大数定律定义、历史与主要表现形式.pdfVIP

大数定律

大数定律(lawoflargenumbers)，又称大数定理，是一种描述当试验次数很大

时所呈现的概率性质的定律。但是注意到，虽然通常最常见的称呼是大数“定

律”，但是大数定律并不是经验规律，而是严格证明了的定理。

有些随机无规律可循，但不少是有规律的，这些“有规律的随机”在大

量重复出现的条件下，往往呈现几乎必然的统计特性，这个规律就是大数定律。

确切的说大数定律是以确切的数学形式表达了大量重复出现的随机现象的统计

规律性，即频率的稳定性和平均结果的稳定性，并讨论了它们成立的条件。

简单地说，大数定理就是“当试验次数足够多时，出现的频率无穷接近于该

发生的概率”。该描述即贝努利大数定律。

主要含义

在随机的大量重复出现中，往往呈现几乎必然的规律，这个规律就是大数

定律。通俗地说，这个定理就是，在试验不变的条件下，重复试验多次，随机事

件的频率近似于它的概率。比如，我们向上抛一枚硬币，硬币落下后哪一面朝

上本来是偶然的，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。

偶然中包含着某种必然。

发展

1733年，德莫佛—拉斯在分布的极限定理方面走出了根本性的一步，证明了

二项分布的极限分布是正态分布。拉斯改进了他的证明并把二项分布推广为更

一般的分布。1900年，诺夫进一步推广了他们的结论，并创立了特征函数

法。这类分布极限问题是当时概率论研究的问题，耶为之命名“

极限定理”。20世纪初，主要探讨使极限定理成立的最广泛的条件，二三十

年代的贝尔格条件和条件是独立随量序列情形下的显著进展。伯

努利是第一个研究这一问题的数学家，他于1713年首先提出后人称之为“大

数定律”的极限定理。

表现形式

大数定律有若干个表现形式。这里仅介绍高等数学概率论要求的常用的三个重要定

律：

•切比雪夫大数定理

设是一列两两不相关的随量，他们分别存在期望和方差

。若存在常数C使得：

则对任意小的正数ε，满足一：

将该应用于抽样，就会有如下结论：随着样本容量n的增加，样本平均

数将接近于总体平均数。从而为统计推断中依据样本平均数估计总体平均数了

理论依据。

特别需要注意的是，切比雪夫大数定理并未要求同分布，相较于后

面介绍的伯努利大数定律和辛钦大数定律更具一般性。

•伯努利大数定律

设μ是n次独立试验中A发生的次数，且A在每次试验中发生的概率

为P，则对任意正数ε，有二：

该定律是切比雪夫大数定律的特例，其含义是，当n足够大时，A出现的频

率将几乎接近于其发生的概率，即频率的稳定性。

在抽样中，用样本成数去估计总体成数，其理论依据即在于此。

•辛钦大数定律

辛钦大数定律：常用的大数定律

设{，i=1}为独立同分布的随量序列，若的数学期望存在，则服从大

数定律:

即对任意的ε0，有三：

大数定律通俗一点来讲，就是样本数量很大的时候，样本均值和均值充分接

近。这一结论与极限定理一起，成为现代概率论、统计学、理论科学和社

会科学的基石，重要性在看来甚至不弱于微积分。