大数原则（转）

概率要预测的不是随机事件的结果，而是大量随机事件的结果在数量上的规律性。例如，扔一次硬币，你无法说出是正面还是反面朝上，对此你毫无把握，只能说：“出正面的机会有二分之一”，如果这时还有人说：“出正面的机会有三分之一”，不管这次出的是哪一面，这两个结论都不能体现出来；但如果扔的是一百次或更多的次数，如一万次，那么“有三分之一机会出正面”的说法就明显站不住脚，而“有二分之一机会出正面”的说法却可以得到相当程度的体现。

下面我们详细地阐述用概率进行预测的原理。一　大数定律　　在同样的条件下进行大量试验时，根据频率的稳定性，事件A的频率必然稳定在某一个确定的常数p附近，则定义事件A的概率为：　　　　　　　　　P(A)＝p　　这称为事件概率的统计定义，相应得到的概率称为统计概率，概率的统计定义给出了计算事件概率的近似方法，即当试验次数充分大时，可用事件的频率作为该事件概率的近似值。然而不能理解为，试验的次数越多，事件的频率就越接近事件的概率。例如，对于扔硬币这样的试验，一个人扔了两次，正好一次正面一次反面，出现正面的频率为0.5，正好等于出现正面的概率；而另一个人做同样的实验，扔了10000次，出了4985次正面，出现正面的频率为0.4985，反而不等于出现正面的概率，这扔10000次还不如扔两次的结果精度高，那这多出的9998次是不是就白扔了呢？要解释这个现象，必须更详细地研究频率和概率之间的关系。 
　　实际上，频率是一个随机变量，有多种以至无数种可能的取值，可以是0－1之间的任何一个数字。而概率是一固定的常数，是0－1之间的一个确定数字。我们对以概率为中心的某一区域感兴趣，频率可能落在这个区域内，也可能落在这个区域之外；对于确定的试验次数n，频率落在区域内这个事件也有一个概率，当试验次数n增大时，这个概率也增大；当试验次数无限增加时，这个区域将变得无限小，频率落在区域内的概率将等于1。 
　　历史上，贝努里第一个提出大数法则。通俗地说，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。

现在就可以来解释前面提到的现象。扔两次硬币，还有可能出现两次都是正面或两次都是反面的情况，把这时的频率当作概率显然是错误的，就是说把扔两次硬币的频率当作是概率，发生严重偏差的概率高达50％，而把扔10000次硬币的频率当作概率在绝大多数情况下结果都是相当可信的。结论是，试验10000次比试验两次得到的结果更可信，并不违反直觉所告诉我们的。 
　　因此，用统计方法来确定事件的概率时，频率随试验次数的增加接近概率也是以概率的方式。统计的次数越多，频率接近概率的可能性就越大，其结果就越可信，可以认为，统计次数反映了结果的可信程度，而此时的频率结果与概率有多接近则有一定的随机性。换言之，通过试验来确定概率是有风险的，在任何情况下，都有频率偏离概率的情形存在，增加试验的次数，可以降低这种风险，却不能消除风险本身，只有在试验次数为无穷大的情况下，才不存在这种风险。不过，当试验的次数是足够多时，尽管把频率当成是概率还是有出错的可能，但这种可能性已经非常小了，以至可以完全放心而无须担心出错。