तुरंत निष्कर्ष पर कूदने के लिए, "गति" इस तथ्य को नहीं बदलता है कि सामान्य वितरण यादृच्छिक चलने के वितरण का एक , लेकिन विचरण से बदलता है । यह इस विशेष मामले में अपेक्षाकृत प्रारंभिक विचारों द्वारा प्राप्त किया जा सकता है। यह कहना मुश्किल नहीं है कि परिमित राज्य अंतरिक्ष मार्कोव श्रृंखला के लिए सीएलटी के नीचे दिए गए तर्कों को सामान्य बनाना मुश्किल है, लेकिन वास्तव में सबसे बड़ी समस्या विचरण की गणना है। विशेष समस्या के लिए इसकी गणना की जा सकती है, और उम्मीद है कि नीचे दिए गए तर्क पाठक को समझा सकते हैं कि यह सही विचरण है।एन पी4np(1−p)np/(1−p)
कार्डिनल एक टिप्पणी में प्रदान करता है कि अंतर्दृष्टि का उपयोग करते हुए, यादृच्छिक चलना
जहां और के साथ एक Markov श्रृंखला बनाते हैं संक्रमण संभावना मैट्रिक्स
जब विषमता के लिए के प्रारंभिक वितरण है तो कोई भूमिका नहीं निभाता है, इसलिए निम्न तर्क के लिए को ठीक करने देता है, और यह भी मान लें कि । एक चालाक तकनीक मार्कोव श्रृंखला को स्वतंत्र चक्रों में विघटित करना है। Letएक्स कश्मीर ∈ { - 1 , 1 } एक्स कश्मीर ( पी 1 - पी 1 - पी पी ) । n → ∞ एक्स 1 एक्स 1 = 1 0 < p < 1 σ 1
Sn=∑k=1nXk
Xk∈{−1,1}Xk(p1−p1−pp).
n→∞X1X1=10<p<1σ11 के बाद पहली बार निरूपित करें, कि मार्कोव श्रृंखला 1 पर लौटती है। अर्थात्, यदि तत्कालीन , और यदि और तो । सामान्य तौर पर, let की वें वापसी समय को 1 पर निरूपित करते हैं और को
अंतर-रिटर्न बार ( साथ निरूपित करते हैं । इन परिभाषाओं के साथ, हमारे पास है
σ 1 = 2 एक्स 2 = एक्स 3 = - 1 एक्स 4 = 1 σ 1 = 4 σ मैं मैं τ मैं =X2=1σ1=2X2=X3=−1X4=1σ1=4σiiτi=σi−σi−1σ0=1
- साथ तो
एस σ n = एक्स 1 + n Σ मैंUi=∑σik=σi−1+1Xk
Sσn=X1+∑i=1nUi.
- चूंकि मूल्य लेता के लिए और यह मानती है कि
- 1 कश्मीर = σ मैं - 1 + 1 , ... , σ मैं - 1 एक्स σ मैं = 1 यू मैं = 2 - τ मैं ।Xk−1k=σi−1+1,…,σi−1Xσi=1
Ui=2−τi.
- वापसी के समय, मार्कोव श्रृंखला के लिए , औपचारिक रूप से (मजबूत मार्कोव संपत्ति के कारण) iid हैं और इस मामले में माध्य और भिन्नता । यह इंगित किया गया है कि नीचे माध्य और विचरण की गणना कैसे की जाए। ई ( τ मैं ) = 2 वी (τiE(τi)=2V(τi)=2p1−p
- चर के लिए साधारण CLT पैदावार करता है कि
Sσn∼asympN(0,2np1−p).
- ध्यान देने वाली अंतिम बात, जिसके लिए विश्वास की एक छोटी छलांग की आवश्यकता होती है, क्योंकि मैं विवरण छोड़ देता हूं, वह है , जो पैदावार देता है।
एस एन asymp ~ एनσn=1+∑ni=1τi∼2n
Sn∼asympN(0,np1−p).
के क्षणों की गणना करने के लिए, कोई ध्यान दे सकता है कि और , । फिर उन तकनीकों के समान उपयोग किया जाता है जब ज्यामितीय वितरण के लिए कंप्यूटिंग क्षणों को लागू किया जा सकता है। वैकल्पिक रूप से, यदि सफलता की संभावना और साथ ज्यामितीय है , तो में के समान वितरण है , और इसके लिए माध्य और विचरण की गणना करना आसान है यह बाद का प्रतिनिधित्व है।τ1P(τ1=1)=pm≥2P(τ1=m)=(1−p)2pm−2X1−pZ=1(τ1=1)1+X(1−Z)τ1