대수의 법칙

대수의 법칙은 무작위 양에 대한 많은 독립적인 관측치의 평균이 그 기댓값으로 수렴한다고 명시하며, 장기적인 빈도가 안정화된다는 직관에 수학적 내용을 부여합니다.

Definition

대수의 법칙은 유한한 평균을 가진 독립적이고 동일하게 분포된 확률 변수의 표본 평균이 그 평균으로 수렴한다고 주장하며, 약대수의 법칙의 경우 확률적으로, 강대수의 법칙의 경우 거의 확실하게 수렴합니다.

Scope

이 주제는 체비쇼프 부등식과 절단법으로 증명된 약대수의 법칙, 유한한 평균만을 가정한 힌친의 약대수의 법칙, 최대 부등식과 3급수 정리와 함께 콜모고로프의 강대수의 법칙, 확률 수렴과 거의 확실한 수렴의 구별, 그리고 유한한 평균이 없는 변수에 대한 법칙의 실패를 다룹니다.

Core questions

• 표본이 증가함에 따라 표본 평균이 참 평균에 접근하는 정확한 의미는 무엇입니까?
• 약대수의 법칙과 강대수의 법칙의 차이점은 무엇이며, 각각 어떤 가설이 필요합니까?
• 강대수의 법칙을 증명 가능하게 하는 부등식과 분해는 무엇입니까?
• 기저 분포에 유한한 평균이 없을 때 어떤 일이 발생합니까?

Key concepts

• 확률 수렴
• 거의 확실한 수렴
• 체비쇼프 부등식
• 절단법
• 콜모고로프 3급수 정리

Key theories

약대수의 법칙

유한한 평균을 가진 독립적이고 동일하게 분포된 변수의 경우 표본 평균은 확률적으로 평균에 수렴합니다. 이는 분산이 유한할 때 체비쇼프 부등식으로부터 얻을 수 있으며, 힌친의 더 약한 가설 하에서는 절단 논증으로부터 얻을 수 있습니다.

콜모고로프 강대수의 법칙

독립적이고 동일하게 분포된 변수의 경우 유한한 평균은 표본 평균이 거의 확실하게 평균에 수렴하기 위한 필요충분조건이며, 이는 법칙의 결정적인 형태이자 확률의 빈도 해석의 기초입니다.

Clinical relevance

강대수의 법칙은 표본 평균으로 기댓값을 추정하는 것을 허용하고 몬테카를로 적분, 통계학에서 추정량의 일치성, 그리고 확률의 장기 상대 빈도 해석의 기초가 됩니다. 중꼬리 데이터(heavy-tailed data)에 대한 실패는 특정 보험 손실과 같이 평균이 무한한 양을 평균하는 것에 대한 경고를 줍니다.

History

베르누이는 1713년에 이항 비율에 대한 최초의 대수의 법칙을 증명했습니다. 체비쇼프는 간단한 분산 기반 증명을 제시했고, 힌친은 가설을 유한한 평균으로 약화시켰으며, 콜모고로프는 그것을 증명하는 최대 부등식과 3급수 정리와 함께 결정적인 거의 확실한 강대수의 법칙을 확립했습니다.

Key figures

• Jacob Bernoulli
• Pafnuty Chebyshev
• Aleksandr Khinchin
• Andrey Kolmogorov

Seminal works

• billingsley1995

Frequently asked questions

약대수의 법칙과 강대수의 법칙의 차이점은 무엇입니까?

약대수의 법칙은 어떤 큰 고정된 표본 크기에 대해 평균이 평균에 가까울 가능성이 높다고 말하는 반면, 강대수의 법칙은 확률 1로 평균의 전체 수열이 평균에 수렴한다고 말합니다. 강대수의 법칙이 더 결정적인 진술입니다.

대수의 법칙이 실패할 수 있습니까?

예. 코시 분포와 같이 기저 분포에 유한한 평균이 없는 경우, 표본 평균은 상수로 수렴하지 않으며, 일반적인 형태의 법칙은 적용되지 않습니다.