ฉันรู้ว่าคำถามนี้ได้รับการตอบแล้ว (และค่อนข้างดีในมุมมองของฉัน) แต่ก็มีคำถามที่แตกต่างกันที่นี่ที่มีความคิดเห็น @NRH ที่กล่าวถึงคำอธิบายแบบกราฟิกและแทนที่จะนำภาพที่มีก็จะดูเหมือนเหมาะสมมากขึ้นเพื่อ วางไว้ที่นี่
ดังนั้นที่นี่ไป มันไม่เจ๋งเท่าแพ็คเกจ R แต่มันมีอยู่ในตัวเองและไม่ต้องการการสมัครสมาชิกกับ JSTOR
ในเรื่องต่อไปนี้เรากำลังพูดถึงการเดินแบบสุ่มง่าย ๆมีความน่าจะเป็นที่เท่ากันและเรากำลังคำนวณหาค่าเฉลี่ยวิ่ง
Xi=±1
Snn=1n∑i=1nXi,n=1,2,….
SLLN (บรรจบกันเกือบจะแน่นอน) บอกว่าเราสามารถมั่นใจได้ 100% ว่าเส้นโค้งนี้ยื่นออกไปทางขวาในที่สุดในบางเวลา จำกัด ตกอยู่ในวงดนตรีตลอดไปหลังจากนั้น (ไปทางขวา)
รหัส R ที่ใช้ในการสร้างกราฟนี้อยู่ด้านล่าง
n <- 1000; m <- 50; e <- 0.05
s <- cumsum(2*(rbinom(n, size=1, prob=0.5) - 0.5))
plot(s/seq.int(n), type = "l", ylim = c(-0.4, 0.4))
abline(h = c(-e,e), lty = 2)
WLLN (ลู่เข้าในความน่าจะเป็น) บอกว่าส่วนใหญ่ของเส้นทางตัวอย่างจะอยู่ในแถบทางด้านขวามือในเวลาที่ (สำหรับข้างต้นดูเหมือนว่าประมาณ 48 หรือ 9 จาก 50) เราไม่สามารถตรวจสอบที่ใด ๆโดยเฉพาะอย่างยิ่งโค้งจะอยู่ในช่วงเวลา จำกัด ใด ๆ แต่มองไปที่มวลของก๋วยเตี๋ยวข้างต้นนั้นต้องการจะเดิมพันที่ปลอดภัยสวย WLLN ยังบอกด้วยว่าเราสามารถสร้างสัดส่วนของบะหมี่ภายในใกล้เคียงกับ 1 เท่าที่เราต้องการโดยการทำพล็อตให้กว้างพอสมควรn
รหัส R ของกราฟจะตามมา (อีกครั้งคือข้ามป้ายกำกับ)
x <- matrix(2*(rbinom(n*m, size=1, prob=0.5) - 0.5), ncol = m)
y <- apply(x, 2, function(z) cumsum(z)/seq_along(z))
matplot(y, type = "l", ylim = c(-0.4,0.4))
abline(h = c(-e,e), lty = 2, lwd = 2)