7.8 KiB
题型四:二项分布的正态近似(棣莫弗-拉普拉斯定理)
识别特征
- 题干出现
B(n, p)或"n次独立试验""成功次数" n较大,求P(a \le X \le b)或P(X = k)- 题目明确"用正态近似"或"近似计算"
np \ge 5且 $n(1-p) \ge 5$(必要条件)
解题流程
flowchart TD
A[识别:二项分布近似题] --> B[确认 X ~ B n p]
B --> C{np ≥ 5 且 n(1-p) ≥ 5?}
C -->|否| D[改用泊松近似]
C -->|是| E[E X = np, D X = np 1-p]
E --> F[标准化 Z = X - np / √np(1-p)]
F --> G{是 P(a ≤ X ≤ b) 还是 P(X = k)?}
G -->|区间| H[查 Φ 表: 连续校正]
G -->|单点| I[用局部极限定理或校正]
H --> J[最终答案]
I --> J
通法步骤
一、棣莫弗-拉普拉斯定理
设 $\eta_n \sim B(n, p)$(n 次独立试验中成功次数),$0 < p < 1$,则当 n 充分大时:
\frac{\eta_n - np}{\sqrt{np(1-p)}} \xrightarrow{d} N(0,1)
即 B(n, p) 近似 $N(np, np(1-p))$。
二、连续性校正(Continuity Correction)
二项分布是离散分布,正态分布是连续分布,直接近似有误差。校正方法:
P(a \le X \le b) \approx \Phi\left(\frac{b + 0.5 - np}{\sqrt{np(1-p)}}\right) - \Phi\left(\frac{a - 0.5 - np}{\sqrt{np(1-p)}}\right)
校正含义:$P(X = k) \approx P(k - 0.5 < Y \le k + 0.5)$,其中 Y 是连续正态变量。
三、应用步骤(五步法)
| 步骤 | 操作 | 关键点 |
|---|---|---|
| 1. 定分布 | 明确 $X \sim B(n, p)$,求 E(X) = np, D(X) = np(1-p) |
套公式 |
| 2. 验条件 | 检查 np \ge 5, n(1-p) \ge 5 |
不满足则改用泊松近似 |
| 3. 标准化 | Z = \dfrac{X - np}{\sqrt{np(1-p)}} \sim N(0,1) |
np(1-p) 是方差 |
| 4. 转换 | P(a \le X \le b) = \Phi\left(\dfrac{b + 0.5 - np}{\sqrt{np(1-p)}}\right) - \Phi\left(\dfrac{a - 0.5 - np}{\sqrt{np(1-p)}}\right) |
用 \pm 0.5 校正 |
| 5. 查表 | 查 \Phi 表 |
注意 \Phi(-x) = 1 - \Phi(x) |
四、典型公式表
设 $X \sim B(n, p)$,Y 近似 $N(np, np(1-p))$,$\sigma = \sqrt{np(1-p)}$:
| 概率 | 近似公式 |
|---|---|
P(X \le k) |
\Phi\left(\dfrac{k + 0.5 - np}{\sigma}\right) |
P(X \ge k) |
1 - \Phi\left(\dfrac{k - 0.5 - np}{\sigma}\right) = \Phi\left(\dfrac{np - k + 0.5}{\sigma}\right) |
P(a \le X \le b) |
\Phi\left(\dfrac{b + 0.5 - np}{\sigma}\right) - \Phi\left(\dfrac{a - 0.5 - np}{\sigma}\right) |
P(\|X - np\| \le \varepsilon) |
2\Phi\left(\dfrac{\varepsilon + 0.5}{\sigma}\right) - 1 |
五、适用条件
| 条件 | 用途 |
|---|---|
np \ge 5, n(1-p) \ge 5 |
经验法则(较宽松) |
np \ge 10, n(1-p) \ge 10 |
更严格(精度更好) |
n \ge 30 |
一般法则 |
p 接近 0 或 1 |
用泊松近似 \lambda = np |
六、与其他近似的对比
| 方法 | 适用条件 | 近似分布 |
|---|---|---|
| 棣莫弗-拉普拉斯(正态) | np, n(1-p) \ge 5 |
N(np, np(1-p)) |
| 泊松近似 | n 大,p 小(np 中等) |
P(np) |
| 精确计算 | n 小(如 $n \le 30$) |
B(n, p) |
常见陷阱
- 陷阱 1:
np或n(1-p)太小(如B(5, 0.1)的 $np = 0.5$)→ 不能用正态近似 - 陷阱 2:忘记连续性校正——直接
P(a \le X \le b) = \Phi(b) - \Phi(a)会偏低 - 陷阱 3:混淆
P(X \ge k)与 $P(X > k)$:前者含 $k$,后者不含 - 陷阱 4:求
P(X = k)时:直接用 $P(X = k) \approx \Phi\left(\dfrac{k + 0.5 - np}{\sigma}\right) - \Phi\left(\dfrac{k - 0.5 - np}{\sigma}\right)$,不要直接用泊松公式或局部 CLT - 陷阱 5:
p = 0或 $p = 1$(退化情形)不能近似 - 陷阱 6:标准化时漏掉 $\sqrt{np(1-p)}$,只除以
np
经典母题
题目 1:设 $X \sim B(100, 0.5)$,求 $P(40 \le X \le 60)$。
解析:
E(X) = 100 \times 0.5 = 50D(X) = 100 \times 0.5 \times 0.5 = 25\sqrt{D(X)} = 5
由棣莫弗-拉普拉斯定理,X 近似 $N(50, 25)$,用连续性校正:
P(40 \le X \le 60) \approx \Phi\left(\frac{60.5 - 50}{5}\right) - \Phi\left(\frac{40 - 0.5 - 50}{5}\right) = \Phi(2.1) - \Phi(-2.1) = 2\Phi(2.1) - 1
查表:$\Phi(2.1) = 0.9821$,所以 $P \approx 2 \times 0.9821 - 1 = 0.9642$。
复盘:
- $np = 50 \ge 5$,$n(1-p) = 50 \ge 5$,条件满足
- 校正值
\pm 0.5是关键 - 不校正的近似:$\Phi(2) - \Phi(-2) = 0.9544$(略低)
题目 2:某厂产品次品率 $p = 0.05$,现抽 1000 件检验。求次品数
X在 40 到 60 之间的概率。
解析:
X \sim B(1000, 0.05)E(X) = 50, D(X) = 1000 \times 0.05 \times 0.95 = 47.5\sqrt{D(X)} \approx 6.89
由 CLT(棣莫弗-拉普拉斯):
P(40 \le X \le 60) \approx \Phi\left(\frac{60.5 - 50}{6.89}\right) - \Phi\left(\frac{40 - 0.5 - 50}{6.89}\right) = \Phi(1.524) - \Phi(-1.524) = 2\Phi(1.524) - 1
查表:$\Phi(1.524) \approx 0.9362$,所以 $P \approx 0.8724$。
复盘:
- $np = 50 \ge 5$,$n(1-p) = 950 \ge 5$,条件满足
- 这是典型的质检问题——次品率
p小但n大,可用正态近似
题目 3:设 $X \sim B(100, 0.2)$。求 $P(X = 20)$。
解析:
E(X) = 20, D(X) = 100 \times 0.2 \times 0.8 = 16, \sqrt{D} = 4
由连续性校正:
P(X = 20) \approx \Phi\left(\frac{20.5 - 20}{4}\right) - \Phi\left(\frac{20 - 0.5 - 20}{4}\right) = \Phi(0.125) - \Phi(-0.125) = 2\Phi(0.125) - 1
查表:$\Phi(0.125) \approx 0.5497$,所以 $P \approx 0.0994$。
复盘:
- 求单点概率的特殊方法:用连续性校正
- 精确值:$P(X = 20) = \binom{100}{20} \times 0.2^{20} \times 0.8^{80} \approx 0.0993$(近似非常准确)
- 另一种方法:局部极限定理(超纲)
P(X = k) \approx \dfrac{1}{\sqrt{2\pi np(1-p)}} e^{-\frac{(k-np)^2}{2np(1-p)}}
题目 4(综合):某保险公司有 10000 名保单持有人,每人出险概率 $p = 0.001$。设出险次数 $X \sim B(10000, 0.001)$。问: (1) $P(X \ge 15)$; (2) 至少需要多少保单持有人才能使 $P(X \ge 15) \ge 0.95$?
解析 (1):
E(X) = 10, D(X) = 9.99 \approx 10, \sqrt{D} \approx 3.16
$np = 10 \ge 5$,$n(1-p) = 9990 \ge 5$,可正态近似:
P(X \ge 15) \approx 1 - \Phi\left(\frac{15 - 0.5 - 10}{3.16}\right) = 1 - \Phi(1.42) = 1 - 0.9222 = 0.0778
解析 (2):
设 n 个保单持有人,$X \sim B(n, 0.001)$,$E(X) = 0.001n, D(X) \approx 0.001n$。
$P(X \ge 15) \ge 0.95 \Leftrightarrow P(X \le 14) \le 0.05$。
由 CLT:
P(X \le 14) \approx \Phi\left(\frac{14.5 - 0.001n}{\sqrt{0.001n}}\right) = 0.05
反查 \Phi 表:\dfrac{14.5 - 0.001n}{\sqrt{0.001n}} = -1.645
设 $u = \sqrt{0.001n}$,则 $14.5 - u^2 = -1.645u$,即 $u^2 - 1.645u - 14.5 = 0$。
解得 $u = \dfrac{1.645 + \sqrt{1.645^2 + 58}}{2} = \dfrac{1.645 + 7.764}{2} \approx 4.705$。
所以 $n = u^2/0.001 \approx 22137$。取 $n \ge 22137$。
复盘:
- 这是保险精算的经典应用——估计"小概率大数"事件
- 第一问直接查
\Phi表,第二问反查\Phi表 - 体现了**"小
p大 $n$"** 的标准应用
题目 5(极小
p改用泊松近似):设 $X \sim B(100, 0.01)$。用泊松近似求 $P(X = 2)$。
解析:
$np = 1$,远小于 5,正态近似不适用。改用泊松近似 $\lambda = np = 1$:
P(X = 2) \approx \frac{\lambda^2 e^{-\lambda}}{2!} = \frac{1 \times e^{-1}}{2} \approx \frac{0.3679}{2} = 0.1839
复盘:
p很小且n不大时(如 $B(100, 0.01)$),泊松近似 比正态近似更准确- 判断标准:
np < 5时,优先用泊松近似
口诀速记:
- "$np, n(1-p) \ge 5$" → 正态近似
- "
p小n中" → 泊松近似- "
n小直接算" → 二项分布精确公式- "连续性校正 $\pm 0.5$":求单点概率必备