Files
2026-10-04 11:44:56 +08:00

220 lines
7.8 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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
```mermaid
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**:
- $E(X) = 100 \times 0.5 = 50$
- $D(X) = 100 \times 0.5 \times 0.5 = 25$
- $\sqrt{D(X)} = 5$
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