大数定律

✍ dations ◷ 2025-04-04 11:14:58 #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

  • 医疗照顾相关感染医疗照顾相关感染(英语:health care–associated infection(HAI or HCAI)),旧称院内感染(nosocomial infection)、医院感染或医院获得性感染(hospital-acquired infection(HAI))是指在医
  • 大流行瘟疫,指大型且具有传染力又会造成死亡的流行病,在广大区域或全球多处传染人或其他物种。现代医学卫生发达,许多会造成大量死亡的瘟疫都有效控制为流行病等级。根据世界卫生组织
  • 经济全球化经济全球化是商品、技术、信息、服务、资金、人员等生产要素的跨国、跨地区的流动。这种流动把全世界连接成为一个统一的大市场,各国在这一大市场中发挥自己的优势,从而实现资
  • 马克萨姆-吉尔伯特测序马克萨姆-吉尔伯特测序(英语:Maxam-Gilbert sequencing)是一项由阿伦·马克萨姆与沃尔特·吉尔伯特于1976~1977年间开发的DNA测序方法。此项方法基于:对核碱基特异性地进行局部化
  • 莱昂纳多·克莱洛克伦纳德·克莱因罗克 (英语:Leonard Kleinrock,1934年6月13日-),美国工程师和计算机科学家。他是加州大学洛杉矶分校亨利·萨穆埃利工程与应用科学学院计算机科学教授。他在计算机
  • FeCsub2/subOsub4/sub草酸亚铁(化学式:FeC2O4)是铁(II)的草酸盐,黄色晶体,难溶于水,缓慢溶于浓盐酸。草酸亚铁可由Fe2+与C2O42-在溶液中的反应制得:如将硫酸酸化的硫酸亚铁铵和草酸溶液混合,加热并搅拌,静
  • 自治领印度(英语:India),通称印度自治领(英语:Dominion of India),是曾短暂存在于南亚次大陆上的一个国家。 当英国于1947年结束对印度次大陆的统治之后,便在此地建立了印度联邦和巴基斯坦
  • 中华全国工商业联合会政治主题中华全国工商业联合会,简称全国工商联,又名中国民间商会,是中华人民共和国的一个人民团体,是中华人民共和国最大的民间商会,是工商界的统一战线组织,在中国人民政治协商会
  • 高钠血症高钠血症(英语:Hypernatremia),亦可拼为 hypernatraemia,是描述患者血液中的钠离子浓度过高的状态。早期征象有包含极度的口渴感、无力感、恶心呕吐及食欲不振。严重时病患会出现
  • 阿勒曼尼人阿勒曼尼人,或译为阿拉曼人(Alamanni、Allemanni或Alemanni),这个名称源自位在美因河上游区域的日耳曼部落同盟。最早出现在文献中的,是在三世纪时,罗马皇帝卡拉卡拉宣称击败了阿