积极 AI Logo 积极 AI

独立同分布随机变量可视化演示

独立同分布随机变量可视化演示
几何画板及绘图内容加载中，请稍等……
2020-04-13 19:08
函数数列概率统计滑块动画函数图像
该范例通过动态图形直观演示独立同分布（i.i.d.）随机变量的概念。核心数学概念包括随机变量的分布、独立性、样本均值以及大数定律的初步思想。作图要点：利用GeoGebra的Sequence、RandomUniform、If等命令生成多组随机样本数据，并通过Translate、Segment、IntegralBetween等命令绘制分布曲线、样本点及均值轨迹；使用下拉菜单（distributionDropdown）切换不同分布类型，滑块（如dpscale）控制精度，实现交互式探索。适合高中及大学概率统计课程，帮助学生理解随机抽样、分布形状与样本均值的关系，以及独立同分布假设在统计推断中的基础作用。

GeoGebra 命令及参数

  1. Sequence(If[distribution ≟ 1, RandomNormal[0.5, 0.13], InverseGamma[α, β, RandomUniform[0, 1]]], i, 1, 1000) → datalist3raw
  2. Sequence(If[distribution ≟ 1, RandomNormal[0.5, 0.13], InverseGamma[α, β, RandomUniform[0, 1]]], i, 1, 1000) → datalist2raw
  3. Sequence(If[distribution ≟ 1, RandomNormal[0.5, 0.13], InverseGamma[α, β, RandomUniform[0, 1]]], i, 1, 1000) → datalist1raw
  4. Zip((xx + yy + zz) / 3, xx, datalist1, yy, datalist2, zz, datalist3) → meanlistraw
  5. Element(datalist1, experiment) → x1active
  6. If(distribution ≟ 1, F1, F2) → F
  7. RandomUniform(4.5, F(x1active)) → y1
  8. Element(datalist2, experiment) → x2active
  9. RandomUniform(4.5, F(x2active)) → y2
  10. Element(datalist3, experiment) → x3active
  11. RandomUniform(4.5, F(x3active)) → y3
  12. Element(datalist3, 4) → x43
  13. Element(datalist3, 3) → x33
  14. Element(datalist3, 2) → x23
  15. Element(datalist3, 1) → x13
  16. Element(datalist2, 4) → x42
  17. Element(datalist2, 3) → x32
  18. Element(datalist2, 2) → x22
  19. Element(datalist2, 1) → x12
  20. Element(datalist1, 4) → x41
  21. Element(datalist1, 3) → x31
  22. Element(datalist1, 2) → x21
  23. Element(datalist1, 1) → x11
  24. Element(meanlist, 1) → m1
  25. Element(meanlist, 2) → m2
  26. If(distribution ≟ 1, ((x - 0.5) / 0.13 * 8) + 168, (x * 100)) → scalefunc
  27. If(distribution ≟ 1, "cm", "k") → units
  28. Element({x11dp, x21dp, x31dp, x41dp}, experiment) → x1dpactive
  29. Element({x12dp, x22dp, x32dp, x42dp}, experiment) → x2dpactive
  30. Element({x13dp, x23dp, x33dp, x43dp}, experiment) → x3dpactive
  31. Element(meanlist, 3) → m3
  32. Element(meanlist, 4) → m4
  33. Element({m1dp, m2dp, m3dp, m4dp}, experiment) → mdpactive
  34. Translate(DotPlot[Take[datalist2, 1, experiment], false, 0.006], (0, 2 + dpscale / 2)) → datalist2_{dp}underlayer
  35. Translate(DotPlot[Take[datalist1, 1, experiment], false, 0.006], (0, 3 + dpscale / 2)) → datalist1_{dp}underlayer
  36. Translate(DotPlot[Take[datalist3, 1, experiment], false, 0.006], (0, 1 + dpscale / 2)) → datalist3_{dp}underlayer
  37. Segment((0, 4.5), (1, 4.5)) → a
  38. IntegralBetween(4.5, F, 0, 1, false) → c
  39. Segment((0, 0), (1, 0)) → maxis
  40. If(distribution ≟ 1, "", "\$") → dollars
  41. Translate(F, (0, (-1.5 * t51))) → x1F
  42. Translate(F, (0, (-2.5 * t51))) → x2F
  43. Translate(F, (0, (-3.5 * t51))) → x3F
  44. If(distribution ≟ 1, M1, M2) → M
  45. Segment((0, 4.5), (0, 4.45)) → tick1
  46. Segment((1, 4.5), (1, 4.45)) → tick3
  47. Segment((0.5, 4.5), (0.5, 4.45)) → tick2
  48. Segment((0, 2.99), (1, 2.99)) → x1axis
  49. Segment((0, 1.99), (1, 1.99)) → x2axis
  50. Segment((0, 0.99), (1, 0.99)) → x3axis
  51. Translate(DotPlot[Take[meanlist, 1, experiment], false, 0.006], (0, dpscale / 2)) → Mean_{dp}
  52. Segment((0, 4.5), (0, 0)) → guideline1
  53. Segment((1, 4.5), (1, 0)) → guideline2
  54. Segment((0.5, 4.5), (0.5, 0)) → guideline3

AI 绘图提示语参考

绘制一个概率统计教学示意图，展示独立同分布随机变量的抽样过程。图中包含三条水平轴，分别对应三组样本数据，每组样本由1000个点构成，点的分布形态可通过下拉菜单在正态分布和逆伽马分布间切换。每条轴上用散点图显示已抽取的样本点，并叠加理论分布曲线。在轴上方，用竖直线段连接三个对应样本点，表示一次实验中的三个独立观测值。右侧或下方显示样本均值的分布轨迹，随实验次数增加逐渐逼近理论均值。图中还包含刻度线、坐标轴和用于调节显示精度的滑块，以及标注单位（厘米或千）的文本。整体布局清晰，便于观察样本统计量与理论分布的关系。
以上提示语为根据原始绘图命令整理而来，仅供参考。