核心要点
理解样本均值依概率收敛于总体均值
区分大数定律与中心极限定理
能举例蒙特卡洛估计
简要回答
大数定律：样本量增大时，样本均值以高概率逼近总体均值；是频率解释概率与蒙特卡洛方法的理论基础。
标准回答
一、弱大数定律（WLLN）
设 X₁,...,Xₙ i.i.d.，E[Xᵢ]=μ，则对任意 ε>0，P(|X̄ₙ − μ| > ε) → 0 当 n→∞
二、强大数定律（SLLN）
X̄ₙ → μ 几乎必然（a.s.）
三、统计意义
- 频率 ≈ 概率：重复试验中事件频率稳定于真实概率
- 点估计一致性：
X̄ₙ是 μ 的一致估计量 - 蒙特卡洛：用样本均值估计期望（如 π 的随机投点法）
面试里如果出现公式，建议先说 大数定律是什么 解决的直觉问题，再解释变量含义和适用条件。最后补一个反例或边界，比如样本量不足、分布假设不成立、数值不稳定时应该怎么处理。
四、与 CLT 区别
- LLN：
X̄ₙ收敛到 μ（说中心在哪） - CLT：
X̄ₙ的分布近似正态（说波动多快）
二者互补，共同支撑经典推断。见 概率论基础。
回答思路
【定义】用一句话说清「大数定律是什么？与统计学有何关系」
【原理】讲清关键机制或步骤（2～3 点）
【例子】举一个真实项目、论文或产品中的例子
【对比】与易混淆概念或替代方案比较（如有）
【收尾】总结适用场景 + 一个局限或风险
常见误区
⚠️ 常见踩坑
误区一：容易答偏的地方：只罗列名词、不会举例；混淆相似概念；忽略工程约束（成本、延迟、数据质量）。不确定时应主动说明假设。
追问
追问 1：大数定律需要方差有限吗？
弱大数定律通常要求方差有限（或至少 E|X|<∞）。柯尔莫哥洛夫强大数定律条件为 E|X|<∞。重尾分布收敛慢或需更强条件。
追问 2：赌徒谬误和大数定律有关吗？
赌徒谬误误以为独立试验中「该出正面了」——大数定律说的是长期频率，不是短期补偿。每次硬币仍 50%。
追问 3：蒙特卡洛积分误差如何随 n 下降？
标准误通常 O(1/√n)，与 CLT 一致。方差缩减技术（重要性采样、控制变量）可加速收敛，但不改变基本 1/√n 阶（除非用 QMC 等特殊方法）。
🔗 相似问题
同一考点的不同问法，换着练更稳
延伸学习
按主题分类的相关资源，便于系统复习