Files

218 lines
13 KiB
Markdown
Raw Permalink Normal View History

---
tags: [数学一, 在学练习, 概率论, 大数定律, 依概率收敛, 切比雪夫, 知识点盘点]
专题: 概率论 第5讲上 · 大数定律
日期: 2026-11-07
状态: 知识点盘点(三节 + 覆盖对照表),配套 3 个点分册共 14 题
关联笔记: ["[[README]]", "[[05-速查卡]]"]
---
# 第5讲上 · 大数定律:知识点盘点
真题库第 19 章。近十年 **3 题 14 分**,**全部是单选**:2020·8(中心极限定理 4 分)、2022·9(切比雪夫不等式 5 分)、2025·9(泊松近似 5 分)。
**上下两册怎么切**:**上册只谈"趋于一个数"**(依概率收敛、切比雪夫不等式、三条大数定律),**下册只谈"趋于一个分布"**(中心极限定理、两种近似)。分界点是**收敛的强弱**——依分布收敛比依概率收敛强,但考场上用得更多的反而是弱的那个,因为它的条件好验(只要方差存在)。
**一句话定性**:大数定律回答"**为什么能用频率代替概率、用样本均值代替总体均值**"。三条定律的差别只在**要什么条件**,结论长得一模一样。
## 0 三张表
### 0.1 按分值排(时间紧就照这个顺序)
| 优先 | 点 | 真题锚点 | 分值 | 文件 |
|---|---|---|---|---|
| 1 | 切比雪夫不等式 | **2022·9** | **5** | `03` |
| 2 | 三条大数定律 | 2022·9 的前置、十年未单独考 | — | `04` |
| 3 | 依概率收敛 | 大纲要求、作为工具嵌在各题 | — | `02` |
**注意**:只有 5 分直接落在上册,但这 5 分是**纯套公式**就能拿的,性价比最高。真正费时间的是"三条定律的条件辨析"——它不直接考,却决定你能否判断一道题"该用哪条定律"。
### 0.2 按依赖链排(文件顺序,也就是建议的阅读顺序)
```
02 依概率收敛 ← 先把"趋于"这个词定义清楚
↓
03 切比雪夫不等式 ← 唯一的定量工具:把"偏差"翻译成"概率上界"
↓
04 三条大数定律 ← 用切比雪夫去证,得到"频率 → 概率"
```
**为什么切比雪夫必须在前**:三条定律里唯一需要证明的(切比雪夫大数定律)就是"对 $\bar X$ 用一次切比雪夫不等式"。不等式不会用,定律就只能背结论。
### 0.3 符号约定
| 记号 | 含义 |
|---|---|
| $X_n\overset{P}{\longrightarrow}X$ | 依概率收敛 |
| $\bar X=\dfrac1n\sum_{i=1}^nX_i$ | 样本均值 |
| $\nu_n$ | $n$ 重伯努利试验中 $A$ 发生的次数 |
| $\dfrac{\nu_n}{n}$ | 频率 |
| $\varepsilon$ | 任意给定的小正数("允许的偏差") |
| $C$ | 方差的一致上界,$DX_i\le C$ |
### 0.4 知识点与练习文件对照(按知识点粒度)
<!-- AUTO:KP -->
| 盘点章节(知识点) | 对应题目 |
|---|---|
| §1.1 定义 | [点 1 题 1](02-点1-依概率收敛.md#user-content-题-1--11按定义验证依概率收敛) |
| §1.2 与数列极限的三条区别 | [点 1 题 2](02-点1-依概率收敛.md#user-content-题-2--12只控制概率不控制数值) |
| §1.3 常用推论 | [点 1 题 3](02-点1-依概率收敛.md#user-content-题-3--13四则运算与连续映射) |
| §2.1 不等式与变形表 | [点 2 题 1](03-点2-切比雪夫不等式.md#user-content-题-1--21直接套式与两个方向)、[点 2 题 2](03-点2-切比雪夫不等式.md#user-content-题-2--21二项分布上的估计) |
| §2.2 使用三步与四个陷阱 | [点 2 题 3](03-点2-切比雪夫不等式.md#user-content-题-3--22反解样本量)、[点 2 题 4](03-点2-切比雪夫不等式.md#user-content-题-4--22平方和的均值也要用切比雪夫)、[点 2 题 5](03-点2-切比雪夫不等式.md#user-content-题-5--22两个变量的差) |
| §3.1 共同形式 | [点 3 题 1](04-点3-三条大数定律.md#user-content-题-1--31三个平均值都收敛到自己的期望) |
| §3.2 切比雪夫大数定律 | [点 3 题 2](04-点3-三条大数定律.md#user-content-题-2--32切比雪夫大数定律的证明)、[点 3 题 3](04-点3-三条大数定律.md#user-content-题-3--32条件辨析谁不满足) |
| §3.3 伯努利大数定律 | [点 3 题 4](04-点3-三条大数定律.md#user-content-题-4--33用伯努利定律反解试验次数) |
| §3.4 辛钦大数定律 | [点 3 题 5](04-点3-三条大数定律.md#user-content-题-5--34辛钦定律的条件够不够) |
| §3.5 三条定律对照(高频辨析) | [点 3 题 6](04-点3-三条大数定律.md#user-content-题-6--35三条定律的条件对照) |
<!-- /AUTO:KP -->
## 1 依概率收敛
### 1.1 定义
$$X_n\overset{P}{\longrightarrow}X\quad\iff\quad\forall\varepsilon>0,\ \lim_{n\to\infty}P\left\{\lvert X_n-X\rvert\ge\varepsilon\right\}=0 .$$
等价写法(把"$\ge$ "换成"$<$ "的补):$\lim\limits_{n\to\infty}P\{\lvert X_n-X\rvert<\varepsilon\}=1$ 。
**逐字读法**:先固定 $\varepsilon$ ,再看"偏差超过 $\varepsilon$ "这件坏事的概率,最后让 $n\to\infty$ 。**$\varepsilon$ 在前、$n$ 在后,顺序不能换**(换了就成了"对每个 $n$ 都存在 $\varepsilon$ ",是废话)。
### 1.2 与数列极限的三条区别
| 对比项 | 数列极限 $\lim a_n=a$ | 依概率收敛 $X_n\overset{P}{\to}a$ |
|---|---|---|
| 对象 | 确定的数 | 随机变量(有分布) |
| "接近"的含义 | 从某项起**每个**都接近 | 接近的**概率**趋于 $1$ ,个别项可以离谱 |
| 是否要求 $EX_n\to EX$ | — | **不要求**(这是最大的坑) |
**第三条必须记住**:依概率收敛是"**大概率落在附近**",它对"偶尔跑得很远的那些情形"毫无约束,而那些情形正是期望的贡献者。所以 $X_n\overset{P}{\to}0$ 完全可以配 $EX_n\to\infty$ 。
### 1.3 常用推论
**四则运算**(与数列极限同形):$X_n\overset{P}{\to}a$ 、$Y_n\overset{P}{\to}b$ ,则
$$X_n\pm Y_n\overset{P}{\longrightarrow}a\pm b,\qquad X_nY_n\overset{P}{\longrightarrow}ab,\qquad \frac{X_n}{Y_n}\overset{P}{\longrightarrow}\frac{a}{b}\ (b\ne0).$$
**连续映射**:若 $g$ 在 $a$ 处连续,则 $g(X_n)\overset{P}{\longrightarrow}g(a)$ 。
特例:$X_n^k\overset{P}{\to}a^k$ 、$\sqrt{X_n}\overset{P}{\to}\sqrt a$ ($a>0$ )、$\dfrac{1}{X_n}\overset{P}{\to}\dfrac1a$ ($a\ne0$ )。
> **用之前先看 $a$ 的取值**:$\frac1{X_n}$ 的结论里带着"$a\ne0$ ",$\sqrt{X_n}$ 带着"$a>0$ "。条件不满足时结论可能直接崩($a=0$ 时 $\frac1{X_n}$ 根本没有极限)。
## 2 切比雪夫不等式
### 2.1 不等式与变形表
$$P\left\{\lvert X-EX\rvert\ge\varepsilon\right\}\le\frac{DX}{\varepsilon^2},\qquad P\left\{\lvert X-EX\rvert<\varepsilon\right\}\ge1-\frac{DX}{\varepsilon^2}.$$
**只说三件事**:中心是 $EX$ 、尺度是 $\sqrt{DX}$ 、衰减是 $\frac1{\varepsilon^2}$ 。它不需要知道分布,这是它唯一的、也是最大的优点。
| 问法 | 写法 |
|---|---|
| $P\{\lvert X-EX\rvert\ge\varepsilon\}$ 的**上界** | $\dfrac{DX}{\varepsilon^2}$ |
| $P\{\lvert X-EX\rvert<\varepsilon\}$ 的**下界** | $1-\dfrac{DX}{\varepsilon^2}$ |
| $X$ 落在 $(EX-\varepsilon,EX+\varepsilon)$ 外的上界 | $\dfrac{DX}{\varepsilon^2}$ |
| 已知上界 $\alpha$ 反解 $\varepsilon$ | $\varepsilon\ge\sqrt{DX/\alpha}$ |
| 涉及 $\bar X$ | 先换成 $D\bar X=\sigma^2/n$ 再套 |
| 涉及 $\lvert X-Y\rvert$ | 先算 $E(X-Y)$ 与 $D(X-Y)=DX+DY-2\operatorname{Cov}$ |
**标准差写法最好用**:取 $\varepsilon=k\sqrt{DX}$ ,则上界就是 $\dfrac{1}{k^2}$ 。所以"偏离 2 个标准差"的概率不超过 $\frac14$ ,"3 个标准差"不超过 $\frac19$ 。
### 2.2 使用三步与四个陷阱
**三步**:
1. 认出形状——题里出现"偏差""不少于""不小于"配一个概率;
2. 算**被控变量**的 $E$ 与 $D$ (是 $\bar X$ 就算 $D\bar X=\frac{\sigma^2}{n}$ ,是 $\sum X_i^2$ 就先求 $E X^2$ 与 $E X^4$ );
3. 套表,注意"$\ge$ 给上界、$<$ 给下界",方向不能反。
**四个陷阱**:
- 它给的是**界**不是**值**,题目问"估计"才用它,问"求"就是别的方法;
- 上界算出大于 $1$ 时**并不算错**,只说明这个界太粗(真实概率当然 $\le1$ );
- $\varepsilon$ 与 $DX$ 必须同量纲:$\varepsilon$ 是"元"、$DX$ 是"元的平方"才对得上;
- **绝不能**用它求"$\ge$ "的下界或"$<$ "的上界——那是另一个方向的估计,切比雪夫给不出来。
## 3 三条大数定律
### 3.1 共同形式
三条定律的结论都是同一句话:
$$\frac1n\sum_{i=1}^{n}X_i-\frac1n\sum_{i=1}^{n}EX_i\overset{P}{\longrightarrow}0 .$$
同分布时右半截就是常数 $\mu$ ,于是简写成 $\bar X\overset{P}{\longrightarrow}\mu$ 。**所以背定律只要背"条件",结论是共享的。**
### 3.2 切比雪夫大数定律
**条件**:$X_1,X_2,\cdots$ **两两不相关**,且存在常数 $C$ 使 $DX_i\le C$ 。
**结论**:$\dfrac1n\sum X_i-\dfrac1n\sum EX_i\overset{P}{\longrightarrow}0$ 。
**证明主线**(一行都不能省):
$$D\left(\frac1n\sum_{i=1}^{n}X_i\right)=\frac{1}{n^2}\sum_{i=1}^{n}DX_i\le\frac{nC}{n^2}=\frac{C}{n}\to0,$$
再对 $\frac1n\sum X_i$ 用切比雪夫不等式,令 $n\to\infty$ 即得。
> **"两两不相关"这个条件就为了这一步**:不相关才能让 $D(\sum)=\sum D$ 。若只给"独立",当然更强,也照样成立。
### 3.3 伯努利大数定律
**条件**:$n$ 重伯努利试验,$A$ 每次发生的概率为 $p$ ,$\nu_n$ 为发生次数。
**结论**:
$$\frac{\nu_n}{n}\overset{P}{\longrightarrow}p .$$
它是切比雪夫定律在 $0$ -$1$ 变量上的特例:$X_i\sim B(1,p)$ ,$EX_i=p$ 、$DX_i=p(1-p)\le\frac14$ ,方差一致有界这件事自动成立。
**意义**:这是"**用频率估计概率**"的全部理论依据——第 6 讲参数估计的相合性就建立在这上面。
### 3.4 辛钦大数定律
**条件**:$X_1,X_2,\cdots$ **独立同分布**,且**期望存在**($EX_i=\mu$ )。
**结论**:$\bar X\overset{P}{\longrightarrow}\mu$ 。
**它和切比雪夫定律的关键差别**:辛钦**不要方差存在**,但要**同分布**。所以柯西分布这类"期望都不存在"的分布用不了;而"期望存在、方差不存在"的分布(如某些重尾分布)恰恰只有辛钦能管。
### 3.5 三条定律对照(高频辨析)
| 定律 | 独立要求 | 同分布 | 方差要求 | 期望要求 | 结论 |
|---|---|---|---|---|---|
| 切比雪夫 | 两两**不相关** | 不要求 | $DX_i\le C$ | 存在 | $\bar X-E\bar X\overset{P}{\to}0$ |
| 伯努利 | 独立($0$ -$1$ 试验) | 自动满足 | 自动满足 | 自动满足 | $\frac{\nu_n}{n}\overset{P}{\to}p$ |
| 辛钦 | **独立** | **要求** | **不要求** | 存在 | $\bar X\overset{P}{\to}\mu$ |
**一句话记法**:**切比雪夫管"方差有界",辛钦管"同分布",伯努利是二者的交集特例。**
## 4 覆盖对照(大纲 vs 真题 vs 参考仓库)
| 知识点 | 大纲要求 | 十年真题 | 参考仓库 | 处置 |
|---|---|---|---|---|
| 依概率收敛的定义 | **理解** | 嵌在各题 | 有 | 点 1,1 题 |
| 与数列极限的区别 | 了解 | 未考 | 有 | 点 1,1 题 |
| 四则运算与连续映射 | **掌握** | 嵌在别处 | 有 | 点 1,1 题 |
| 切比雪夫不等式 | **掌握** | 2022·9 | 有 | 点 2,2 题 |
| 变形表与使用陷阱 | **掌握** | 2022·9 | 部分 | 点 2,3 题 |
| 大数定律的共同形式 | 理解 | 未单考 | 有 | 点 3,1 题 |
| 切比雪夫大数定律 | **掌握** | 2022·9 前置 | 有 | 点 3,2 题 |
| 伯努利大数定律 | **掌握** | 未单考 | 有 | 点 3,1 题 |
| 辛钦大数定律 | **掌握** | 未单考 | 有 | 点 3,1 题 |
| 三条定律的条件对照 | **掌握** | 未单考 | 有 | 点 3,1 题 |
**判断**:10 个知识点里,大纲"掌握"的 7 个全部配题。"切比雪夫不等式"是唯一直接落在卷面上的(2022·9 五分),所以点 2 给了 5 题——**它必须练到不假思索**。
## 5 与相邻讲的接口
| 本讲内容 | 来源 / 去向 | 用法 |
|---|---|---|
| $EX$ 、$DX$ 、$\operatorname{Cov}$ | [第4讲](../概率论-第4讲-随机变量的数字特征/README.md) | 切比雪夫不等式的分子就是 $DX$ |
| $D\bar X=\sigma^2/n$ | [第4讲点5 题4](../概率论-第4讲-随机变量的数字特征/06-点5-线性组合与最值.md) | 所有"反解 $n$ "的题都从它出发 |
| $D(X-Y)=DX+DY-2\operatorname{Cov}$ | [第4讲点5](../概率论-第4讲-随机变量的数字特征/06-点5-线性组合与最值.md) | 点 2 题 5 直接用它 |
| 依概率收敛 → 依分布收敛 | [第5讲下](../概率论-第5讲下-中心极限定理/README.md) | 中心极限定理给的是更强的收敛 |
| 频率 → 概率(伯努利定律) | 第 6 讲(数理统计) | 矩估计的相合性、大样本区间估计的根据 |
| $\bar X$ 的分布 | 第 6 讲(数理统计) | 正态总体下 $\bar X\sim N(\mu,\sigma^2/n)$ 是精确版 |
> **跨讲一句话**:上册说"$\bar X$ 会**靠近** $\mu$ ",下册说"$\bar X$ 靠近 $\mu$ 时**误差长什么样**"。前者只给方向,后者给形状。