大数定理

✍ dations ◷ 2025-06-28 07:20:36 #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

  • 角膜炎角膜炎(英语:Keratitis),是指眼睛角膜发炎的症状,患者会感到眼部疼痛、视力模糊及流眼泪等。角膜炎的最主要成因是由病原体引致,如棘变形虫、镰孢菌等。佩戴隐形眼镜的人士,有较大
  • 多尿症多尿症(英文:Polyuria)是指在一定时间内,所排出的尿量比普通人高。如果饮水量为2000毫升,正常人的尿量介于800毫升-2000毫升。如果所排出的尿量在一天内高于2500毫升,便是多尿症。
  • 协同进化在生物学上,共演化是指“一项生物学的性质因另一项生物学的性质变化而随之变化”。共演化可以发生在许多生理学上的层次,如微观下蛋白质中氨基酸之序列,如巨观下不同生物的性状
  • N04A·B·C·D·G·H·QI·J·L·M·N·P·R·S·VATC代码N04(抗震颤麻痹药)是解剖学治疗学及化学分类系统的一个药物分组,这是由世界卫生组织药物统计方法整合中心(The WHO Collab
  • 胸管插入胸腔闭式引流术,又称“胸廓造口术、胸腔管手术”,是一种较为简单的外科手术。一般用于治疗各种胸腔积水、胸腔积液(英语:pleural effusion)和气胸等。过程是先进行局部麻醉后,在肋
  • 奥尔梅克奥尔梅克文明(Olmec)是已知的最古老的美洲文明之一。它存在和繁盛于公元前1200年到公元前400年的中美洲(现在的墨西哥中南部)。“奥尔梅克”一词源自纳瓦特尔语中用以指奥尔梅克
  • 德斯蒙德·莫利斯德斯蒙德·莫利斯(Desmond Morris,全名Desmond John Morris,1928年1月24日-)英国著名动物学家。出生于英国威尔特郡,中学毕业后,就读英国伯明翰大学,得学士学位。后又入牛津大学继续
  • 6d1 7s22, 8, 18, 32, 18, 9, 2第一:499 kJ·mol−1 第二:1170 kJ·mol主条目:锕的同位素锕是一种放射性金属元素,符号为Ac,原子序为89。锕在1899年被发现,是首个得到分离的非
  • 菱钴矿碳酸钴(化学式:CoCO3)是钴(Ⅱ)的碳酸盐。红色单斜晶系结晶或粉末。几乎不溶于水、醇、乙酸甲酯和氨水,可溶于酸,但不与冷的浓盐酸或浓硝酸作用。400°C 以上开始分解,放出二氧化碳
  • 幼王亨利幼王亨利(Henry the Young King,1155年2月28日-1183年6月11日),英格兰国王亨利二世及王后埃莉诺的五位合法儿子中的次子,但在活过婴儿期的诸子中是长子。他从1170年起成为名义上的