0%

大数定律

定义

在数学与统计学中,大数定律又称大数法则、大数律,是描述相当多次数重复实验的结果的定律。根据这个定律知道,样本数量越多,则其算术平均值就越趋近期望值。

举例

1)抛掷一颗均匀的6面的骰子,六面出现概率为

数据 1 2 3 4 5 6
概率 1/6 1/6 1/6 1/6 1/6 1/6

数学期望 = 1 × (1/6) + 2 × (1/6) + 3 × (1/6) + 4 × (1/6) + 5 × (1/6) + 6 × (1/6)

数学期望 = 3.5

2)使用程序模拟投掷过程

1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29
30
31
32
33
34
35
36
37
38
39
40
41
42
43
44
45
46
47
48
49
50
public class Application {
public static void main(String[] args) {
int count = 100 * 10000;
int oneCount = 0;
int twoCount = 0;
int threeCount = 0;
int fourCount = 0;
int fiveCount = 0;
int sixCount = 0;
for (int i = 1; i <= count; i++) {
int ran = (int) (Math.random() * 6) + 1;
switch (ran) {
case 1:
oneCount = oneCount + 1;
break;
case 2:
twoCount = twoCount + 1;
break;
case 3:
threeCount = threeCount + 1;
break;
case 4:
fourCount = fourCount + 1;
break;
case 5:
fiveCount = fiveCount + 1;
break;
case 6:
sixCount = sixCount + 1;
break;
}
if (i == 100 || i == 10000 || i == 1000000) {
System.out.println("第" + i + "次统计:");
System.out.println("1\t2\t3\t4\t5\t6");
System.out.print(oneCount + "\t");
System.out.print(twoCount + "\t");
System.out.print(threeCount + "\t");
System.out.print(fourCount + "\t");
System.out.print(fiveCount + "\t");
System.out.println(sixCount);
System.out.print(new BigDecimal(oneCount).divide(new BigDecimal(i)) + "\t");
System.out.print(new BigDecimal(twoCount).divide(new BigDecimal(i)) + "\t");
System.out.print(new BigDecimal(threeCount).divide(new BigDecimal(i)) + "\t");
System.out.print(new BigDecimal(fourCount).divide(new BigDecimal(i)) + "\t");
System.out.print(new BigDecimal(fiveCount).divide(new BigDecimal(i)) + "\t");
System.out.println(new BigDecimal(sixCount).divide(new BigDecimal(i)));
}
}
}
}

3)统计结果

第100次统计:

数据 1 2 3 4 5 6
出现次数 17 15 16 19 21 12
出现概率 0.17 0.15 0.16 0.19 0.21 0.12

总数为:348

算术平均数为:3.48

第10000次统计:

数据 1 2 3 4 5 6
出现次数 1724 1638 1639 1636 1664 1699
出现概率 0.1724 0.1638 0.1639 0.1636 0.1664 0.1699

总数为:34975

算术平均数为:3.4975

第1000000次统计:

数据 1 2 3 4 5 6
出现次数 167149 166751 166553 166521 166688 166338
出现概率 0.167149 0.166751 0.166553 0.166521 0.166688 0.166338

总数为:3497862

算术平均数为:3.497862

结论

随着投掷次数的不断增多,算术平均数无限接近于期望值