视频字幕
大数定律是概率论中的一个基本定理，它告诉我们当试验次数足够多时，观察到的频率会越来越接近理论概率。比如抛硬币，理论上正面朝上的概率是二分之一，当我们抛很多次时，正面出现的频率会趋近于这个理论值。这个定律为我们通过实验来估计概率提供了理论基础。
弱大数定律，也称为辛钦定理，给出了大数定律的严格数学表述。它要求随机变量序列是独立同分布的，且具有有限的期望值。定理表明，当样本量趋于无穷时，样本均值依概率收敛到总体均值。这里的依概率收敛意味着，对于任意小的正数ε，样本均值落在真实均值附近ε范围内的概率趋于1。
强大数定律与弱大数定律的主要区别在于收敛的强度。弱大数定律说的是依概率收敛，意思是样本均值偏离真实均值超过某个范围的概率趋于零，但仍然允许偶尔的大偏差。而强大数定律说的是几乎必然收敛，这意味着除了概率为零的情况外，样本均值必定会收敛到真实均值，不允许持续的偏离。强大数定律的条件更严格，但结论更强。
大数定律在现实生活中有着广泛的应用。在保险业中，保险公司通过收集大量的历史数据来预测风险发生的概率，从而制定合理的保费。在质量控制中，企业通过抽样检验来估计整批产品的合格率。在民意调查中，通过调查相对较小的样本来推断整个人群的意见。让我们通过掷骰子实验来看看各个面出现的频率如何趋向于理论概率六分之一。
人们对大数定律最常见的误解是赌徒谬误，认为如果连续出现多次同样的结果，下次就更可能出现相反的结果来平衡概率。这是错误的！每次抛硬币都是独立事件，概率始终是百分之五十。大数定律说的是长期频率趋向理论概率，但不意味着短期内会有什么补偿机制。过去的结果不会影响未来的概率，这是理解大数定律的关键。