辛钦大数定律的问题在辛钦大数定律中,n个独立同分布的随即变量相加再除n ,n个变量相加再除于n得不出具体数来啊,可是既然

换个角度写一写,自己比较着理解哈：
切比雪夫：序列{Xi}的方差存在,则{Xi}服从大数定律：
辛钦定律：序列{Xi}的期望存在,则{Xi}服从大数定律：

告诉我邮箱,我给你发辛钦大数定律证明.内容比较多

概率论历史上第一个极限定理属于伯努利,后人称之为“大数定律”.概率论中讨论随机变量序列的算术平均值向常数收敛的定律.概率论与数理统计学的基本定律之一.又称弱大数理论.
对于一般人来说,大数定律的非严格表述是这样的：X_1,...,X_n是独立同分布随机变量序列,均值为u,S_n=X_1+...+X_n,则S_n/n收敛到u.
　　如果说“弱大数定律”,上述收敛是指依概率收敛(in
probability),如果说“强大数定律”,上述收敛是指几乎必然收敛(almost surely/with probability one).
　　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之一,重要性在本人看来甚至不弱于微积分.（有趣的是,虽然大数定律的表述和证明都依赖现代数学知识,但其结论最早出现在微积分出现之前.而且在生活中,即使没有微积分的知识也可以应用.例如,没有学过微积分的学生也可以轻松利用excel或计算器计算样本均值等统计量,从而应用于社会科学.）
　　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.不过当时现代概率论还没有建立起来,测度论、实分析的工具还没有出现,因此当时的大数定律是以“独立事件的概率”作为对象的.后来,历代数学家如Poisson（“大数定律”的名字来自于他）、Chebyshev、Markov、Khinchin（“强大数定律”的名字来自于他）、Borel、Cantelli等都对大数定律的发展做出了贡献.直到1930年,现代概率论奠基人、数学大师Kolgomorov才真正证明了最后的强大数定律.

辛钦大数定律需要独立同分布.
切比雪夫大数定律只需相互独立分布.

当然了,同分布的隐含条件就是相同期望
公式里面也要用到他们的共同期望 μ