概念卡：大数定律 Law of Large Numbers
概念卡：大数定律 Law of Large Numbers
一句话定义
大数定律说明样本数量足够大时，样本平均会趋近于总体期望。
它解决什么问题
它解释了为什么用大量样本的平均值估计总体平均是合理的。
典型使用场景
- 用样本均值估计总体均值。
- 模拟实验和蒙特卡洛方法。
- 理解统计估计的稳定性。
需要知道的关键词
- Sample Average
- Population Mean
- Convergence
- Monte Carlo
- Consistency
和导师方向的关系
大数定律是统计估计和模拟方法的基础，也是理解“数据越多估计越稳定”的理论来源。
交流时可以怎么说
大数定律说明样本平均在样本量增加时会趋近总体期望，但前提条件仍然重要。
在重尾或依赖数据中，样本均值的稳定性可能比直觉上更差。
可以追问的问题
- 样本是否独立同分布？
- 总体期望是否存在？
- 收敛速度是否足够快？
给 AI 的提示词
请解释大数定律和中心极限定理的区别。要求给直觉、公式含义和一个模拟例子。
我的理解边界
- 已理解：样本均值会靠近总体期望。
- 还不确定：强大数定律和弱大数定律。
- 下次需要补：蒙特卡洛模拟。