人工智能之数学基础：辛钦大数定律

本文重点

辛钦大数定律是概率论中描述独立同分布随机变量序列算术平均值稳定性的核心定理。它由苏联数学家亚历山大·辛钦于1929年提出，揭示了当样本容量趋于无穷大时，样本均值几乎必然收敛于总体均值的数学规律。这一理论不仅为统计推断提供了基础，更在金融、保险、质量控制等领域具有广泛应用。

辛钦大数定律

假设一组独立同分布的随机变量X1,...,Xn，它们的数学期望为μ，它们的均值为：

那么对于任意的ε<0，都可以推断出：

这就是说独立同分布的随机变量的均值可以无限地逼近期望。

与伯努利大数定律的关系：特殊与一般的统一

辛钦大数定律是伯努利大数定律的推广。伯努利大数定律针对的是0-1分布（如抛硬币）的独立重复试验，其核心结论是：当试验次数 n 趋于无穷大时，事件发生的频率 nfA​​ 依概率收敛于概率 p。而辛钦大数定律将这一结论扩展