Files
MathNotesVersion1/公式笔记/概率论/Ch05_大数定律及中心极限定理/题型2_大数定律的判定与计算.md
T
2026-10-04 11:44:56 +08:00

7.1 KiB
Raw Blame History

题型二:大数定律的判定与计算

识别特征

  • 题干出现"依概率收敛""$\xrightarrow{P}$"
  • 涉及"n 很大时"独立同分布的均值行为
  • 需要识别切比雪夫 / 辛钦 / 伯努利三大定律
  • 题目要求判断某随机变量序列满足哪个大数定律或证明依概率收敛

解题流程

flowchart TD
    A[识别:依概率收敛题] --> B{序列是 0-1 分布?}
    B -->|是| C[用伯努利大数定律]
    B -->|否| D{独立同分布?}
    D -->|是| E{期望存在?}
    D -->|否| F{两两不相关 + 方差有界?}
    E -->|是| G[用辛钦大数定律]
    E -->|否| H[不能用 LLN]
    F -->|是| I[用切比雪夫大数定律]
    F -->|否| H
    C --> J[写出 X̄ →ᵖ μ]
    G --> J
    I --> J

通法步骤

一、依概率收敛定义

设 \{X_n\} 是一随机变量序列,X 是随机变量,若对任意 $\varepsilon > 0$:


\lim_{n\to\infty} P(|X_n - X| \ge \varepsilon) = 0

则称 \{X_n\} 依概率收敛于 $X$,记作 $X_n \xrightarrow{P} X$。

二、三大定律对照

定律 条件 结论 关键标志
切比雪夫 LLN 两两不相关 + D(X_i) 一致有界 \frac{1}{n}\sum (X_i - \mu_i) \xrightarrow{P} 0 "不相关""方差有界"
辛钦 LLN i.i.d. + E(X_i) = \mu 存在 \bar{X} \xrightarrow{P} \mu "独立同分布"
伯努利 LLN 独立 + 0-1 分布 f_n(A) \xrightarrow{P} p "频率""$n_A$""成功次数"

三、应用步骤(四步法)

  1. 识别分布类型:题目给的是 0-1 分布?独立同分布?还是两两不相关?
  2. 验证前提:是否满足所选定律的所有条件?
  3. 套用结论:\bar{X} \xrightarrow{P} \mu 或 f_n \xrightarrow{P} p
  4. 写出极限:明确写明依概率收敛到的常数

四、依概率收敛的运算性质

性质 公式
和 若 $X_n \xrightarrow{P} a, Y_n \xrightarrow{P} b$,则 X_n + Y_n \xrightarrow{P} a + b
积 若 $X_n \xrightarrow{P} a, Y_n \xrightarrow{P} b$,则 X_n Y_n \xrightarrow{P} ab
连续映射 若 X_n \xrightarrow{P} a, g 连续,则 g(X_n) \xrightarrow{P} g(a)

⚠️ 注意:以上性质对依概率收敛成立,但不能直接推出几乎必然收敛。

五、重要极限公式

极限 推导依据
\frac{1}{n}\sum X_i \xrightarrow{P} E(X_i) 辛钦 LLN
\frac{1}{n}\sum X_i^2 \xrightarrow{P} E(X^2) 辛钦 LLN(X_i^2 仍 i.i.d.)
\frac{1}{n}\sum f(X_i) \xrightarrow{P} E[f(X)] 辛钦 LLN 推广(f 连续)

常见陷阱

  • 陷阱 1:辛钦 LLN 要求独立同分布(i.i.d.),漏掉任何一项都不能用
  • 陷阱 2:题目"独立但不同分布"时,辛钦 LLN 不可用,需用切比雪夫 LLN(验证方差一致有界)
  • 陷阱 3:辛钦 LLN 要求 E(X_i) 存在;柯西分布无期望,不能用
  • 陷阱 4:把"依概率收敛"等同于"必然收敛"——后者要求 P(\lim X_n = X) = 1
  • 陷阱 5:伯努利 LLN 是辛钦 LLN 的特例($X_i \sim B(1, p)$),但不是所有 0-1 分布都满足伯努利 LLN
  • 陷阱 6:三大 LLN 都要求方差存在或期望存在(柯西分布有陷阱)

经典母题

题目 1:设 X_1, X_2, \ldots, X_n, \ldots 独立同分布,且 E(X_i) = \mu 存在,$D(X_i) = \sigma^2$。证明 $\bar{X}n = \frac{1}{n}\sum{i=1}^n X_i \xrightarrow{P} \mu$。

解析:

由切比雪夫不等式,对任意 $\varepsilon > 0$:


P(|\bar{X}_n - \mu| \ge \varepsilon) \le \frac{D(\bar{X}_n)}{\varepsilon^2} = \frac{\sigma^2/n}{\varepsilon^2} = \frac{\sigma^2}{n\varepsilon^2}

由于 $\dfrac{\sigma^2}{n\varepsilon^2} \to 0$($n \to \infty$),所以:


\lim_{n\to\infty} P(|\bar{X}_n - \mu| \ge \varepsilon) = 0

即 $\bar{X}_n \xrightarrow{P} \mu$。

复盘:

  • 这就是辛钦 LLN 的标准证法:用切比雪夫不等式证明
  • 证明模板:$P(|\bar{X}_n - \mu| \ge \varepsilon) \le \dfrac{\sigma^2}{n\varepsilon^2} \to 0$
  • 揭示了辛钦 LLN 的条件比切比雪夫 LLN 强,但结论等价(在 i.i.d. 情形)

题目 2:设 X_1, X_2, \ldots 独立,X_i 的分布律为 $P(X_i = i) = P(X_i = -i) = 1/2$。问 \{\bar{X}_n\} 是否依概率收敛?

解析:

注意:$D(X_i) = E(X_i^2) = i^2$,所以 $D(\bar{X}n) = \frac{1}{n^2}\sum{i=1}^n i^2 = \frac{(n+1)(2n+1)}{6n^2} \to \frac{1}{3} \ne 0$。

错误思路:误用辛钦 LLN(实际不满足方差一致有界)。

正确答案:

  • 切比雪夫 LLN 要求 $D(X_i) \le C$(一致有界),但 $D(X_i) = i^2 \to \infty$,不满足
  • 辛钦 LLN 要求独立同分布,但 X_i 分布不同,不满足
  • 不能直接用任何 LLN!

复盘:

  • 这道题揭示了 LLN 条件的必要性
  • D(X_i) 无界时,\bar{X}_n 不会依概率收敛

题目 3:设 X_i \sim B(1, p) 独立同分布,n_A 是 n 次试验中 A 发生次数。证明 $\dfrac{n_A}{n} \xrightarrow{P} p$。

解析:

由辛钦 LLN,X_i 独立同分布,E(X_i) = p 存在,所以:


\bar{X}_n = \frac{1}{n}\sum X_i = \frac{n_A}{n} \xrightarrow{P} E(X_i) = p

复盘:

  • 伯努利 LLN 是辛钦 LLN 的特例(X_i \sim B(1, p) 是 i.i.d.)
  • "频率依概率收敛于概率"的严格化

题目 4:设 X_1, X_2, \ldots 独立同分布,$E(X_i) = \mu$。问 \dfrac{1}{n}\sum_{i=1}^n (X_i^2 - E(X_i^2)) 是否依概率收敛?收敛到几?

解析:

Y_i = X_i^2 仍独立同分布(i.i.d. 的函数仍 i.i.d.),且 E(Y_i) = E(X_i^2) 存在。

由辛钦 LLN:


\frac{1}{n}\sum Y_i = \frac{1}{n}\sum X_i^2 \xrightarrow{P} E(Y_i) = E(X_i^2)

所以:


\frac{1}{n}\sum_{i=1}^n (X_i^2 - E(X_i^2)) = \frac{1}{n}\sum X_i^2 - E(X_i^2) \xrightarrow{P} E(X_i^2) - E(X_i^2) = 0

复盘:

  • 辛钦 LLN 的重要推论:f(X_i) 仍 i.i.d.,E(f) 存在时 \frac{1}{n}\sum f(X_i) \xrightarrow{P} E[f(X)]
  • 矩估计的理论基础:$\frac{1}{n}\sum X_i^k \xrightarrow{P} E(X^k)$
  • Ch07 矩估计相合性的严格证明

题目 5(综合):设 X_1, \ldots, X_n 独立,X_i 分布律为 $P(X_i = k) = 1/2^k$($k = 1, 2, \ldots$)。问 \bar{X}_n 是否依概率收敛?

解析:

  • $E(X_i) = \sum_{k=1}^\infty k/2^k = 2$(有限)
  • 但 $D(X_i)$:先求 $E(X_i^2) = \sum k^2/2^k = 6$(有限)
  • 所以 $D(X_i) = 6 - 4 = 2$(一致有界)

由切比雪夫 LLN,$\bar{X}_n \xrightarrow{P} 2$。

复盘:

  • 关键判断:D(X_i) 是否一致有界(这里都是 2,有界)
  • 满足切比雪夫 LLN 条件:两两不相关(独立时自动成立)+ 方差有界
  • 满足辛钦 LLN 条件:i.i.d. + E(X_i) 存在
  • 两个定律都可用,结论一致

口诀速记:

  • "i.i.d. + 期望" → 辛钦 LLN
  • "0-1 分布" → 伯努利 LLN(辛钦的特例)
  • "两两不相关 + 方差有界" → 切比雪夫 LLN
  • "f(X_i) 仍 i.i.d." → 辛钦 LLN 可用于 f(X)