大数定理

✍ dations ◷ 2025-06-07 21:42:40 #大数定理
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

  • 无脊椎动物无脊椎动物(Invertebrate)是背侧没有脊柱的动物,包括棘皮动物、软体动物、刺胞动物、节肢动物、海绵动物、线形动物以及脊索动物门的头索动物及尾索动物等。其种类数占动物总种
  • 尿毒症尿毒症(uremia)是指肾功能衰竭,因而使蛋白质消化后产物、尿素等身体废弃物无法排出,滞留体内所产生的中毒现象。尿毒症的病因可归类为三方面尿异常、浮肿、容易疲累、夜间失眠、
  • 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
  • CXCL121A15, 1QG7, 1SDF, 1VMC, 2J7Z, 2K01, 2K03, 2K04, 2K05, 2KEC, 2KED, 2KEE, 2KOL, 2NWG, 2SDF, 3GV3, 3HP3· chemokine activity · growth factor activity· extracell
  • 传感器传感器(英语:Sensor)是用于侦测环境中所生事件或变化,并将此消息发送出至其他电子设备(如中央处理器)的设备,通常由敏感组件和转换组件组成。传感器是一种物理设备或生物器官,能够探
  • 血管神经性水肿血管神经性水肿是真皮、皮下组织(英语:subcutaneous tissue)、黏膜的局部肿胀。可发生于面部、舌头、喉、腹部、四肢。常与荨麻疹相关,荨麻疹是皮肤的红肿。 Onset is typically
  • 古希腊神庙列表本条目主旨在于介绍各地区的希腊神庙,如欲详细了解神庙内部建筑规模请参阅古希腊神庙条目。节庆:这里所陈述的古希腊神庙列表是希腊人由公元前六世纪到西元二世纪之间的神殿建
  • 纯素食主义者素食主义(英语:vegetarianism),又称蔬食主义,素食,蔬食(英语:plant-based food)等,是一种有关饮食的文化,主张不食用飞禽、走兽、鱼虾等动物的身体,也就是肉类,实践这种饮食文化的人被称
  • 情人节情人节(英语:Valentine's Day),在西方也称为圣瓦伦廷节(英语:Saint Valentine's Day),在每年的公历2月14日。近年,情人节被指过于商业化。基于宗教理由,南亚和中东等某些地区,情人节的
  • 大力士高速列车大力士高速列车(大力士,亦译作标枪女神高速列车、西北高速列车)是一班国际列车。它是由布鲁塞尔-里尔的HSL 1线发展而来的一条高速铁路网。它由荷兰铁路、比利时国家铁路、法国