Вы 100 раз подбрасываете монету и получаете долю орлов 0.62, а при 10000 подбрасываниях доля 0.51. Какая идея лучше всего объясняет, почему при увеличении числа бросков доля обычно становится ближе к истинной вероятности?

ALLN: sample mean доли сходится к истинной вероятности при росте числа повторений
BCLT: исходные подбрасывания становятся normal distribution при большом числе повторений
Cjoint distribution: монета начинает зависеть от предыдущих бросков
Dnormal approximation: гарантирует точное совпадение с истинной вероятностью
Правильный ответ. LLN объясняет, почему sample mean доли стабилизируется около истинной вероятности при большом числе испытаний.

Разбор

При 100 испытаниях случайная вариация ещё велика, и доля может заметно отклоняться. При 10000 испытаниях влияние одного исхода мало, и результат более устойчив. Это не гарантирует точного совпадения, но делает большие отклонения менее вероятными.

Проверь себя · 1/3разбор после ответа
У вас есть только P(A) и P(B) для двух событий. В каком случае вы можете найти P(A∩B) без полной joint distribution?
Тренировать статистику в Telegram

Ещё вопросы по теме «Совместные распределения и ЦПТ»