大数定律：概率论中的一类定理，说明当独立重复试验的次数足够多时，样本平均值会趋近于总体的期望值（长期平均结果会稳定在“真实平均水平”附近）。常见有弱大数定律与强大数定律等表述。
/lɔːz əv lɑːrdʒ ˈnʌmbərz/
If you flip a fair coin many times, the laws of large numbers say the proportion of heads will get close to 50%.
如果你把一枚公平的硬币抛很多次，大数定律表明正面朝上的比例会越来越接近 50%。
In Monte Carlo simulation, the laws of large numbers justify using the average of many random samples to estimate an expected value, though any finite run can still deviate.
在蒙特卡罗模拟中，大数定律为用大量随机样本的平均值来估计期望值提供理论依据，不过任何有限次数的模拟仍可能出现偏差。
“law”在这里指“规律/定律”，“large numbers”指“大量次数或样本”。该术语源于概率论对“重复次数增大时统计规律更稳定”的总结，早期由雅各布·伯努利（Jacob Bernoulli）等人在研究随机试验的长期频率时奠定基础，后来发展出更严格的数学表述（如弱/强大数定律）。
Select Language