大数定律的内容与在机器学习中的意义
答案要点
- 样本均值随样本数增大收敛到真实期望
- 弱大数定律为依概率收敛,强大数定律为几乎必然收敛
- 辛钦版本要求独立同分布且期望存在;切比雪夫版本要求方差有界
- 中心极限定理进一步刻画误差近似正态,标准差按 1/√n 缩小
- 支撑经验风险最小化、小批量梯度、蒙特卡洛估计等做法
易错点
- 把大数定律和中心极限定理混为一谈
- 忽视独立同分布或期望存在的前提
- 认为样本量大时单个样本也会接近期望,大数定律说的是均值
面试官常见追问
- 如何用切比雪夫不等式证明弱大数定律?
- 什么情况下大数定律不成立?
完整的口述示范答案、每个追问的参考回答,在启面刷题中心查看;也可以让 AI 面试官用语音按这道题连环追问你。