本文介绍了统计学中的大数定理和中心极限定理。大数定理指出，随着样本数量增加，样本均值趋向于随机变量的期望值。中心极限定理则说明，大量独立随机变量的均值分布趋近于正态分布，即使原随机变量分布未知。通过举例骰子投掷实验，解释了这两个定理如何帮助我们理解和估算随机过程的期望值。
统计学习方法介绍经验风险的概念（相关笔记）时，提及大数定理，下面是个人对大数定理以及跟它有点相近的中心极限定理的理解：
1.大数定理的意思就是说当样本数够大的时候，样本均值近似相应随机变量的期望。举个掷骰子的例子，掷n次骰子，记录每次正面朝上的点数，最终可以算得一个平均值。现假设随机变量X表示投骰子每次朝上的点数，那么当n趋于无穷大，由n个样本数计算得到的均值会趋向EX。这也是我们常见的统计中用样本均值近似期望的做法。
2.中心极限定理的内容说的就是统计学里面经常用到的，样本均值服从期望为u，方差为Var(X)/2的正态分布。还是用上面投骰子的例子。做m次实验，每次实验投若干次骰子，可以得到一个均值Si，那么假设随机变量S表示每次实验的均值，会有
最低0.47元/天 解锁文章
1596
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
