大数定律:概率论与统计学中的基本原理,指在独立重复试验中,随着样本量(次数)增大,样本平均值会越来越接近总体期望值(真实平均)。常见分为弱大数定律与强大数定律(强者结论更“几乎必然”)。
/ˌlɔː əv ˌlɑːrdʒ ˈnʌmbərz/
The law of large numbers helps explain why coin flips become closer to 50–50 over time.
大数定律有助于解释为什么抛硬币的正反面比例随着次数增加会越来越接近五五开。
In insurance and finance, the law of large numbers justifies pooling many independent risks so that average losses become more predictable.
在保险与金融中,大数定律为“汇聚”大量相互独立的风险提供理论依据,使平均损失变得更可预测。
“law(定律/规律)+ large numbers(大数/大量次数)”是概率论中的传统表述,强调当观察次数足够大时,随机波动会在平均意义下被“平滑”,从而呈现稳定的长期规律。该思想在早期概率研究与统计推断的发展中逐步形成,并成为现代统计学的核心直觉之一。