大数定律

✍ dations ◷ 2025-08-06 15:12:05 #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

  • 阴道癌阴道肿瘤,也称阴道癌(英语:Vaginal cancer),是指一类病发于阴道的癌症肿瘤。原发性阴道肿瘤很罕见,其主要为鳞状细胞癌。恶性肿瘤相对更为常见。阴道癌的病发年龄通常为50岁以上的
  • 氟伏沙明氟伏沙明(Fluvoxamine)是一种选择性5-羟色胺再吸收抑制剂(SSRI)型的抗抑郁药,其药物形态为马来酸氟伏沙明(Fluvoxamine Maleate),商品名为“兰释”(Luvox)。在临床上常用于抑郁症及相
  • 牙婆牙人或称牙郎、牙商、牙侩、牙人(元代起从事人口贩卖的牙人又被称为人牙子),女性又称牙婆、牙媪。牙本为“互”字因相近唐代起被误写成牙,是在买卖交易中撮合成交的经纪人,属于一
  • 分光光谱仪分光光度法(英语:Spectrophotometry)是一门对光谱进行量化研究的分析方法。主要涉及的电磁波谱范围是可见光、近紫外线与近红外线。这种方法不同于电磁波谱与时间分辨光谱。将
  • 艾沙道尔·辛格艾沙道尔·曼纽尔·辛格(英语:Isadore Manuel Singer,1924年4月24日-),生于美国密歇根州底特律,数学家,长期担任麻省理工学院的数学系教授。因1962年与英国数学家迈克尔·阿蒂亚合作
  • 龙舌兰龙舌兰可以指:除了龙舌兰这称呼外,以下的事物也可能与龙舌兰酒(Tequila)共用相同的名称:
  • 塞浦路斯问题塞浦路斯问题(希腊语:Κυπριακό (ζήτημα) , 土耳其语:Kıbrıs Sorunu)是位在地中海东部的塞浦路斯岛上,因为塞浦路斯岛上的希腊人及土耳其人族裔问题及是否南、北
  • 拉斐特夫人拉斐特夫人,也译为拉法耶特夫人(Madame de La Fayette,1634年3月18日─1693年5月15日),法国小说家。其作品《克莱芙王妃》(La Princesse de Clèves)被奉为法国首部出色小说,并开心
  • 手球手球曾于1936年柏林奥运会成为夏季奥运会比赛项目。之后被排除出奥运大家庭,直到1972年奥运会再次恢复成为夏季奥运会比赛项目。女子手球自1976年奥运会起列入奥运会比赛项目
  • 彼得·保罗·鲁本斯彼得·保罗·鲁本斯(荷兰语:Sir Peter Paul Rubens,/ˈruːbənz/;,荷兰语发音:.mw-parser-output .IPA{font-family:"Charis SIL","Doulos SIL","Linux Libertine","Segoe UI","