程式碼來自：

https://stats.stackexchange.com/questions/2230/convergence-in-probability-vs-almost-sure-convergence?noredirect=1&lq=1

該連結中，

下面是強大數定律的R語言程式碼：

n <- 1000; 
m <- 50; 
e <- 0.05
s <- cumsum(1*(rbinom(n, size=1, prob=0.5) - 0))
plot(s/seq.int(n)-0.5, type = "l", ylim = c(-0.4, 0.4))
abline(h = c(-e,e), lty = 2)
paste("---------------------")
 

Ctrl+a選中所有程式碼，然後Ctrl+Enter即可在Rstudio中運行了，

執行結果：

程式碼解釋：

rbinom(n,size,prob)   n表示生成的隨機數數量,size表示進行貝努力試驗的次數,prob表示一次貝努力試驗成功的概率例

ylim指的是y軸的上下限設定

h（horizontal）：表示水平橫線，程式碼中表示在水平畫兩條橫線，橫線對應的函式值分別是e和-e

lty：線條型別

---------------------------------------------------------------------------------------------

下面是弱大數定律的R語言程式碼：

n<-1000
m<-50


x <- matrix(1*(rbinom(n*m, size=1, prob=0.5) - 0.0), ncol = m) 
print(x)


y <- apply(x, 2, function(z)(cumsum(z)/seq_along(z))-0.5)


matplot(y, type = "l", ylim = c(-0.4,0.4))  


abline(h = c(-e,e), lty = 2, lwd = 2)  

其中的u=0

其中cumsum(z)/seq_along(z)是整個函式體

做了m次實驗.每次實驗n個樣本.

針對向量a=(a1,...,an),

lwd是線條的寬度

apply(x,2，function(z)cumsum(z)/seq_along(z))表示矩陣中的每列值代入function（z）中

因為是服從伯努利分佈

執行結果如下：

apply的用法參考：

http://blog.fens.me/r-apply/

理論參考：

https://www.zhihu.com/question/21110761

https://en.wikipedia.org/wiki/Law_of_large_numbers#Weak_law

根據上面兩個連結的論述，弱大數定律在強大數定律之前被發現，

如果期望存在的話，弱大數定律與強大數定律同時成立，

如果期望不存在，那麼弱大數定律成立，強大數定律不成立。

也就是說，兩者的前提條件可以相同，也可以不相同。

上述兩個程式碼的情況是在兩者的前提條件都一致的情況下進行的圖形繪製。