKövetkező →A Wiener-folyamat definíciója