Questions tagged «law-of-large-numbers»



1
中心极限定理和大数定律
关于中央极限定理(CLT),我有一个非常初学者的问题: 我知道CLT指出iid随机变量的均值近似为正态分布(对于,其中n是求和的索引)或标准化随机变量将具有标准正态分布。n→∞n→∞n \to \inftynnn 现在,《大数定律》粗略地说,iid随机变量的均值(概率或几乎确定地)收敛至其期望值。 我不明白的是:如果按照CLT的规定,均值大致呈正态分布,那么它又如何同时收敛到期望值呢? 对我而言,收敛将意味着,随着时间的推移,平均值取非预期值的概率几乎为零,因此,分布的确不是正态的,而是除预期值外,各处均几乎为零。 欢迎任何解释。

4
是否有法律规定如果您进行足够的试验,就会发生罕见的事情?
我正在尝试制作有关已加载的骰子的视频,在视频中的某一点上,我们掷出约200个骰子,将所有的六个骰子再次掷出,然后将所有的六个骰子掷出并第三次掷出。我们有一个骰子连续3次出现6次,这显然并不稀奇,因为应该有1/216的机会发生,我们有大约200个骰子。那么我该如何解释这并不稀奇呢?似乎不太像大数定律。我想说的是“如果您进行足够的测试,甚至不可能发生的事情”,但是我的伴侣说人们可能会对“绑定到”术语持怀疑态度。 有没有表达这种概念的标准方法?

3
中心极限定理与大数定律
中心极限定理指出,随着趋于无穷大,iid变量的均值变得正态分布。NNN 这提出了两个问题: 我们可以由此推论出大数定律吗?如果大数定律告诉我们,随机变量的值的样本均值等于真实平均作为趋于无穷大,那么似乎更强地说,(作为中心极限表示),该值变为其中是标准偏差。那么说中心极限意味着大数定律是否公平?Ñ Ñ(μ ,σ )σμμ\muNNNN(μ,σ)N(μ,σ)\mathcal N(\mu, \sigma)σσ\sigma 中心极限定理是否适用于变量的线性组合?


1
从某种意义上说,样本均值是分布的“最佳”估计值均值吗?
通过大量的(弱/强)法,给出了一些独立同分布的采样点分布的,它们的样本均值˚F *({ X 我,我= 1 ,... ,N } ):= 1{ x一世∈ [Rñ,i = 1 ,… ,N}{xi∈Rn,i=1,…,N}\{x_i \in \mathbb{R}^n, i=1,\ldots,N\}在样本量N趋于 无穷大时,在概率和概率上均收敛于分布均值。F∗({ x一世,i = 1 ,… ,N} ):= 1ñ∑ñ我= 1X一世f∗({xi,i=1,…,N}):=1N∑i=1Nxif^*(\{x_i, i=1,\ldots,N\}):=\frac{1}{N} \sum_{i=1}^N x_i ñNN 当样本量固定时,我想知道LLN估计量f *在某种意义上是否是最佳估计量?例如,ñNNF∗f∗f^* 它的期望是分布均值,因此它是一个无偏估计量。方差为其中σ2是方差分布。但这是UMVU吗?σ2ñσ2N\frac{\sigma^2}{N}σ2σ2\sigma^2 是否有一些函数使得f ∗({ x i,i = 1 ,… ,N } )解决了最小化问题:f ∗({ x i,i = 1 …
By using our site, you acknowledge that you have read and understand our Cookie Policy and Privacy Policy.
Licensed under cc by-sa 3.0 with attribution required.