1樓：挽流嵐
或許可以換乙個角度考慮，以扔硬幣為例，50% 的概率同時包含了確定性（50%的可能性）和不確定性（50%的可能性）兩方面。
小樣本時體現的正是概率這種不確定性的方面，大樣本體現的是確定性的方面。
2樓：nobody
我也思考過這個問題，直到我接觸了統計熱力學，它用乙個好像有點套娃的方法解釋了這個問題：
當分子個數為6時，計算分子偏離平均分布的機率；再計算當分子個數為NA=6.02*10時分子偏離平均分布的機率。後者接近0，並且當分子個數進一步增加時還會更接近0。
如果參照極限證明，應該可以證明當分子個數趨近無窮大時分子偏離平均分布的機率趨近0。這可能可以解答為什麼概率即樣本數趨於無窮大時的機率。
3樓：南瓜餅幹
拋硬幣為什麼隨著拋的次數越來越多均值趨近於期望？首先這個可以從有限樣本的均值的概率分布來計算，這個角度不詳細說了。另乙個角度是這樣的:
因為拋硬幣正面朝上的次數的隨機性增長的很慢(標準差正比於sqrt(n)), 所以當除以總次數n的時候，就會把隨機性的部分變得越來越小，確定性的部分就留下來了。在問題描述中提到的看不見的手是沒有的，無論之前出來多少正面，不會影響到之後正反面的概率。
4樓：靜學社-學無止境
取極限是為了保證誤差趨近於零，通過實驗計算的頻率不能保證百分百是真實概率，會有偏差/誤差，n越大（n為實驗次數，比如拋硬幣的總次數），偏差越小（因為樣本均值的方差變小）。n足夠大，就能保證即使有偏差，偏差也可以忽略不計。把大數定律多看幾遍，認真體會。
你所說的那只無形的手其實就是硬幣正反面的概率。硬幣正面出現的次數=n*正面出現的頻率=n*正面出現的概率。如果概率為1/2，可想而知，當前面的實驗絕大部分都是正面的時候，後面必定會出現更多的反面。
5樓：熱水一平
大數原則唄，丟硬幣就是乙個很好的例子。如果你只掉一次正反面，都是50%的可能性，如果你丟兩次兩面都是正的或是反的都是有可能的，概率的計算公式你一看就明白，p=z/N，z是面的次數，N是總次數，你丟的次數少，那麼由於出現正面的概率是隨機的，你會發現這個概率p會一直波動，但是如果你丟很多很多很多很多次，由於N變得很大，所以出現一次正面或是反面，對整體概率的影響，會變得很小，結果也就趨向於50%這個概率了。
請詳解 不用平行對照大樣本實驗的情況下 中醫是如何確定自己真的有效的
一騎討 最簡單的大樣本實驗一直在做，那就是藥品市場化，沒有什麼實驗能比這個樣本基數更大的了。最常見的感冒，市面上在售的感冒藥有上百種。以被抨擊最多的連花清瘟為例，數千萬人吃過，數百萬個家庭常備。老百姓是最務實的，如果沒有療效，別說沒這麼多人吃，最多半年以嶺藥業就倒閉了。其它藥品同理，如果馬應龍沒效，...
為什麼擴大樣本量一類錯誤概率下降呢？
PeterXu 一類錯誤概率等於阿爾法，阿爾法是在假設檢驗時確定了的 完全沒錯。舉個例子，我們要做個雙樣本試驗，來檢驗乙個藥是否有效。在乙個正確的實驗和分析情況下，我們如果在 0.05 的顯著性水平下得到 此藥有效 的結論，那麼代表這個藥 95 真的有效，但 5 的概率我們這個結論是錯的。這個5 就...
鬼在什麼情況下會被人看見？
已重置 主要有以下幾種情況，但是普通人還是希望別看到吧。雖然我是道士，但是我不想見那東西，鬼是負能量見多了總是不好。1.他想讓你看見他 2.人陽氣弱的時候 3.倒霉的時候 4.死的時候 5.你自己道行達到一定程度 6.天賦異稟，比如天生陰陽眼等。 江不一 人的生命有多長？滿打滿算平均100年。而所謂...