大数定律 Law of Large Numbers
讨论 随机变量序列的算术平均值向随机变量各数学期望的算术平均值 收敛的定律
设随机变量X,期望值$E(X)$
概念
随机变量的n次观测样本,将所有观测值平均起来,($\bar X_n$表示该平均值,$X_1,X_2,X_3…$表示观测值)
$$\bar X_n = \frac{X_1+X_2+X_3+…+X_n}{n}$$
大数定律表示样本均值趋近与随机变量的期望值,或者说n趋于无穷,样本均值趋于总体样本.
$$\bar X_n \rightarrow E(X) for n \rightarrow \infty$$
or$$\bar X_n \rightarrow \mu for n \rightarrow \infty$$
样本越大,均值越接近期望值.
抛硬币
100次实验,期望值$E(X)=100\times 0.5=50$
样本,第一次实验是55正,第二次是65正....
根据大数定律,随着样本数量的增加样本的均值$\bar X_n$收敛于50
赌徒谬论:前100次实验,结果都数字都偏大,那么后面数字就会偏小.
每次的实验是独立的,每个样本也是独立的,下一个实验概率仍然是0.5.大数定律是趋于无穷,后面还可以做无穷次实验,并不意味者后面数字就会偏小来补偿
博主个人能力有限,错误在所难免.
如发现错误请不要吝啬,发邮件给博主更正内容,在此提前鸣谢.
Email: JentChang@163.com (来信请注明文章标题,如果附带链接就更方便了)
你也可以在下方的留言板留下你宝贵的意见.