yj,ψ(y)f的特征函数=1+p-1+e-它F(a;a+b;it),其中F(是超几何分布f(a;b;z)=P∞k=0akzkk!bk.从这里我们得到yj=(fj)的特征函数-Aj):ψ(y)(t)=√π2-一-b+1Γ(a+b)pFb+1,b;a+b,(a+b+1);它- (p- 1) Fa+1,a;a+b,(a+b+1);它,(22)式中▄Fis是正则化的广义超几何函数▄F(=F(a;b;z)(Γ(b)。。。Γ(bq))和PFQ(a;b;z)hasseries扩展P∞k=0(a)k。。。(ap)k(b)k。。。(bp)kzk/k!,是(a)(.)是液压锤符号。我们可以从那里直接证明averagenPniyi:(23)limn的收敛分布→∞ψy(t/n)n=exp-it(p(a- b) (a+b+1)- a(a+1))(a+b)(a+b+1),这是具有位置参数p(b)的退化高斯(Dirac)的-a) +a(a+1)a+b+1a+b。我们最终可以评估收敛速度,即高阶矩映射到高斯分布的速率:考虑4thcumulantκ的行为=-我对数ψ。(.)t | t→0:1)在a=b=1的最大熵情况下:κa=1,b=1=-7n,不考虑p.2),在最大方差情况下,使用l\'H^opital:利马→0b→0κ= -6(p- 1) p+1n(p- 1) 我们有κκ→0n→∞速率n-1、进一步,我们可以提取N=1时Brier得分的概率密度函数:对于0<z<1,p(z)=Γ(a+b)(p- 1) za/2(1-√z) b类- p(1-√z) azb/22 (√z- 1) zΓ(a)Γ(b)。(24)参考文献[1]S.Lichtenstein、B.Fischhoff和L.D.Phillips,“概率校准:最新技术”,摘自《人事决策与变化》。斯普林格出版社,1977年,第275-324页。[2] S.Lichtenstein、P.Slovic、B.Fischhoff、M.Layman和B.Combs,“判断致命事件的频率”《实验心理学杂志:人类学习与记忆》,第4卷,第6期,第5511978页。[3] D.Kahneman和A.Tversky,“前景理论:风险下的决策分析”,《计量经济学》,第47卷,第2期,第263-2911979页。[4] E.J.Johnson和A。