大数法则即大数定律。是描述相当多次数重复实验的结果的定律。根据这个定律知道，样本数量越多，则其平均就越趋近期望值。
大数定律很重要，因为它“保证”了一些随机事件的均值的长期稳定性。人们发现，在重复试验中，随着试验次数的增加，事件发生的频率趋于一个稳定值；人们同时也发现，在对物理量的测量实践中，测定值的算术平均也具有稳定性。比如，我们向上抛一枚硬币，硬币落下后哪一面朝上是偶然的，但当我们上抛硬币的次数足够多后，达到上万次甚至几十万几百万次以后，我们就会发现，硬币每一面向上的次数约占总次数的二分之一，亦即偶然之中包含着必然。
切比雪夫定理的一个特殊情况、辛钦定理和伯努利大数定律都概括了这一现象，都称为大数定律。
拓展资料
例如，抛掷一颗均匀的6面的骰子，1，2，3，4，5，6应等概率出现，所以每次扔出骰子后，出现点数的期望值是（1+2+3+4+5+6）/6=3.5。
根据大数定理，如果多次抛掷骰子，随着抛掷次数的增加，平均值（样本平均值）应该接近3.5，根据大数定理，在多次伯努利实验中，实验概率最后收敛于理论推断的概率值，对于伯努利随机变量，理论推断的成功概率就是期望值，而若对n个相互独立的随机变量的平均值，频率越多则相对越精准。
例如硬币投掷即伯努利实验，当投掷一枚均匀的硬币，理论上得出的正面向上的概率应是1/2。因此，根据大数定理，正面朝上的比例在相对“大”的数字下，“理应”接近为1/2，尤其是正面朝上的概率在n次实验（n接近无限大时）后应几近收敛到1/2。
即使正面朝上（或背面朝上）的比例接近1/2，几乎很自然的正面与负面朝上的绝对差值（absolute difference差值范围）应该相应随着抛掷次数的增加而增加。换句话说，绝对差值的概率应该是会随着抛掷次数而接近于0。直观的来看，绝对差值的期望会增加，只是慢于抛掷次数增加的速度。
大数法则一般指大数定律，概率论历史上第一个极限定理，是一种描述当试验次数很大时所呈现的概率性质的定律。
1、大数定律并不是经验规律，而是在一些附加条件上经严格证明了的定理，它是一种自然规律因而通常不叫定理而是大数“定律”。
2、大数定律通俗一点来讲，就是样本数量很大的时候，样本均值和真实均值充分接近。这一结论与中心极限定理一起，成为现代概率论、统计学、理论科学和社会科学的基石。
扩展资料：
1、大数定律分为弱大数定律和强大数定律。强大数定律(strong law of large numbers)是由波莱尔在1909年对伯努利试验场合验证的，给出了几乎处处收敛的随机变量列的性质。
2、强大数定律可能是概率论中最广为人知的结果，它表明了独立同分布的随机变量序列的均值以概率1收敛到分布的均值。
3、最早的大数定律的表述可以追溯到公元1500年左右的意大利数学家Cardano。1713年，著名数学家James (Jacob) Bernouli正式提出并证明了最初的大数定律。
4、大数定律包含概率论里核心的知识。“大数定律的四种证法”尽管表述模糊，原意也充满调侃，但并不是真如《孔乙己》里"回字四种写法"所暗示的那样迂腐或毫无价值。
参考资料：百度百科_大数法则 百度百科_强大数定律
又称"大数定律"或"平均法则"。人们在长期的实践中发现，在随机现象的大量重复中往往出现几乎必然的规律，即大数法则。此法则的意义是：风险单位数量愈多，实际损失的结果会愈接近从无限单位数量得出的预期损失可能的结果。据此，保险人就可以比较精确的预测危险，合理的厘定保险费率，使在保险期限内收取的保险费和损失赔偿及其它费用开支相平衡。大数法则是近代保险业赖以建立的数理基础。保险公司正是利用在个别情形下存在的不确定性将在大数中消失的这种规则性，来分析承保标的发生损失的相对稳定性。按照大数法则，保险公司承保的每类标的数目必须足够大，否则，缺少一定的数量基础，就不能产生所需要的数量规律。但是，任何一家保险公司都有它的局限性，即承保的具有同一风险性质的单位是有限的，这就需要通过再保险来扩大风险单位及风险分散面。
大数法则 ：
dà shù fǎ zé
又称“大数律”。在随机现象的大量重复试验和观察中，出现某种几乎必然的规律性的一类定理的总称。如在掷钱币时，每次出现正面或反面是偶然的，但大量重复投掷后，出现正面(或反面)的次数与总次数之比却必然接近常数1/2。这是最早发现的大数法则之一。
(补充):
1. "如果一个实验可以一再重复,从相对次数所得到的事件机率会接近实际或理论的机率。"
长期股票投资最终主宰炒股盈亏的是概率
大数定律应用于保险得出最有意义的结论是：当保险标的的数量足够大时，通过以往统计数据计算出来的估计损失概率与实际概率的误差将很小。保险经营利用大数定律把不确定数量关系向确定数量关系转化，而确定性的大小，决定了上述误差的大小，即确定性越大，误差越小；确定性越小，误差越大。