قانون اعداد بزرگ: تفاوت میان نسخهها
محتوای حذفشده محتوای افزودهشده
جز افزودن تصویر متحرک به بخش تاریخچه برچسبها: متن غیرفارسی افزوده شد افزودن پیوند به بیرون نادرست افزودن پیوند بیرونی به جای ویکیپیوند ویرایشگر دیداری |
MahdiAnime (بحث | مشارکتها) ویراست یک پاراگراف، قالببندی صفحه |
||
خط ۳:
نکتهٔ مهم دربارهٔ قانون اعداد بزرگ این است که این قانون - همانطور که از نامش پیداست - تنها زمانی اعمال میشود که تعداد زیادی مشاهدات در نظر گرفته شود. هیچ اصلی وجود ندارد که تعداد کمی از مشاهدات با مقدار مورد انتظار منطبق شود.<ref>{{Cite journal|date=2022-01-02|title=Law of large numbers|url=https://en.wikipedia.org/w/index.php?title=Law_of_large_numbers&oldid=1063288449|journal=Wikipedia|language=en}}</ref>
همچنین مهم است که توجه داشته باشید که قانون اعداد بزرگ فقط برای میانگین اعمال میشود. صورت ریاضی آن بدین شکل است:<math display="block">\lim_{n\to\infty} \sum_{i=1}^n \frac{X_i} n - \overline{X} = 0</math
فرمولهای دیگری که مشابه به نظر میرسند قابل قبول نیستند. مانند [[انحراف معیار|انحراف معیارِ]] "نتایج نظری":<math display="block">\sum_{i=1}^n X_i - n\times\overline{X}</math>این فرمول نه تنها با افزایش n به سمت صفر همگرا نمیشود، بلکه با افزایش n به یک مقدار ثابت میل خواهد کرد.<ref>{{Cite journal|date=2022-01-02|title=Law of large numbers|url=https://en.wikipedia.org/w/index.php?title=Law_of_large_numbers&oldid=1063288449|journal=Wikipedia|language=en}}</ref>
به عنوان یک مثال، وقتی یک [[تاس]] ششوجهی را یک بار بریزیم، یکی از عددهای ۱، ۲، ۳، ۴، ۵ یا ۶ به دست خواهد آمد. اگر این آزمایش را تکرار کنیم، هر دفعه یکی از این اعداد به دست میآیند و اگر تاس [[نااریب]] باشد، احتمال دیده شدن این اعداد با هم برابر است. در نتیجه امید ریاضی عددی که با ریختن هر بار تاس به دست میآید طبق این فرمول:▼
== مثالها ==
▲[[پرونده:Largenumbers.svg|نمایشی از قانون اعداد بزرگ برای ریختن [[تاس]]. از چپ به راست، تعداد دفعات ریختن تاس زیاد میشود و میانگین نتایج آزمایش به ۳٫۵ نزدیکتر میشود.|انگشتی|۴۰۰ پیکسل]]به عنوان یک مثال، وقتی یک [[تاس]] ششوجهی را یک بار بریزیم، یکی از عددهای ۱، ۲، ۳، ۴، ۵ یا ۶ به دست خواهد آمد. اگر این آزمایش را تکرار کنیم، هر دفعه یکی از این اعداد به دست میآیند و اگر تاس [[نااریب]] باشد، احتمال دیده شدن این اعداد با هم برابر است. در
: <math> \tfrac {1+2+3+4+5+6}{6} = 3.5.</math>
برابر با ۳٫۵ است. طبق قانون اعداد بزرگ، هرگاه آزمایش ریختن تاس را به دفعات زیاد تکرار کنیم، میانگین اعدادی که به دست
بهطور مثال میتوان به [[آزمایش پرتاب سکه]] اشاره کرد. همانطور که میدانیم نتیجه این آزمایش [[توزیع برنولی]] دارد. اگر فقط یک بار آزمایش را انجام
مشخص است که اختلاف تعداد روها و پشتها با زیاد شدن تعداد آزمایشها افزایش پیدا میکند. پس احتمال کوچک بودن اختلاف روها و پشتها به سمت عدد صفر میل میکند. هم چنین میتوان نتیجه گرفت که نسبت اختلاف روها و پشتها به تعداد کل پرتابها نیز به سمت صفر میروند. از این حقیقت در مییابیم که با وجود رشد اختلاف بین تعداد روها و پشتها در انجام این آزمایش به دفعات زیاد، سرعت این رشد از سرعت افزایش تعداد کل پرتابها کمتر است.<ref name="en.wikipedia.org" />
== تاریخچه ==
[[File:DiffusionMicroMacro.gif|پیوند=https://en.wikipedia.org/wiki/File:DiffusionMicroMacro.gif|بندانگشتی|250x250پیکسل|انتشار (Diffusion) نمونهای از قانون اعداد بزرگ است. در ابتدا، مولکولهای املاح در سمت چپ مانع [خط سرخابی] قرار دارند و هیچ کدام در سمت راست وجود نیستند. مانع برداشته میشود، و املاح پخش میشوند تا کل ظرف را پر کنند. شکل بالا: حرکت یک مولکول که حرکت کاملا تصادفی به نظر میرسد. شکل وسط: با تعداد مولکولهای بیشتر، به وضوح روندی وجود دارد که املاح ظرف را بیشتر و بیشتر پر میکند. شکل پایین: با تعداد بسیار زیادی مولکول املاح (بیش از حد برای دیدن)، به نظر میرسد املاح به آرامی و به طور سیستماتیک از مناطق با غلظت بالا به مناطق با غلظت پایین حرکت میکنند.]]
(Gerolamo Cardano (۱۵۰۱–۱۵۷۶ [[جرلامو کاردانو|جیرولامو کاردانو]] [[ریاضیدان]] ایتالیایی بدون [[اثبات ریاضی]] بر این باور بود که دقت نتایج تجربی در
قانون ضعیف و قوی اعداد بزرگ دو قانون متفاوت نیستند.
▲(Gerolamo Cardano (۱۵۰۱–۱۵۷۶ [[جرلامو کاردانو|جیرولامو کاردانو]] [[ریاضیدان]] ایتالیایی بدون [[اثبات ریاضی]] بر این باور بود که دقت نتایج تجربی در امار با افزایش تعداد دفعات آزمایش بیشتر میشود<ref>Mlodinow, L. ''The Drunkard's Walk.'' New York: Random House, 2008. p. 50.</ref> این فرضیه بعدها تحت عنوان قانون اعداد بزرگ اثبات شد و مورد توجه قرار گرفت. حالت خاصی از این قانون برای متغیرهای برنولی برای نخستین بر توسط Jacob Bernoulli [[ژاکوب برنولی]] اثبات شد.<ref>Jakob Bernoulli, ''Ars Conjectandi: Usum & Applicationem Praecedentis Doctrinae in Civilibus, Moralibus & Oeconomicis'', 1713, Chapter 4, (Translated into English by Oscar Sheynin)</ref> او این قانون را قضیه طلایی نامید، ولی بعدها با نام قانون اعداد بزرگ مشهور شد. در سال ۱۸۳۵ [[سیمون دنی پواسون|سیمون دنیز پواسون]] Siméon Denis Poisson این قانون را با نام قانون اعداد بزرگ توضیح داد. هماکنون این قضیه با هر دو نام ذکر شده شناخته میشود.<ref>Hacking, Ian. (1983) "19th-century Cracks in the Concept of Determinism"</ref> بعد از برنولی و پواسون ریاضیدانان دیگری مانند مارکف، چبیشف، بورل و کولموگرف برای بهبود این تعریف و اثبات آن تلاش کردند و در نهایت الکساندر کینچین برای هر [[متغیر تصادفی]] دلخواه آن را اثبات کرد. این تلاشها منجر به پیدایش دو حالت مختلف از این قانون شد. این دو قسمت عبارت است از قانون ضعیف و قوی.
▲قانون ضعیف و قوی اعداد بزرگ دو قانون متفاوت نیستند. در بلکه این دو قانون از دو دیدگاه متفاوت موضوع همگرایی احتمال وقتی تعداد دفعات آزمایش زیاد است به مقدار میانگین را توضیح میدهند. همچنین میتوان قانون ضعیف را از قانون قوی نتیجه گرفت.<ref>
http://en.wikipedia.org/w/index.php?title=Probability_theory&action</ref>
گفتنی است نصرا... اعتمادی
==
دو شکل متفاوت برای '''قانون اعداد بزرگ''' وجود دارد که در زیر به بررسی
\operatorname{Var}(\overline{X}_n) = \operatorname{Var}(\tfrac1n(X_1+\cdots+X_n)) = \frac{1}{n^2} \operatorname{Var}(X_1+\cdots+X_n) = \frac{n\sigma^2}{n^2} = \frac{\sigma^2}{n}.
</math>توجه کنید که فرض متناهی بودن
در هر دو شکل قانون، استقلال همزمان بین
▲توجه کنید که فرض متناهی بودن واریانس ها <math> \operatorname{Var}(X_1) = \operatorname{Var}(X_2) = \ldots = \sigma^2 < \infty </math> '''الزامی''' نیست. نامتناهی یا بزرگ بودن واریانس باعث آرام شدن همگرایی میشود، اما در هر صورت قانون اعداد بزرگ صدق میکند. این فرض معمولا برای این استفاده میشود تا اثبات ها راحت و کوتاه تر شوند.
تفاوت میان شکل قوی و ضعیف به دلیل تفاوت میان همگرایی
▲در هر دو شکل قانون، استقلال همزمان بین همه ی متغیر ها میتواند با استقلال دو به دوی آنها جایگزین شود.<ref>{{cite journal|last1=Etemadi|first1=N.Z.|date=1981|title=An elementary proof of the strong law of large numbers|journal=Wahrscheinlichkeitstheorie Verw Gebiete|volume=55|issue=1|pages=119–122|doi=10.1007/BF01013465|s2cid=122166046}}</ref>
▲تفاوت میان شکل قوی و ضعیف به دلیل تفاوت میان همگرایی است. برای اطلاعات بیشتر در مورد این نوع ها، [[همگرایی متغیرهای تصادفی|همگرایی متغیر های تصادفی]] را ببینید.
=== قانون ضعیف ===
'''قانون ضعیف اعداد بزرگ''' (قانون [[الکساندر خینشین|خینشین]]) بیان میدارد که میانگین نمونه به [[همگرایی متغیرهای تصادفی|صورت احتمالی]] مقدار امید ریاضی میل
[[File:Lawoflargenumbersanimation2.gif|پیوند=https://en.wikipedia.org/wiki/File:Lawoflargenumbersanimation2.gif|بندانگشتی|شبیه سازی ای که قانون اعداد بزرگ را به تصویر میکشد.در هر فریم، یک سکه که یک طرف آن قرمز و طرف دیگر آن آبی است انداخته میشود و نقطه ای به ستون مربوط به نتیجه ظاهر شده اضافه میشود. یک نمودار دایره ای سهم هر رنگ را در نمونه های مشاده شده نشان میدهد. دقت کنید که در ابتدای آزمایش نمودار تغییرات زیادی دارد، اما با افزایش تعداد پرتاب ها، سهم هر بخش نمودار به 50% نزدیک میشود.]]
میکند:<ref>{{harvnb|Loève|1977|loc=Chapter 1.4, p. 14}}</ref>
<math>
</math>
سطر ۶۲ ⟵ ۴۹:
</math>
به عبارتی، این قانون بیان میکند که برای هر مقدار هر قدر کوچکی که برای اپسیلون در نظر بگیریم، با داشتن
همچنین
=== قانون قوی ===
'''قانون قوی اعداد بزرگ''' (قانون [[آندری کولموگوروف|کولموگوروف]]) بیان میکند که میانگین نمونه به مقدار امید ریاضی [[همگرایی متغیرهای تصادفی|تقریبا میل]] میکند.<ref>{{harvnb|Loève|1977|loc=Chapter 17.3, p. 251}}</ref>
<math>
سطر ۸۳ ⟵ ۷۰:
</math>
این بدین معناست که احتمال اینکه، با میل کردن تعداد
اثبات این این قانون
همگرایی تقریبی (تقریبا میل میکند) با عنوان همگرایی قوی
=== تفاوت قانون قوی و ضعیف ===
''قانون ضعیف'' بیان میکند که برای یک n مشخص بزرگ، میانگین <math style="vertical-align:-.35em">\overline{X}_n</math> به احتمال خوبی نزدیک ''μ'' است. در نتیجه، امکان اینکه <math style="vertical-align:-.4em">|\overline{X}_n -\mu| > \varepsilon</math>
''قانون قوی'' نشان میدهد که تقریبا با اطمینان میتوان گفت که این امکان رخ نمیدهد. به طور ویژه، دلالت بر این میکند که به احتمال
== منابع ==
{{پانویس|۲}}
|