设为首页 - 加入收藏 华夏网 (http://www.hxwgxz.com)- 云主机,资讯,互联网,人工智能,云计算,大数据,区块链,VR,站长网!
热搜: 芯片 平台 google 2019
当前位置: 主页 > 大数据 > 正文

大数定律理解

发布时间:2021-01-20 18:35 所属栏目:[大数据] 来源:网络整理
导读:概率论中的大数定律都发端于伯努利的工作。下面我们来回顾下这个问题: 假设袋中有 a 个白球, b 个黑球, p = a a + b 。有放回的从袋中抽球 N 次,记录抽到白球的次数为 X ,我们用 X N 去估计 p 。伯努利视图证明的就是:用 X N 去估计 p 的确定性——他

概率论中的大数定律都发端于伯努利的工作。下面我们来回顾下这个问题:

假设袋中有 a 个白球, b 个黑球, p=aa+b 。有放回的从袋中抽球 N 次,记录抽到白球的次数为 X ,我们用 XN 去估计 p 。伯努利视图证明的就是:用 XN 去估计 p 的确定性——他称为道德确定性。确切的含义是:任意给定两个数 ?>0 η>0 ,总可以取足够大的抽取次数 N ,使事件 {|XN?p|>?} 的概率不超过 η 。这意思很显然: |XN?p|>? 表明估计误差未达到指定的接近程度(也就是小于允许的误差),这种情况发生的可能性可以随心所欲地小,但代价是加大 N

伯努利大数定律也可以这样来说:在多次相同的条件的重复试验中,频率有越接近一稳定值的趋势。也告诉了我们当实验次数很大时,可以用事件发生的频率来代替事件的概率。

从上面的叙述中我们就能知道大数定律中的“大数”是啥意思了——就是很大的数。英文名——law of large numbers 可能更容易理解。

在伯努利的基础上,后面的数学家不断发展和完善了大数定律:

(1) 棣莫弗—拉普拉斯定理
证明的是二项分布的极限分布是正态分布,也告诉了我们实际问题时可以用大样本近似处理

(2) 切比雪夫大数定律
在用标准差估计精度的时候用到,类似 那个规律。
由切比雪夫不等式P{|X-EX|<ε}>=1-DX/ε^2
可以导出区间(x± k σ)下的概率. K=2时. x± 2σ. 75%;K=3,89%;K=4,94%
切比雪夫大数定律是切比雪夫不等式的推论。

(3) 辛钦大数定律
需要独立同分布的条件。 切比雪夫大数定律只需相互独立分布。
 
(4) 中心极限定理
说明的是在一定条件下,大量独立随机变量的平均数是以正态分布为极限的。
而大数定律只是揭示了大量随机变量的平均结果,但没有涉及到随机变量的分布的问题。

(5) 列维-林德伯格定理 是中心极限定理的一种,就是独立同分布的中心极限定理

【免责声明】本站内容转载自互联网,其相关言论仅代表作者个人观点绝非权威,不代表本站立场。如您发现内容存在版权问题,请提交相关链接至邮箱:bqsm@foxmail.com,我们将及时予以处理。

网友评论
推荐文章