قوانین اعداد بزرگ
قوانین اعداد بزرگ بیان میکنند که میانگین بسیاری از مشاهدات مستقل یک کمیت تصادفی به مقدار مورد انتظار آن همگرا میشود و به این شهود که فراوانیهای بلندمدت تثبیت میشوند، محتوای ریاضی میبخشد.
Definition
قوانین اعداد بزرگ تأکید میکنند که میانگین نمونهای متغیرهای تصادفی مستقل با توزیع یکسان و میانگین متناهی، به آن میانگین همگرا میشود، در احتمال برای قانون ضعیف و تقریباً مطمئن برای قانون قوی.
Scope
این موضوع شامل قانون ضعیف اعداد بزرگ است که با نابرابری چبیشف و با برش اثبات شده است، قانون ضعیف خینچین تنها تحت یک میانگین متناهی، قانون قوی اعداد بزرگ کولموگروف با نابرابری ماکسیمال و قضیه سهسری آن، تمایز بین همگرایی در احتمال و همگرایی تقریباً مطمئن، و شکست قوانین برای متغیرهای بدون میانگین متناهی.
Core questions
- به چه معنای دقیق، میانگین نمونهای با افزایش حجم نمونه به میانگین واقعی نزدیک میشود؟
- تفاوت بین قوانین ضعیف و قوی چیست و هر کدام به چه فرضیاتی نیاز دارند؟
- کدام نابرابریها و تجزیهها اثبات قانون قوی را ممکن میسازند؟
- چه اتفاقی میافتد وقتی توزیع زیربنایی میانگین متناهی ندارد؟
Key concepts
- همگرایی در احتمال
- همگرایی تقریباً مطمئن
- نابرابری چبیشف
- روش برش
- قضیه سهسری کولموگروف
Key theories
- قانون ضعیف اعداد بزرگ
- برای متغیرهای مستقل با توزیع یکسان و میانگین متناهی، میانگین نمونهای در احتمال به میانگین همگرا میشود، نتیجهای که از نابرابری چبیشف زمانی که واریانس متناهی است و از استدلالهای برش تحت فرضیه ضعیفتر خینچین قابل دستیابی است.
- قانون قوی اعداد بزرگ کولموگروف
- برای متغیرهای مستقل با توزیع یکسان، میانگین متناهی برای همگرایی میانگین نمونهای به میانگین تقریباً مطمئن ضروری و کافی است، که شکل قطعی قانون و مبنای تفسیر فراوانی احتمال است.
Clinical relevance
قانون قوی همان چیزی است که تخمین امید ریاضی را با میانگین نمونه مجاز میشمارد و زیربنای انتگرالگیری مونت کارلو، سازگاری برآوردگرها در آمار، و تفسیر فراوانیگرایانه احتمال به عنوان فراوانی نسبی بلندمدت است؛ شکست آن برای دادههای دارای دنباله سنگین (heavy-tailed data) در برابر میانگینگیری کمیات با میانگین نامتناهی مانند برخی خسارات بیمه هشدار میدهد.
History
برنولی اولین قانون اعداد بزرگ را برای نسبتهای دوجملهای در سال 1713 اثبات کرد. چبیشف یک اثبات ساده مبتنی بر واریانس ارائه داد، خینچین فرضیات را به یک میانگین متناهی تضعیف کرد، و کولموگروف قانون قوی تقریباً مطمئن قطعی را به همراه نابرابری ماکسیمال و قضیه سهسری که آن را اثبات میکنند، بنیان نهاد.
Key figures
- Jacob Bernoulli
- Pafnuty Chebyshev
- Aleksandr Khinchin
- Andrey Kolmogorov
Related topics
Seminal works
- billingsley1995
Frequently asked questions
- تفاوت بین قوانین ضعیف و قوی اعداد بزرگ چیست؟
- قانون ضعیف میگوید که میانگین به احتمال زیاد برای هر حجم نمونه بزرگ و ثابت به میانگین نزدیک خواهد بود، در حالی که قانون قوی میگوید که با احتمال یک، کل دنباله میانگینها به میانگین همگرا میشود؛ قانون قوی بیان قطعیتری است.
- آیا قانون اعداد بزرگ میتواند شکست بخورد؟
- بله؛ اگر توزیع زیربنایی میانگین متناهی نداشته باشد، مانند توزیع کوشی، میانگین نمونهای اصلاً به یک ثابت همگرا نمیشود و قانون در شکل معمول خود کاربرد ندارد.