大数定律

✍ dations ◷ 2025-04-04 06:02:30 #大数定律
在数学与统计学中,大数定律又称大数法则、大数律,是描述相当多次数重复实验的结果的定律。根据这个定律知道,样本数量越多,则其算术平均值就有越高的概率接近期望值。大数定律很重要,因为它“说明”了一些随机事件的均值的长期稳定性。人们发现,在重复试验中,随着试验次数的增加,事件发生的频率趋于一个稳定值;人们同时也发现,在对物理量的测量实践中,测定值的算术平均也具有稳定性。比如,我们向上抛一枚硬币,硬币落下后哪一面朝上是偶然的,但当我们上抛硬币的次数足够多后,达到上万次甚至几十万几百万次以后,我们就会发现,硬币每一面向上的次数约占总次数的二分之一,亦即偶然之中包含着必然。切比雪夫不等式的一个特殊情况、辛钦定理和伯努利大数定律都概括了这一现象,都称为大数定律。例如,抛掷一颗均匀的6面的骰子,1,2,3,4,5,6应等概率出现,所以每次扔出骰子后,出现点数的期望值是1 + 2 + 3 + 4 + 5 + 6 6 = 3.5 {displaystyle {frac {1+2+3+4+5+6}{6}}=3.5}根据大数定理,如果多次抛掷骰子,随着抛掷次数的增加,平均值(样本平均值)应该接近3.5,根据大数定理,在多次伯努利实验中,实验概率最后收敛于理论推断的概率值,对于伯努利随机变量,理论推断的成功概率就是期望值,而若对n个相互独立的随机变量的平均值,频率越多则相对越精准。例如硬币投掷即伯努利实验,当投掷一枚均匀的硬币,理论上得出的正面向上的概率应是1/2。因此,根据大数定理,正面朝上的比例在相对“大”的数字下,“理应”接近为1/2,尤其是正面朝上的概率在n次实验(n接近无限大时)后应几近收敛到1/2。即使正面朝上(或背面朝上)的比例接近1/2,几乎很自然的正面与负面朝上的绝对差值(absolute difference差值范围)应该相应随着抛掷次数的增加而增加。换句话说,绝对差值的概率应该是会随着抛掷次数而接近于0。直观的来看,绝对差值的期望会增加,只是慢于抛掷次数增加的速度。大数定律主要有两种表现形式:弱大数定律和强大数定律。定律的两种形式都肯定无疑地表明,样本均值收敛于真值其中 X 1 {displaystyle X_{1}} , X 2 {displaystyle X_{2}} , ... 是独立同分布、期望值 E ⁡ ( X 1 ) = E ⁡ ( X 2 ) = ⋯ = μ {displaystyle operatorname {E} (X_{1})=operatorname {E} (X_{2})=,cdots ,=mu } 且皆勒贝格可积的随机变量构成的无穷序列。 X j {displaystyle X_{j}} 的勒贝格可积性意味着期望值 E ⁡ ( X j ) {displaystyle operatorname {E} (X_{j})} 存在且有限。方差 Var ⁡ ( X 1 ) = Var ⁡ ( X 2 ) = ⋯ = σ 2 < ∞ {displaystyle operatorname {Var} (X_{1})=operatorname {Var} (X_{2})=,cdots ,=sigma ^{2}<infty } 有限的假设是非必要的。很大或者无穷大的方差会使其收敛得缓慢一些,但大数定律仍然成立。通常采用这个假设来使证明更加简洁。强和弱之间的差别在所断言的收敛的方式。对于这些方式的解释,参见随机变量的收敛。弱大数定律也称为辛钦定理,陈述为:样本均值依概率收敛于期望值。也就是说对于任意正数 ε,强大数定律指出,样本均值以概率1收敛于期望值。即设 a 1 ,   a 2 ,   …   ,   a n ,   … {displaystyle a_{1}, a_{2}, dots , a_{n}, dots } 为相互独立的随机变量,其数学期望为: E ⁡ ( a i ) = μ ( i = 1 ,   2 ,   … ) {displaystyle operatorname {E} (a_{i})=mu quad (i=1, 2, dots )} ,方差为: Var ⁡ ( a i ) = σ 2 ( i = 1 ,   2 ,   … ) {displaystyle operatorname {Var} (a_{i})=sigma ^{2}quad (i=1, 2, dots )}则序列 a ¯ = 1 n ∑ i = 1 n a i {displaystyle {overline {a}}={frac {1}{n}}sum _{i=1}^{n}a_{i}} 依概率收敛于 μ {displaystyle mu } (即收敛于此数列的数学期望 E ( a i ) {displaystyle E(a_{i})} )。换言之,在定理条件下,当 n {displaystyle n} 无限变大时, n {displaystyle n} 个随机变量的算术平均将变成一个常数。设在 n {displaystyle n} 次独立重复伯努利试验中, 事件 X {displaystyle X} 发生的次数为 n x {displaystyle n_{x}} 。 事件 X {displaystyle X} 在每次试验中发生的总体概率为 p {displaystyle p} 。 n x n {displaystyle {frac {n_{x}}{n}}} 代表样本发生事件 X {displaystyle X} 的频率。大数定律可用概率极限值定义: 则对任意正数 ε > 0 {displaystyle varepsilon >0} ,下式成立:定理表明事件发生的频率依概率收敛于事件的总体概率。 定理以严格的数学形式表达了频率的稳定性。 就是说当 n {displaystyle n} 很大时,事件发生的频率于总体概率有较大偏差的可能性很小。

相关

  • 脑膜脑炎脑膜脑炎(英语:Meningoencephalitis /mɪˌnɪŋɡoʊɛnˌsɛfəˈlaɪtᵻs, -ˌnɪndʒoʊ-, -ən-, -ˌkɛ-/ )是一种兼具脑膜炎(脑膜的感染、发炎)和脑炎(脑的感染、发炎)特点
  • 蛋白质合成抑制剂蛋白质合成抑制剂是通过扰乱直接导致新的蛋白质生成的过程来阻止或减缓细胞生长或增殖的物质。虽然对该定义的广泛解释可用于描述几乎所有抗生素,但在实践中,它通常是指在核糖
  • 心跳过缓Bradycardia is a condition wherein an individual has a slow heart rate, typically defined as a heart rate of under 60 beats per minute (BPM) in adults. Bradycar
  • 不育不孕(英语:Infertility)又称不育,是指人类、动物或植物无法透过有性生殖繁衍后代的情形。对于大部分健康的成熟动植物个体而言,会在生命中的特定时期内有生育能力,不过真社会性物
  • 斐济面积以下资讯是以2016年估计国家领袖国内生产总值(购买力平价) 以下资讯是以2016年估计国内生产总值(国际汇率) 以下资讯是以2016年估计人类发展指数 以下资讯是以2018年估计斐
  • 闪电战闪电战(英语:Lightning War,德语: Blitzkrieg 帮助·信息)又称闪击战,是一种军事学说,采用移动力量迅速地出其不意地进攻,以避免敌人组织起防御线。它脱胎于19世纪普鲁士参谋部的战
  • 亨利·卡文迪什亨利·卡文迪什(英语:Henry Cavendish,又译亨利·卡文迪许、亨利·卡文狄西、亨利·卡文迪西,1731年10月10日-1810年2月24日),英国物理学家、化学家。他首次对氢气的性质进行了细致
  • 斯蒂芬·J·本科维奇斯蒂芬·詹姆斯·本科维奇(英语:Stephen James Benkovic,1938年4月20日-),美国化学家。他是宾夕法尼亚州立大学埃文·普格教授和埃伯利主席。他的研究关注酶促反应和酶抑制剂的发
  • 杰夫戴维斯县杰夫·戴维斯县(Jeff Davis County, Georgia)是美国乔治亚州东南部的一个县。面积869平方公里。根据美国2000年人口普查,共有人口12,684人。县治哈兹勒赫斯特 (Hazlehurst)。杰
  • 叶军叶军(1967年11月-),浙江绍兴人,美籍华裔物理学家,美国国家科学院院士。1985-1989年就读于上海交通大学物理系,获得物理学学士学位,1997于美国科罗拉多大学获得物理学博士学位。1999