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?

AЗакон больших чисел: выборочная доля сходится к истинной вероятности при росте числа испытаний
BЦентральная предельная теорема: исходные подбрасывания становятся нормально распределёнными при большом числе бросков
CСовместное распределение: монета начинает зависеть от предыдущих бросков и выравнивает доли орлов и решек
DНормальное приближение: гарантирует точное совпадение наблюдаемой доли с истинной вероятностью при больших n
Правильный ответ. Закон больших чисел объясняет, почему выборочная доля стабилизируется около истинной вероятности при большом числе испытаний.

Разбор

Закон больших чисел утверждает, что при росте числа независимых испытаний выборочное среднее (в случае монеты — доля орлов) сходится к истинной вероятности. При 100 испытаниях случайная вариация ещё велика, и доля заметно отклоняется. При 10000 влияние одного исхода мало, и результат устойчивее. Центральная предельная теорема говорит про распределение суммы, а не про сходимость доли, и точного совпадения никакая теорема не гарантирует.

Проверь себя · 1/3разбор после ответа
Вы оцениваете средний чек как выборочное среднее по 50 пользователям и затем по 5000 пользователям. Что утверждает LLN про поведение выборочного среднего при росте размера выборки?
Тренировать статистику в Telegram

Ещё вопросы по теме «Совместные распределения и ЦПТ»