Prawo wielkich liczb (LLN): definicja, przykład i zastosowania w statystyce
Prawo wielkich liczb (LLN): jasne wyjaśnienie, praktyczne przykłady i zastosowania w statystyce — jak średnie z próbek zbliżają się do wartości oczekiwanej.
Prawo wielkich liczb (LLN) jest twierdzeniem ze statystyk. Mówi ono, że jeśli pewna zmienna losowa jest obserwowana wielokrotnie w niezależnych próbach o tym samym rozkładzie, to arytmetyczna średnia z tych obserwacji z czasem stabilizuje się wokół wartości oczekiwanej tej zmiennej. Innymi słowy: im więcej obserwacji, tym bliżej rzeczywistej wartości oczekiwanej znajduje się średnia z próby.
Galeria obrazów
3 Obrazy
Definicja i zapis formalny
Niech X1, X2, …, Xn będą niezależnymi i identycznie rozłożonymi (i.i.d.) zmiennymi losowymi o wspólnej wartości oczekiwanej μ = E(X1) (przyjmujemy E|X1| < ∞). Definiujemy średnią z próby
X̄n = (X1 + X2 + … + Xn) / n.
Prawo wielkich liczb stwierdza, że w miarę wzrostu n wartość X̄n zbiega do μ.
Rodzaje prawa wielkich liczb
- Słabe prawo wielkich liczb (WLLN): X̄n zbiega do μ w sensie prawdopodobieństwa, tzn. dla każdego ε > 0 mamy P(|X̄n − μ| > ε) → 0, gdy n → ∞. Ten wariant można uzyskać np. z zastosowania nierówności Chebysheva przy założeniu skończonej wariancji.
- Mocne prawo wielkich liczb (SLLN): X̄n zbiega do μ z prawdopodobieństwem 1 (zbieżność prawie pewna). Jest to silniejsze stwierdzenie: prawdopodobieństwo, że ciąg średnich ostatecznie zbliży się i pozostanie blisko μ, wynosi 1. Dowód wymaga zwykle ostrzejszych narzędzi (np. twierdzeń Kołmogorowa).
Przykład: rzuty kostką
Rozważmy standardową sześcienną kostkę do gry, w której możliwe wyniki to 1, 2, 3, 4, 5 i 6 — wszystkie jednakowo prawdopodobne. Wartość oczekiwana pojedynczego rzutu wynosi:
(1 + 2 + 3 + 4 + 5 + 6) / 6 = 3.5.
Jeśli wykonamy dużą liczbę niezależnych rzutów kostką i będziemy liczyć średnią z uzyskanych wyników, zgodnie z prawem wielkich liczb ta średnia będzie się stabilizować wokół 3,5. Na początku, przy niewielkiej liczbie rzutów, średnia może być znacznie odległa od 3,5; w miarę zwiększania liczby obserwacji fluktuacje maleją i średnia przybliża wartość oczekiwaną.
Zarys dowodu (intuicja)
Najprostszy dowód dla słabego prawa wielkich liczb wykorzystuje nierówność Chebysheva. Jeśli zmienne mają skończoną wariancję σ2 = Var(X1), to Var(X̄n) = σ2/n. Nierówność Chebysheva daje
P(|X̄n − μ| > ε) ≤ Var(X̄n) / ε2 = σ2 / (n ε2),
co dąży do zera przy n → ∞, stąd zbieżność w prawdopodobieństwie. Dowód SLLN jest bardziej zaawansowany i wymaga np. twierdzenia Kołmogorowa o zbieżności szeregów losowych lub innych narzędzi teorii miary.
Ograniczenia i uwagi
- Prawo wielkich liczb nie mówi o szybkości zbieżności — jedynie, że zbieżność następuje dla dużych n. Szybkość i rozkład odchyleń opisuje twierdzenie centralne graniczne.
- Wymagane są pewne warunki: typowo niezależność (lub słabsze warunki zależności) i skończona wartość oczekiwana; dla niektórych uogólnień można znosić identyczność rozkładów lub pozwolić na pewne zależności przy spełnieniu dodatkowych warunków.
- Jeśli wartość oczekiwana nie istnieje (np. rozkłady o bardzo ciężkich ogonach), standardowe prawo wielkich liczb może nie zachodzić lub wymagać modyfikacji.
Zastosowania w statystyce i praktyce
- Estymacja: LLN uzasadnia stosowanie średniej z próby jako estymatora wartości oczekiwanej populacji — estymator ten jest zgodny (consistent).
- Symulacje Monte Carlo: przybliżanie wartości oczekiwanych (np. cen opcji, prawdopodobieństw) na podstawie dużej liczby powtórzeń eksperymentu.
- Badania opinii i sondaże: wyniki dużych prób statystycznych zbliżają się do rzeczywistych proporcji w populacji.
- Aktuariat i ubezpieczenia: przewidywanie średnich strat przy dużej liczbie niezależnych zdarzeń.
- Kontrola jakości: stabilizacja średnich wielkości mierzonych procesów produkcyjnych przy długich seriach pomiarów.
Podsumowując: prawo wielkich liczb jest podstawowym twierdzeniem, które tłumaczy, dlaczego uśrednianie wielu niezależnych obserwacji prowadzi do wiarygodnych szacunków wartości oczekiwanych — to jedno z fundamentów statystyki i teorii prawdopodobieństwa.
Historia
Jacob Bernoulli pierwszy opisał LLN. Mówi, że było to tak proste, że nawet najgłupszy człowiek instynktownie wie, że to prawda. Mimo to, opracowanie dobrego dowodu matematycznego zajęło mu ponad 20 lat. Gdy go znalazł, opublikował dowód w Ars Conjectandi (The Art of Conjectandi) w 1713 roku. Nazwał to swoim "Złotym Twierdzeniem". Stało się ono powszechnie znane jako "twierdzenie Bernoulliego" (nie mylić z prawem fizyki o tej samej nazwie). W 1835 roku S.D. Poisson opisał je dalej pod nazwą "La loi des grands nombres" (Prawo wielkich liczb). Następnie była ona znana pod obiema nazwami, ale najczęściej używane jest "Prawo wielkich liczb".
Inni matematycy również przyczynili się do tego, że prawo stało się lepsze. Niektórzy z nich to Chebyshev, Markov, Borel, Cantelli i Kołmogorow. Po tych badaniach istnieją obecnie dwie różne formy prawa: Jedna nazywana jest "słabym" prawem, a druga "silnym" prawem. Te formy nie opisują różnych praw. Mają one różne sposoby opisywania zbieżności obserwowanego lub mierzonego prawdopodobieństwa z rzeczywistym prawdopodobieństwem. Silna forma prawa oznacza słabe prawo.
Pytania i odpowiedzi
P: Czym jest prawo wielkich liczb?
O: Prawo wielkich liczb to twierdzenie statystyczne, które mówi, że jeśli losowy proces jest wielokrotnie obserwowany, to średnia obserwowanych wartości będzie stabilna w długim okresie.
P: Co oznacza prawo wielkich liczb?
O: Prawo wielkich liczb oznacza, że wraz ze wzrostem liczby obserwacji średnia obserwowanych wartości będzie coraz bliższa wartości oczekiwanej.
P: Co to jest wartość oczekiwana?
O: Wartość oczekiwana to średnia populacyjna wyników procesu losowego.
P: Jaka jest wartość oczekiwana rzutu kostką?
O: Wartość oczekiwana rzutu kością to suma możliwych wyników podzielona przez liczbę wyników: (1+2+3+4+5+6)/6=3.5.
P: Co pokazuje wykres w tekście w odniesieniu do prawa wielkich liczb?
O: Wykres pokazuje, że średnia z rzutów kośćmi początkowo zmienia się gwałtownie, ale zgodnie z przewidywaniami LLN, średnia stabilizuje się wokół oczekiwanej wartości 3,5, gdy liczba obserwacji staje się duża.
P: W jaki sposób prawo wielkich liczb ma zastosowanie do rzucania kośćmi?
O: Prawo wielkich liczb ma zastosowanie do rzucania kostką, ponieważ wraz ze wzrostem liczby rzutów, średnia rzutów będzie coraz bliższa wartości oczekiwanej 3,5.
P: Dlaczego prawo wielkich liczb jest ważne w statystyce?
O: Prawo wielkich liczb jest ważne w statystyce, ponieważ zapewnia teoretyczną podstawę dla idei, że dane mają tendencję do uśredniania się w przypadku dużej liczby obserwacji. Jest ono podstawą wielu metod statystycznych, takich jak przedziały ufności i testowanie hipotez.
Powiązane artykuły
Autor
AlegsaOnline.com Prawo wielkich liczb (LLN): definicja, przykład i zastosowania w statystyce Leandro Alegsa
URL: https://pl.alegsaonline.com/art/56403