Unverified50% confidenceFactExact time
大数定律由雅各布·伯努利于17世纪末首次严格证明，指出随着独立重复试验次数趋于无穷，样本均值将以概率1收敛于总体期望值
1
Sources
50%
Confidence
Long-term
Relevance
7/12/2026
First Seen
Sources
Simulating the 2026 World Cup 50,000 Times: Monte Carlo Simulation and Data Science in Action
redditr/learnmachinelearning7/9/2026
Related Claims
Unverified对于概率为10⁻⁶甚至更低的极端事件，蒙特卡洛方法要在随机采样中捕捉到一次，理论上需要百万至十亿次以上的独立模拟57% similarUnverified在机器学习多种子实验中重复次数通常只有5到10次，样本量极小，正态性假设难以验证，因此 Wilcoxon 检验往往是更保守稳健的选择57% similarUnverifiedMcNemar 检验统计量为 χ² = (|b - c| - 1)² / (b + c)，当样本量足够时近似服从自由度为1的卡方分布，其中-1为Yates连续性校正项57% similarUnverifiedChinchilla定律大致按每个参数分配20倍token的比例来安排算力56% similarUnverified「Life-like」规则族的可能规则数量理论上达2的18次方（约26万种），但被系统研究、命名并记录的只有数百种55% similar
Cite This Claim
Stable URI
https://kongchang.com/claim/492126API
curl https://kongchang.com/api/v1/knowledge/claims/492126MCP
get_claim(id=492126)