plt.hist((x_1 + x_2 +x_3+x_4+x_5+x_6+x_7+x_8)/((8**(1/2))*0.577), bins = 100, density = True) нужно же делить на корень(n)*среднекв_откл n = 8 (допустим) 0.577 -- среднеквадратичное отклонение для равномерного распределения от -1 до 1 и тогда действительно наблюдается сходимость а в видео автор просто суммирует случайные величины, а не использует цпт полностью, и там не будет хорошей сходимости, если просто считать суммы, то они будут все время ниже плотности стандартного нормального распределения
plt.hist((x_1 + x_2 +x_3+x_4+x_5+x_6+x_7+x_8)/((8**(1/2))*0.577), bins = 100, density = True)
нужно же делить на корень(n)*среднекв_откл
n = 8 (допустим)
0.577 -- среднеквадратичное отклонение для равномерного распределения от -1 до 1
и тогда действительно наблюдается сходимость
а в видео автор просто суммирует случайные величины, а не использует цпт полностью, и там не будет хорошей сходимости, если просто считать суммы, то они будут все время ниже плотности стандартного нормального распределения