大数定律

✍ dations ◷ 2025-06-27 16:54:38 #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

  • 碳循环碳循环是一种生物地质化学循环,指碳元素在地球上的生物圈、岩石圈、土壤圈、水圈及大气中交换。碳的主要来源有四个,分别是大气、陆上的生物圈(包括淡水系统及无生命的有机化合
  • 腔棘鱼见内文腔棘鱼是肉鳍鱼纲腔棘鱼目(学名:Coelacanthiformes)的鱼类,包含了最古老的有颔下门分支。腔棘鱼所属种类被认为已于至少6500万年前的白垩纪末完全灭绝。1938年在南非发现
  • 书面语书面语是一种透过文字系统来表达的语言,以书写及阅读来传达意义。书面语是一种人为发明下的产物,基于某个特定的口语之后发展出来,因此没有任何一种自然语言是只有书面语而没有
  • 古罗马人命名习俗在罗马共和国和罗马帝国时代,罗马男性公民名字的命名通常采用三名法(拉丁语:tria nomina),即组成名字的三个部分依次为个人名(praenomen)、氏族名(nomen)和家族名(cognomen),在三名之外
  • 气象及环境监控气象卫星是人造卫星的一种,其主要作用是观察和监视地球的气象和气候。气象卫星不只可以观察云的系统,城市灯光、火灾、大气和水污染、极光、沙暴、冰雪覆盖率、海流和能源浪费
  • 眼虫眼虫藻(学名:Euglena)是生物里的一个属,属于裸藻纲。其名字的来源是因为它们有眼斑,它与趋光有关。眼虫为长梭形或圆柱形而带扁平的单细胞藻体,由前端小凹陷生出细长鞭毛一条,其运
  • 弗朗索瓦·阿拉戈弗朗索瓦·让·多米尼克·阿拉戈(法语:François Jean Dominique Arago,1786年2月26日-1853年10月2日),出生于佩皮尼昂,法国数学家、物理学家、天文学家和政治家,曾任法国第25任总理
  • 甘油三酸酯甘油三酯(triglyceride, TG, triacylglycerol, TAG, or triacylglyceride),亦作三酸甘油酯,常称为油脂,为动物性油脂与植物性油脂的主要成分,一种由一个甘油分子和三个脂肪酸分子
  • 皮质醇增多症库兴氏综合征(法语:Le syndrome de Cushing; 英语:Cushing's syndrome)亦称库欣氏综合征、柯兴氏综合征、皮质醇增多症,其中包括库欣氏病(Cushing's disease,专指由原发性脑下腺瘤
  • 1,2-二溴乙烷1,2-二溴乙烷,化学式为BrCH2CH2Br,是一种化合物。它是带香气而无色的液体,当其浓度达到10ppm时则可察其存在。其主要来源是人工合成,但大海中亦有微量可能由藻类及海带制造的1,2