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

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

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

timegoesby_001

关注关注

0
点赞
踩
2

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

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

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}

参与评论您还未登录，请先登录后发表或查看评论

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

9261

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 ...

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？

频率和概率以及均值和期望的联系区别

Michael_liuyu09的专栏

09-12

8392

在学习的过程中，我经常会将频率和概率、均值和期望这两对概念搞混，这次总结一下，希望能对其他同学有所帮助。1频率和概率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

大数定理 (Law of Large Numbers)

大连赵哥的博客

07-20

663

大数定理 (Law of Large Numbers)

讲讲大数定理

张俊红的个人博客

04-25

958

总第212篇/张俊红前面我们讲过中心极限定理，没看过的同学可以去看看：讲讲中心极限定理。这一节来讲讲大数定理，大数定理和中心极限定理是比较接近的两个概念，这两个定理经常一起出现。我们来具...

频率和概率的区别

mjiansun的专栏

07-15

1万+

频率是在一次试验中某一事件出现的次数与试验总数的比值.概率是某一事件所固有的性质.频率是变化的每次试验可能不同,概率是稳定值不变.在一定条件下频率可以近似代替概率. 就比如，抛硬币，正面的次数/总的次数=正面出现的频率，当抛得的次数越来越多的时候，频率就可以近似于正面出现的概率。 ...