Law Of Large Numbers - 大數定律 - 大數定理
大數
實質上可以理解爲多數
。
在隨機事件的大量重複出現中,往往呈現幾乎必然的規律,這個規律就是大數定律。這個定理就是在試驗不變的條件下,重複試驗多次,隨機事件的頻率近似於它的概率。偶然中包含着某種必然。
大數定律分爲弱大數定律和強大數定律。
大數定律是一種描述當試驗次數很大時所呈現的概率性質的定律。大數定律並不是經驗規律,而是在一些附加條件上經嚴格證明了的定理,它是一種自然規律因而通常不叫定理而是大數定律。
如果統計數據足夠大,那麼事物出現的頻率就能無限接近他的期望值。
1. 切比雪夫大數定理 (切比雪夫不等式)
設 是相互獨立的隨機變量 (或者兩兩不相關),他們分別存在期望 和方差 。若存在常數 使得,
則對任意小的正數 ,滿足下列公式
隨着樣本容量 n
的增加,樣本平均數將接近於總體平均數。從而爲統計推斷中依據樣本平均數估計總體平均數提供了理論依據。
切比雪夫大數定理並未要求 同分布,相較於伯努利大數定律和辛欽大數定律更具一般性。
2. 伯努利大數定律
設 是 次獨立試驗中事件 A
發生的次數,且事件 A
在每次試驗中發生的概率爲 ,則對任意正數 ,
伯努利大數定律是切比雪夫大數定律的特例,當 n
足夠大時,事件 A
出現的頻率將幾乎接近於其發生的概率,即頻率的穩定性。
3. 辛欽大數定律
設 爲獨立同分布的隨機變量序列,若 的數學期望存在,則服從大數定律。對任意正數 ,
辛欽大數定律指出用算術平均值來近似實際真值是合理的,而在數理統計中,用算術平均值來估計數學期望就是根據此定律,這一定律使算術平均值的法則有了理論依據。
對於弱大數定律,上述收斂是指依概率收斂 (in probability)。
對於強大數定律,上述收斂是指幾乎必然收斂 (almost surely/with probability one)。
大數定律通俗來講就是樣本數量很大的時候,樣本均值和真實均值充分接近。大數定律與中心極限定理一起,成爲現代概率論、統計學、理論科學和社會科學的基石。