Peluang & Statistika · Hukum bilangan besar

Hukum bilangan besar

Dalam pengulangan independen percobaan yang sama, proporsi keberhasilan konvergen ke peluangnya dalam jangka panjang, sambil tetap berfluktuasi. Keunggulan awal diencerkan, bukan dibayar kembali.

01

Hukum bilangan besar dalam visualisasi ini

Misalkan X1,X2,…X_1, X_2, \dots adalah pengambilan independen dari satu distribusi dengan rata-rata berhingga μ=E[X]\mu = E[X] (cukup bahwa E∣X∣<∞E|X| < \infty), dan Xˉn\bar X_n adalah rata-rata n pengambilan pertama. Hukum bilangan besar menyatakan bahwa Xˉn→μ\bar X_n \to \mu: dalam peluang (hukum lemah) dan dengan peluang satu (hukum kuat). Untuk koin, XiX_i bernilai 1 untuk gambar, sehingga Xˉn=p^n=Hn/n\bar X_n = \hat p_n = H_n/n adalah proporsi gambar dan μ=p\mu = p. Halaman ini mengikuti satu atau lebih lintasan 100 000 lemparan dan menanyakan apa yang membuat proporsi mendekati nilai tetap.

Satu penyimpangan, dua skala
Hn−np=n (p^n−p),SD(p^n)=p(1−p)n,SD(Hn−np)=np(1−p)H_n - np = n\,(\hat p_n - p), \qquad \mathrm{SD}(\hat p_n) = \sqrt{\tfrac{p(1-p)}{n}}, \qquad \mathrm{SD}(H_n - np) = \sqrt{np(1-p)}

Lapisan atas menampilkan p^n\hat p_n, lapisan bawah kelebihan gambar terhadap jumlah harapan, Hn−npH_n - np; untuk koin adil, nilainya setengah dari “gambar dikurangi angka”. Penyimpangan yang sama menyusut di atas dan membesar di bawah. Pita putus-putus pada tiap n adalah rentang 95% eksak distribusi binomial: interval bilangan bulat tersempit [an,bn][a_n, b_n] dengan paling banyak 2.5% dari HnH_n di bawahnya dan paling banyak 2.5% di atasnya, sehingga mencakup minimal 95% (bacaan memberikan cakupan eksak). Dalam proporsi, nilainya [an/n, bn/n][a_n/n,\ b_n/n], dalam jumlah [an−np, bn−np][a_n - np,\ b_n - np]: peristiwa yang sama. Dengan awalan sepuluh gambar, koin pasangan yang bermula dengan lima memakai setiap lemparan berikutnya yang sama: keduanya selalu berbeda tepat 5 gambar, sehingga proporsinya berbeda tepat 5/n5/n. Keunggulannya diencerkan, bukan dibayar kembali.

02

Hal yang perlu diperhatikan

  • Pita ini berlaku per titik: pada setiap n tetap, minimal 95% lintasan berada di dalamnya, tetapi lintasan yang tetap di dalam pada setiap n jauh lebih jarang. Lintasan yang sesekali keluar dari pita sesuai dengan prediksi hukum ini, bukan kegagalannya.
  • Tidak ada yang membayar kembali keunggulan awal. Setelah rentetan gambar, lemparan berikutnya tetap menghasilkan gambar dengan peluang p (kekeliruan penjudi menyatakan sebaliknya; jendela “Hitungan setelah rentetan” menghitungnya). Proporsi mendekati nilai tetap karena kelebihan yang sama dibagi dengan n yang terus membesar.
  • Pita menyempit seperti 1/n1/\sqrt{n}: pada 95% yang sama, satu angka desimal benar tambahan memerlukan sekitar seratus kali lebih banyak lemparan. Hukum ini memerlukan rata-rata berhingga: untuk distribusi Cauchy, rata-rata n pengambilan tidak lebih stabil daripada satu pengambilan (lihat halaman teorema limit pusat).
  • Jacob Bernoulli membuktikan kasus percobaan seperti koin dalam Ars Conjectandi (1713); nama “hukum bilangan besar” berasal dari Poisson (1837).
03

Kontrol

  • Tombol merah memutar ulang lemparan yang telah dihitung dengan benih tetap; ditekan saat berjalan akan menghentikannya, ditekan lagi melanjutkan, dan setelah selesai melempar dengan benih berikutnya. Tekan atau seret di mana saja pada gambar untuk menggeser kursor; bacaan hanya memakai lemparan di kirinya. Bagikan menyimpan benih, versi algoritme, dan kursor.
04

Terkait

  • H16Distribusi binomialDirencanakan
  • H19Teorema limit pusat
  • H18Distribusi samplingDirencanakan
  • H20Interval kepercayaanDirencanakan
  • H05Distribusi normalDirencanakan

Bacaan lanjutan: Wikipedia: Law of large numbers (Bahasa Inggris); OpenStax, Introductory Statistics 2e, 3.1 Terminology (Bahasa Inggris); MacTutor: Sejarah Matematika: Jacob Bernoulli (Bahasa Inggris).