많은 수의 법칙은 무엇입니까?
확률과 통계에서 다수의 법칙에 따르면 표본 크기가 커질수록 그 평균은 전체 모집단의 평균에 가까워집니다. 16 세기 수학자 게 롤라 마 카르 다노 (Gerolama Cardano)는 다수의 법칙을 인정했지만 결코 증명하지 못했습니다. 1713 년 스위스 수학자 야콥 베르누이 (Jakob Bernoulli)는 그의 저서 인 Ars Conjectandi 에서이 정리를 증명했다. 그것은 나중에 상트 페테르부르크 수학 학교의 설립자 인 Pafnuty Chebyshev와 같은 다른 유명한 수학자에 의해 세련되었습니다.
재정적 인 맥락에서, 많은 수의 법칙은 빠르게 성장하는 대기업이 그 성장 속도를 영원히 유지할 수 없다는 것을 나타냅니다. 수백억의 시장 가치를 가진 가장 큰 블루칩이이 현상의 예로 자주 인용됩니다.
주요 테이크 아웃
- 많은 수의 법칙에 따르면 큰 샘플에서 관찰 된 샘플 평균은 실제 모집단 평균에 가까워지고 샘플이 클수록 더 커질 것입니다. 많은 수의 법칙은 주어진 샘플, 특히 작은 샘플을 보장하지 않습니다 표본은 실제 모집단 특성을 반영하거나 실제 모집단을 반영하지 않는 표본은 후속 표본과 균형을 이룰 것입니다. 비즈니스에서 "많은 수의 법칙"이라는 용어는 때때로 다른 의미로 사용되어 규모와 성장률.
많은 수의 법칙 이해
통계 분석에서 많은 수의 법칙이 다양한 주제에 적용될 수 있습니다. 주어진 모집단 내에서 모든 개인을 폴링하여 필요한 양의 데이터를 수집하는 것은 가능하지 않지만 수집 된 모든 추가 데이터 포인트는 결과가 평균의 진정한 척도 일 가능성을 높일 가능성이 있습니다.
비즈니스에서 "다수의 법칙"이라는 용어는 때때로 성장률과 관련하여 사용되며 백분율로 표시됩니다. 사업이 확장됨에 따라 성장률을 유지하기가 점점 어려워지고 있음을 시사합니다.
많은 수의 법칙은 주어진 샘플 또는 연속 샘플 그룹이 특히 작은 샘플의 경우 실제 모집단 특성을 항상 반영한다는 것을 의미하지는 않습니다. 이는 또한 주어진 표본 또는 일련의 표본이 실제 모집단 평균에서 벗어난 경우, 많은 수의 법칙으로 인해 연속 표본이 관측 된 평균을 모집단 평균으로 옮길 것이라고 보장하지는 않습니다 (Gambler 's Fallacy에 의해 제 안됨).
많은 수의 법칙은 표본의 결과 분포 (대형 또는 소량)가 모집단의 결과 분포를 반영한다는 평균 법칙으로 오인되어서는 안됩니다.
다수의 법칙 및 통계 분석
사람이 100 개의 가능한 값으로 구성된 데이터 세트의 평균값을 결정하려면 2 개에 의존하는 대신 20 개의 데이터 포인트를 선택하여 정확한 평균에 도달 할 가능성이 높습니다. 예를 들어, 데이터 세트에 1에서 100까지의 모든 정수가 포함되어 있고 샘플 테이커가 95와 40과 같은 두 개의 값만 그린 경우 평균을 약 67.5로 결정할 수 있습니다. 최대 20 개의 변수까지 무작위 샘플링을 계속하면 더 많은 데이터 포인트를 고려할 때 평균이 실제 평균으로 이동해야합니다.
다수의 법률 및 비즈니스 성장
비즈니스 및 금융에서이 용어는 때때로 지수 성장률이 종종 확장되지 않는다는 관측을 지칭하기 위해 구어 적으로 사용됩니다. 이것은 실제로 많은 수의 법칙과 관련이 없지만, 한계 수익이나 규모의 비경제를 줄이는 법의 결과 일 수 있습니다.
예를 들어, 2015 년 7 월 Walmart Inc.에서 생성 한 수익은 4 억 5, 550 억 달러로 기록되었으며 Amazon.com Inc.는 같은 기간 동안 950 억 달러를 가져 왔습니다. Walmart가 수익을 50 % 늘리려면 약 2, 620 억 달러의 수익이 필요합니다. 반면 아마존은 50 % 증가하기 위해 수입을 470 억 달러 만 늘리면된다. 많은 수의 법칙에 따르면 Walmart가 아마존보다 달성하기가 50 % 더 어려울 것으로 보입니다.
시가 총액 또는 순이익과 같은 다른 메트릭에도 동일한 원칙을 적용 할 수 있습니다. 결과적으로, 시가 총액이 매우 높은 회사가 재고 평가와 관련하여 경험할 수있는 어려움을 기반으로 투자 결정을 안내 할 수 있습니다.
