প্রশ্ন হল, আমি তর্ক আরো আকর্ষণীয় যদি সম্পর্কে চিন্তার আরো সাধারণভাবে, পিতা বা মাতা পইসন উপর নির্ভর করে বিতরণের লেট , প্যারামিটার বলে λ এন এবং λ এন = 1 বিশেষ স্থান ধার্য। আমার মনে হয় এটা কেন জিজ্ঞাসা করতে পুরোপুরি যুক্তিসঙ্গত, এবং কিভাবে আমরা বুঝতে পারেন, একটি কেন্দ্রীয় সীমা উপপাদ্য সমষ্টি জন্য না রাখা এস এন = Σ এন আমি = 1 এক্স আমি , এন । সর্বোপরি, এমন সমস্যায়ও সিএলটি প্রয়োগ করা সাধারণ যেখানে সমষ্টিগুলির উপাদানগুলির বিতরণ এন এর উপর নির্ভর করেnλnλn=1Sn=∑ni=1Xi,nn। পইসন বিতরণগুলিকে পয়সন ভেরিয়েবলের যোগফলের বিতরণ হিসাবে পচে যাওয়া এবং তারপরে একটি সিএলটি প্রয়োগ করাও সাধারণ।
The key issue as I see it is that your construction implies the distribution of Xi,n depends on n in such a way that the parameter of the distribution of Sn does not grow in n. If you would instead have taken, for example, Sn∼Poi(n) and made the same decomposition, the standard CLT would apply. In fact, one can think of many decompositions of a Poi(λn) distribution that allows for application of a CLT.
The Lindeberg-Feller Central Limit Theorem for triangular arrays is often used to examine convergence of such sums. As you point out, Sn∼Poi(1) for all n, so Sn cannot be asymptotically normal. Still, examining the Lindeberg-Feller condition sheds some light on when decomposing a Poisson into a sum may lead to progress.
A version of the theorem may be found in these notes by Hunter. Let s2n=Var(Sn). The Lindeberg-Feller condition is that, ∀ϵ>0:
1s2n∑i=1nE[Xi,n−1/n]2I(|Xi,n−1/n|>ϵsn)→0,n→∞
Now, for the case at hand, the variance of the terms in the sum is dying off so quickly in n that sn=1 for every n. For fixed n, we also have that the Xi,n are iid. Thus, the condition is equivalent to
nE[X1,n−1/n]2I(|X1,n−1/n|>ϵ)→0.
But, for small ϵ and large n,
nE[X1,n−1/n]2I(|X1,n−1/n|>ϵ)>nϵ2P(X1,n>0)=ϵ2n[1−e−1/n]=ϵ2n[1−(1−1/n+o(1/n))]=ϵ2+o(1),
which does not approach zero. Thus, the condition fails to hold. Again, this is as expected since we already know the exact distribution of Sn for every n, but going through these calculations gives some indications of why it fails: if the variance didn't die off as quickly in n you could have the condition hold.