大数定律---频率代替概率

最新推荐文章于 2024-11-28 16:20:37 发布
原创 最新推荐文章于 2024-11-28 16:20:37 发布 · 5.8k 阅读 · 2 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文探讨了在搜索引擎的计算公式中使用词频代替概率的原因。随着互联网数据的海量增长，大数定律（如切比雪夫、伯努利、贝努里和辛钦大数定律）提供了用频率近似概率的理论依据，尤其是在样本量足够大的情况下。

摘要生成于 C知道 ，由 DeepSeek-R1 满血版支持， 前往体验 >

为什么我们在搜索引擎的某些计算公式过程中常用某个词的出现频率来代替概率p 呢？

这个代替准不准，有什么依据？


从下面的公式定理中我们可以看到，对于抽样的样本量一定要大，否则用频率代替概率是不准确的

而在互联网中，数据是海量的，所以抽样完全可以完成转换


表现形式

大数定律有若干个表现形式。这里仅介绍高等大学概率论要求的常用的三个重要定律：
  • 切比雪夫大数定理
设
是一列两两不相关的随机变量，每一随机变量都有有限的方差
最低0.47元/天 解锁文章

200万优质内容无限畅学
大数定律演变的前世今生
scott198512的博客
11-10 525
概率论中的弱大数定律、强大数定律、中心极限定理证明
伯努利大数定理（揭示了频率和概率的关系）
热门推荐
认知 行动 坚持
01-13 1万+
在概率的公理化体系中， 定义了概率， 而且， 在这个定义中， 概率和可能行（频率）没有任何毛关系。那概率怎么就经常和生活中的可能性（频率）就扯上了关系呢？ 概率的公理化定义可没揭示这个原理。        揭示概率与频率关系的是伯努利大数定律， 从此，概率与可能性就扯上了关系了，从而也说明了古典概率的定义是合乎逻辑的， 来看看伯努利大数定理：        可证。
频率和概率
Vic_Hao的博客
06-09 5582
我们首先来看一个常见的误区。 当我们抛一门硬币50次的时候，出现20次正面朝上，30次反面朝下，我们有些同学会说，正面朝上的概率是2/5，这就是典型的将频率和概率没有区分出来。 在上面这个例子中，关于20次出现正面朝上，只能说正面朝上的频率是2/5，而不能说概率是多少多少。 因为概率是理想值，频率是实验值；例如抛理想均等硬币10000次正反面出现正面的频率是0.5-+,其中-+表示误差。 ...
大数定律
魔法森林博客
05-20 5472
大数定律有若干个表现形式。这里仅介绍高等数学概率论要求的常用的三个重要定律： 切比雪夫大数定理 设    ，....是一列相互独立的随机变量(或者两两不相关)[2]  ，他们分别存在期望    和方差    。若存在常数C使得：   则对任意小的正数 ε，满足公式一： 将该公式应用于抽样调查，就会有如下结论：随着样本容量n的增加
Law Of Large Numbers - 大数定律 - 大数定理
程永强
03-19 2626
Law Of Large Numbers - 大数定律 - 大数定理 大数实质上可以理解为多数。 在随机事件的大量重复出现中，往往呈现几乎必然的规律，这个规律就是大数定律。这个定理就是在试验不变的条件下，重复试验多次，随机事件的频率近似于它的概率。偶然中包含着某种必然。 大数定律分为弱大数定律和强大数定律。 大数定律是一种描述当试验次数很大时所呈现的概率性质的定律。大数定律并不是经验规律，而是在一些附加条件上经严格证明了的定理，它是一种自然规律因而通常不叫定理而是大数定律。 如果统计数据足够大，那么事物出现
概率论|大数定律
最新发布
2401_88501775的博客
11-28 2314
概率论大数定律
概率统计18——再看大数定律
我是8位的
02-12 2227
　　在对不了解概率的人解释期望时，我总是敷衍地将期望解释为均值。这种敷衍的说法之所以行得通，正是由于大数定律起了作用。 　　 　　人们在实践中发现，尽管每个随机变量的取值不同，但当随机变量大量出现时，它们的均值却相对恒定，这个规律就是大数定律。 一个公平的骰子 　　我们有一个公平的骰子，每个点数出现的概率都是1/6，如果只投掷一次，完全无法预测它的点数，但是如果把连续投掷20次看作一次试验...
大数定律理解
Linear_Luo的专栏
10-08 8316
概率论中的大数定律都发端于伯努利的工作。下面我们来回顾下这个问题：假设袋中有 aa 个白球，bb 个黑球， p=aa+bp={a \over {a +b}} 。有放回的从袋中抽球 NN 次，记录抽到白球的次数为 XX，我们用 XNX \over N 去估计 pp 。伯努利视图证明的就是：用 XNX \over N 去估计 pp 的确定性——他称为道德确定性。确切的含义是：任意给定两个数 ϵ>0\ep
概率与数理统计——大数定律
Fergus的博客
07-18 1928
切比雪夫；伯努利；辛钦
大数定律的形象理解
anshuai_aw1的博客
09-19 9260
之前介绍了统计概率的第2大护法—中心极限定理，详见这里。 本篇博客将继续介绍统计概率的第1大护法：大数定律。 本篇博客是基于猴子在知乎上的回答，进行的整理。非常感谢猴子的讲解。 要理解大数定律，就必然先要理解小数定律。我会从下面3个方面聊聊： 1）什么是小数定律？ 2）什么是大数定律？ 3）小数定律和大数定律的动态演示案例 1 小数定律  ...
TFDeepSurv:张量流实现的COX比例风险模型和生存分析
05-07
TFDeepSurv 通过张量流实现Deep Cox比例风险模型和生存分析。 建议的TensorFlow版本为1.15.3。 并且模块测试在TensorFlow-1.15.3下通过了。 注意： 已发布。 旧版本位于分支archive_v1 。 与v1.0版本相比，当前版本有了很大的改进： 建立计算图的速度 利用原始的tensorflow操作来计算损失函数（用于处理关系） 生存数据的统一格式 代码优雅而简单 如果您有任何问题，请先阅读以下常见问题解答，或直接发送电子邮件给我。 1.与DeepSurv的区别 是Deep Cox比例风险模型的软件包，在Github上开源。 但是我们的作品可能会发光： 在您的生存数据中支持死亡时间的联系，这意味着不同的损失函数和生存函数的估计量（ Breslow近似）。 提供生存函数估计。 使用科学方法-贝叶斯超参数优化来调整DNN的超参数。 通
生存分析介绍-山西医科大学
07-27
radiomic 影像组学 生存分析
大数定理的理解
chen的博客
01-03 2308
强大数定律指的是样本平均值在概率上几乎必然收敛于期望值，而弱大数定律是指样本平均值以概率收敛于期望值。弱大数定律则是指出，对于独立同分布的随机变量序列，样本平均值以概率收敛于期望值。这意味着随着样本数量的增加，样本平均值与期望值之间的差异在概率上趋近于零，即样本平均值以概率趋向于期望值。换句话说，随着样本数量的增加，样本平均值接近期望值的概率极其高，几乎确定性地趋向于期望值。强大数定律和弱大数定律都关注随机变量序列的样本平均值在重复试验中向其期望值收敛的性质，但它们在表达上略有不同。
概率基础——大数定律
weixin_39753819的博客
02-29 3210
大数定律是概率论中的一个重要定理，它描述了随机变量序列的均值在概率意义下收敛于其数学期望的现象。简单来说，大数定律说明了当试验次数足够多时，样本平均值将逼近于总体均值。在实际应用中，大数定律为统计学和概率论提供了重要的理论基础，也是估计总体参数的一种重要方法。
大数定律与中心极限定律
little豪斯
11-22 1143
1：为何能以某件事情发生的频率作为该事件的概率的估计值？ & 为何能以样本均值作为总体期望的估计？ → 大数定律 2：为何正态分布在概率论中占有极其重要的地位？ & 大样本统计推断的理论基础是什么？ → 中心极限定理大数定律与中心极限定理的联系？
切比雪夫大数定律
dg123var123的博客
11-16 1万+
切比雪夫大数定律 切比雪夫大数定律是指，假设存在nnn个相互独立的随机变量，当nnn趋近于无穷时，这nnn个随机变量的平均值也会趋近于这nnn个随机变量期望的平均值。切比雪夫大数定律相比起一般我们听到的大数定律更一般，不仅能够解释独立同分布随机变量的大数定律，也能够解释独立但不同分布随机变量的大数定律。切比雪夫不等式有以下形式： lim⁡n→∞P{∣1n∑i=1nXi−1n∑i=1nE(Xi)∣≥0}=0 \lim_{n\rightarrow\infin} P\{|\frac{1}{n}\sum_{i=1}
【论文笔记】Deep Survival: A Deep Cox Proportional Hazards Network
Step by step
11-20 8466
相关资源 原论文地址：here 论文中使用的深度生存分析库：DeepSurv，是基于Theano 和 Lasagne库实现的，支持训练网络模型，预测等功能。 考虑到DeepSurv库中存在着一些错误以及未实现的功能，博主使用目前主流的深度学习框架Tensorflow实现了深度生存分析库：TFDeepSurv。欢迎有兴趣的同学Star和Fork，指出错误，相互交流！ TFDeepSurv简介
大数定理 (Law of Large Numbers)
大连赵哥的博客
07-20 662
大数定理 (Law of Large Numbers)
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值