Lei dos grandes números

Na Galipedia, a Wikipedia en galego.
Saltar para a navegação Saltar para a pesquisa

Na teoría da probabilidade, baixo o termo xenérico de lei dos grandes números englóbanse varios teoremas que describen o comportamento da media dunha sucesión de variables aleatorias segundo aumenta o número de ensaios.

Estes teoremas prescriben condicións suficientes para garantir que esa media converxe á media das esperanzas das variables aleatorias involucradas. As distintas formulacións da lei dos grandes números (e as súas condicións asociadas) especifican a converxencia de formas distintas.

As leis dos grandes números explican por que a media dunha mostra ao azar dunha poboación de gran tamaño tenderá a estar preto da media da poboación completa.

Cando as variables aleatorias teñen unha varianza finita, o teorema central do límite estende o noso entendemento da converxencia da súa media describindo a distribución de diferenzas estandarizadas entre a suma de variables aleatorias e o valor esperado desta suma: sen importar a distribución subxacente das variables aleatorias, esta diferenza estandarizada converxe a unha variable aleatoria normal estándar.

A frase "lei dos grandes números" emprégase tamén ocasionalmente para referirse ao principio de que a probabilidade de que calquera evento posible (incluso un improbable) ocorra polo menos unha vez nunha serie, increméntase co número de repeticións na serie. Por exemplo, a probabilidade de que un individuo gañe a lotería é bastante baixa, pero a probabilidade de que alguén gañe a lotería é bastante alta, supoñendo que suficientes persoas compren billetes de lotería.

Historia[editar | editar a fonte]

A difusión é un exemplo da lei dos grandes números, aplicada á química. Inicialmente, hai moléculas de soluto no lado esquerdo dunha barreira (liña púrpura) e ningún á dereita. Elimínase a barreira e o soluto difúndese para encher todo o recipiente.
Arriba: cunha soa molécula, o movemento parece ser bastante aleatorio.
Medio: con máis moléculas, existe unha clara tendencia na que o soluto encha o recipiente máis e máis uniformemente, pero tamén hai flutuacións.
Abaixo: cun número enorme de moléculas de soluto (demasiadas para verse), a aleatoriedade esencialmente desaparece: o soluto parece moverse suave e sistematicamente dende as zonas de alta concentración ás zonas de baixa concentración. En situacións reais, os químicos poden describir a difusión como un fenómeno macroscópico determinista (leis de Fick), a pesar do seu carácter aleatorio subxacente.

O matemático italiano Gerolamo Cardano (1501–1576) afirmou sen probas que a precisión das estatísticas empíricas tenden a mellorar co número de intentos.[1] Despois isto foi formalizado como unha lei dos grandes números; unha forma especial da lei (para unha variable aleatoria binaria) foi demostrada por primeira vez por Jacob Bernoulli.[2] Levoulle máis de 20 anos desenvolver unha proba matemática suficientemente rigorosa que foi publicada en Ars Conjectandi en 1713. Bernouilli chamouno o seu “teorema dourado”, mais chgou a ser coñecido xeralmente como "teorema de Bernoulli". Este non debe confundirse co principio físico de igual nome, polo sobriño de Jacob, Daniel Bernoulli. En 1837, S. D. Poisson describiuno con máis detalle baixo o nome de «la loi des grands nomes» (a lei dos grandes números).[3][4] A partir de entón, coñécese con ambos os nomes, pero emprégase con maior frecuencia «lei dos grandes números».

Despois de que Bernoulli e Poisson publicasen os seus estudos, outros matemáticos tamén contribuíron ao refinamento da lei, como Chebyshev,[5] Markov, Borel, Cantelli e Kolmogorov e Khinchin, que finalmente proporcionou unha proba completa da lei dos grandes números para variables arbitrarias.[6] Estes novos estudos deron lugar a dúas formas destacadas da lei dos grandes números: unha chámase lei "feble" e outra lei "forte",[7] en referencia a dous modos diferentes de converxencia da mostra; en particular, a forma forte implica a feble.[6]

Lei feble[editar | editar a fonte]

A lei feble dos grandes números establece que se X1, X2, X3, ... é unha sucesión infinita de variables aleatorias independentes que teñen o mesmo valor esperado e varianza , entón a media

converxe en probabilidade a μ. Noutras palabras, para calquera número positivo ε tense

Lei forte[editar | editar a fonte]

A lei forte dos grandes números establece que se X1, X2, X3... é unha sucesión infinita de variables aleatorias independentes e identicamente distribuídas que cumpren E(|Xi|) < ∞   e teñen o valor esperado μ, entón

é dicir, a media das variables aleatorias converxe a μ case seguramente (nun conxunto de probabilidade 1).

Esta lei xustifica a interpretación intuitiva de que o valor esperado dunha variable aleatoria como a "media a longo prazo ao facer unha mostraxe repetitiva".

Notas[editar | editar a fonte]

  1. Mlodinow, L. The Drunkard's Walk. Nova York: Random House, 2008. p. 50.
  2. Jakob Bernoulli, Ars Conjectandi: Usum & Applicationem Praecedentis Doctrinae in Civilibus, Moralibus & Oeconomicis, 1713, Chapter 4
  3. Poisson noméao a "lei dos grandes números" (la loi des grands nomes) en: S.D. Poisson, Probabilité des jugements en matière criminelle et en matière civile, précédées des règles générales du calcul des probabilitiés (París, Francia: Bachelier, 1837), p. 7. Intentou una proba en dúas partes da lei nas páxinas. 139–143 e 277 ff.
  4. Hacking, Ian. (1983) "19th-century Cracks in the Concept of Determinism", Journal of the History of Ideas, 44 (3), 455-475
  5. Tchebichef, P. (1846). "Démonstration élémentaire d'une proposition générale da théorie des probabilités". Journal für die reine und angewandte Mathematik (Crelles Journal) 1846 (33): 259–267. doi:10.1515/crll.1846.33.259. 
  6. 6,0 6,1 Seneta 2013.
  7. Masa Vázquez, Xosé M.; Fortes López, Belén (1995). Servicio de Normalización Lingüística da Universidade de Santiago de Compostela, ed. Vocabulario de Matemáticas. Santiago de Compostela. ISBN 84-8121-369-1. 

Véxase tamén[editar | editar a fonte]

Bibliografía[editar | editar a fonte]

  • Pollard, David, A user´s guide to measure theoretic probability, Cambridge University Press (2003).

Outros artigos[editar | editar a fonte]