目录
伯特蘭-切比雪夫定理
伯特蘭-切比雪夫定理說明：若整數n>3，則至少存在一個質數p，符合n。另一個稍弱說法是：對於所有大於1的整數n，存在一個質數p，符合n。 1845年約瑟·伯特蘭提出這個猜想。伯特蘭檢查了2至3×106之間的所有數。1850年切比雪夫證明了這個猜想。拉馬努金給出較簡單的證明，而保羅·艾狄胥則借二項式係數給出了另一個簡單的證明。.
依概率收敛
在概率论中，依概率收敛是随机变量收敛的方式之一。一个随机变量序列(X_n)_ 依概率收敛到某一个随机变量X，指的是X_n 和X 之间存在一定差距的可能性将会随着n 的增大而趋向于零。 依概率收敛是测度论中的依测度收敛概念在概率论中的特例。.
查看 大数定律和依概率收敛
勒貝格積分
勒貝格積分(Lebesgue integral)是现代数学中的一个积分概念，它将积分运算扩展到任何测度空间中。在最简单的情况下，对一个非负值的函数的积分可以看作是函数图像与x轴之间的面积。勒贝格积分则将积分运算扩展到更廣的函数（可測函數），并且也扩展了可以进行积分运算的集合（可測空間）。最早的积分运算对于非负值的函数来说，其积分相当于使用求极限的手段来计算一个多边形的面积（也就是黎曼積分），但這過程需要函數足够規則。但是随着对更加不规则的函数的积分运算的需要不断产生（比如为了讨论数学分析的极限过程中導致的函數，或者出于概率论的需求），很快就产生了对更加广义的求极限手段的要求来定义相应的积分运算。 在实分析和在其它许多数学领域中勒貝格積分拥有一席重要的地位。 勒貝格積分是以昂利·勒貝格命名的，他于1904年引入了这个积分定义。 今天勒贝格积分有狭义和广义两种意义。广义地说是对于一个在一般測度空間（的子集合）上的函数积分，在這情況下其測度不必然是勒貝格測度。狭义则是指对于勒贝格测度在實數線或者更高维数的歐幾里得空間的一个子集合上函数的积分。.
查看 大数定律和勒貝格積分
算术平均数
算术平均数（Arithmetic mean）是表征数据集中趋势的一个统计指标。 它是一组数据之和,除以这组数据个数/項数。 算术平均数在统计学上的优点,就是它较中位数、众数更少受到随机因素影响， 缺点是它更容易受到极端值影响。 计算公式为： 在统计学中，对样本的平均值用 \bar 表示，对母体数据的平均值用 \mu 表示。 樣本平均數可作為母體平均數的一個不偏估計式.
查看 大数定律和算术平均数
统计学
统计学是在資料分析的基础上，研究测定、收集、整理、归纳和分析反映數據資料，以便给出正确訊息的科學。這一门学科自17世纪中叶产生并逐步发展起来，它廣泛地應用在各門學科，從自然科学、社會科學到人文學科，甚至被用於工商業及政府的情報決策。隨著大数据(Big Data)時代來臨，統計的面貌也逐漸改變，與資訊、計算等領域密切結合，是資料科學(Data Science)中的重要主軸之一。 譬如自一組數據中，可以摘要並且描述這份數據的集中和離散情形，這個用法稱作為描述統計學。另外，觀察者以數據的形態，建立出一個用以解釋其隨機性和不確定性的數學模型，以之來推論研究中的步驟及母體，這種用法被稱做推論統計學。這兩種用法都可以被稱作為應用統計學。數理統計學则是討論背後的理論基礎的學科。.
查看 大数定律和统计学
随机变量的收敛
概率论中有若干关于随机变量收敛的定义。研究一列随机变量是否会收敛到某个极限随机变量是概率论中的重要内容，在统计概率和随机过程中都有应用。在更广泛的数学领域中，随机变量的收敛被称为随机收敛，表示一系列本质上随机不可预测的事件所发生的模式可以在样本数量足够大的时候得到合理可靠的预测。各种不同的收敛定义实际上是表示预测时不同的刻画方式。.
查看 大数定律和随机变量的收敛
頻率
频率（Frequency）是单位时间内某事件重复发生的次数，在物理学中通常以符号f 或\nu表示。采用国际单位制，其单位为赫兹（英語：Hertz，简写为Hz）。设\tau时间内某事件重复发生n次，则此事件发生的频率为f.
查看 大数定律和頻率
概率论
概率论（Probability theory）是集中研究概率及随机现象的数学分支，是研究隨機性或不確定性等現象的數學。概率论主要研究对象为随机事件、随机变量以及随机过程。对于随机事件是不可能准确预测其结果的，然而对于一系列的独立随机事件——例如掷骰子、扔硬币、抽扑克牌以及輪盤等，会呈现出一定的、可以被用于研究及预测的规律，两个用来描述这些规律的最具代表性的数学结论分别是大数定律和中心极限定理。 作为统计学的数学基础，概率论对诸多涉及大量数据定量分析的人类活动极为重要，概率论的方法同样适用于其他方面，例如是对只知道系统部分状态的复杂系统的描述——统计力学，而二十世纪物理学的重大发现是以量子力学所描述的原子尺度上物理现象的概率本质。 數學家和精算師認為概率是在0至1閉區間内的數字，指定給一發生與失敗是隨機的「事件」。概率P(A)根據概率公理來指定給事件A。 一事件A在一事件B確定發生後會發生的概率稱為B給之A的條件概率；其數值為。若B給之A的條件概率和A的概率相同時，則稱A和B為獨立事件。且A和B的此一關係為對稱的，這可以由一同價敘述：「當A和B為獨立事件時，P(A \cap B).
查看 大数定律和概率论
母體
母體是隕石學的名詞，是一顆或是這一類隕石來源所在的天體。.
查看 大数定律和母體
期望值
在概率论和统计学中，一个离散性随机变量的期望值（或数学期望、或均值，亦简称期望，物理学中称为期待值）是试验中每次可能的结果乘以其结果概率的总和。换句话说，期望值像是随机试验在同样的机会下重复多次，所有那些可能狀態平均的结果，便基本上等同“期望值”所期望的數。需要注意的是，期望值并不一定等同于常识中的“期望”——“期望值”也许与每一个结果都不相等。（换句话说，期望值是该变量输出值的平均数。期望值并不一定包含于变量的输出值集合裡。） 例如，掷一枚公平的六面骰子，其每次「點數」的期望值是3.5，计算如下： \operatorname(X)&.
查看 大数定律和期望值
方差
方差（Variance），應用數學裡的專有名詞。在概率论和统计学中，一个随机变量的方差描述的是它的离散程度，也就是该变量离其期望值的距离。一个实随机变量的方差也称为它的二阶矩或二階中心動差，恰巧也是它的二阶累积量。這裡把複雜說白了，就是將各個誤差將之平方（而非取絕對值，使之肯定為正數），相加之後再除以總數，透過這樣的方式來算出各個數據分佈、零散（相對中心點）的程度。繼續延伸的話，方差的算术平方根称为该随机变量的标准差（此為相對各個數據點間）。.
查看 大数定律和方差
数学
数学是利用符号语言研究數量、结构、变化以及空间等概念的一門学科，从某种角度看屬於形式科學的一種。數學透過抽象化和邏輯推理的使用，由計數、計算、量度和對物體形狀及運動的觀察而產生。數學家們拓展這些概念，為了公式化新的猜想以及從選定的公理及定義中建立起嚴謹推導出的定理。 基礎數學的知識與運用總是個人與團體生活中不可或缺的一環。對數學基本概念的完善，早在古埃及、美索不達米亞及古印度內的古代數學文本便可觀見，而在古希臘那裡有更為嚴謹的處理。從那時開始，數學的發展便持續不斷地小幅進展，至16世紀的文藝復興時期，因为新的科學發現和數學革新兩者的交互，致使數學的加速发展，直至今日。数学并成为許多國家及地區的教育範疇中的一部分。 今日，數學使用在不同的領域中，包括科學、工程、醫學和經濟學等。數學對這些領域的應用通常被稱為應用數學，有時亦會激起新的數學發現，並導致全新學科的發展，例如物理学的实质性发展中建立的某些理论激发数学家对于某些问题的不同角度的思考。數學家也研究純數學，就是數學本身的实质性內容，而不以任何實際應用為目標。雖然許多研究以純數學開始，但其过程中也發現許多應用之处。.
查看 大数定律和数学
另见
大数
機率論定理
渐近理论 (统计学)
统计定理
证明
亦称为 SLLN，大数律。