Files

162 lines
7.4 KiB
Markdown
Raw Permalink Normal View History

---
tags: [数学一, 在学练习, 概率论, 大数定律, 速查卡]
专题: 概率论 第5讲上 · 大数定律(速查)
日期: 2026-11-07
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 第5讲上 · 大数定律:速查卡
考前十分钟只看这一页。
## 一 依概率收敛的定义
<!-- KP: 1.1 -->
$$X_n\overset{P}{\longrightarrow}X\iff\forall\varepsilon>0,\ \lim_{n\to\infty}P\left\{\lvert X_n-X\rvert\ge\varepsilon\right\}=0 .$$
读法:**先固定 $\varepsilon$ ,再让 $n\to\infty$ ,顺序不能换** 。顺序反过来就成了废话。
等价写法:$\lim P\{\lvert X_n-X\rvert<\varepsilon\}=1$ 。定义里用"$\ge$ ",补事件就用"$<$ ",前后要一致。
## 二 与数列极限的三条区别
<!-- KP: 1.2 -->
- 对象:确定数列 **vs** 随机变量序列;
- "接近":每项都接近 **vs** 概率趋于 $1$ ,个别项可以离谱;
- 是否要求 $EX_n\to EX$ :**不要求**。
**反例模板(必背)**:$P\{X_n=n^2\}=\frac1n$ 、$P\{X_n=0\}=1-\frac1n$ 。则 $X_n\overset{P}{\to}0$ 而 $EX_n=n\to\infty$ 。
口诀:**依概率收敛只控制"坏事件的概率",不控制"坏事件里的数值"**。
## 三 四则运算与连续映射
<!-- KP: 1.3 -->
$$X_n\overset{P}{\to}a,\ Y_n\overset{P}{\to}b\ \Longrightarrow\ X_n\pm Y_n\overset{P}{\to}a\pm b,\ X_nY_n\overset{P}{\to}ab,\ \frac{X_n}{Y_n}\overset{P}{\to}\frac ab\ (b\ne0).$$
连续映射:$g$ 在 $a$ 处连续 $\Rightarrow g(X_n)\overset{P}{\to}g(a)$ 。
**三个定义域条件**:$\frac1{X_n}$ 需 $a\ne0$ ;$\sqrt{X_n}$ 需 $a>0$ ;$\ln X_n$ 需 $a>0$ 。
**注意**:$X_n>0$ 恒成立只能推出 $a\ge0$ ,推不出 $a>0$ (严格不等式取极限会退化)。
## 四 切比雪夫不等式
<!-- KP: 2.1 -->
$$P\left\{\lvert X-EX\rvert\ge\varepsilon\right\}\le\frac{DX}{\varepsilon^2},\qquad P\left\{\lvert X-EX\rvert<\varepsilon\right\}\ge1-\frac{DX}{\varepsilon^2}.$$
| 问法 | 写法 |
|---|---|
| $\ge\varepsilon$ 上界 | $\dfrac{DX}{\varepsilon^2}$ |
| $<\varepsilon$ 下界 | $1-\dfrac{DX}{\varepsilon^2}$ |
| 反解 $\varepsilon$ | $\varepsilon\ge\sqrt{DX/\alpha}$ |
| 反解 $n$ | 用 $D\bar X=\dfrac{\sigma^2}{n}$ |
| 涉及 $\lvert X-Y\rvert$ | 先算 $D(X-Y)=DX+DY-2\operatorname{Cov}$ |
标准差写法:$\varepsilon=k\sqrt{DX}$ 时上界就是 $\dfrac{1}{k^2}$ ($2$ 倍标准差 $\le\frac14$ ,$3$ 倍 $\le\frac19$ )。
## 五 使用三步与四个陷阱
<!-- KP: 2.2 -->
```
① 认形状:偏差 + 概率
② 算"被控变量"的 E 与 D(不是原变量)
③ 套表:≥ 给上界,< 给下界
```
- 它是**界**不是值,题目问"估计"才用;
- 界算出来 $>1$ 不算错,只说明太粗;
- $\varepsilon$ 与 $DX$ 必须同量纲;
- **不能**求"$\ge$ "的下界或"$<$ "的上界。
**换元提示**:控 $\frac1n\sum X_i^2$ 时先令 $Y_i=X_i^2$ ,$DY_i=\mu_4-\mu_2^2$ (2022·9 就是这一步)。
## 六 三条定律的共同形式
<!-- KP: 3.1 -->
$$\frac1n\sum_{i=1}^{n}X_i-\frac1n\sum_{i=1}^{n}EX_i\overset{P}{\longrightarrow}0 .$$
同分布时简写为 $\bar X\overset{P}{\to}\mu$ 。**结论共享,只有条件不同——所以只背条件。**
推广句式:$\frac1n\sum g(X_i)$ 收敛到 $E\,g(X_1)$ (对 $\{g(X_i)\}$ 再用一次)。
## 七 切比雪夫大数定律
<!-- KP: 3.2 -->
**条件**:两两不相关,$DX_i\le C$ 。**证明两行**:
$$D\left(\frac1n\sum X_i\right)=\frac{1}{n^2}\sum DX_i\le\frac{C}{n}\to0,$$
再对 $\bar X$ 用切比雪夫不等式,夹逼。
**实际判据比"一致有界"更弱**:只要 $\dfrac{1}{n^2}\sum\limits_{k=1}^{n}DX_k\to0$ 即可。做题时直接算这个阶,别盯着"有界"。
## 八 伯努利大数定律
<!-- KP: 3.3 -->
$$\frac{\nu_n}{n}\overset{P}{\longrightarrow}p .$$
**意义**:频率估计概率的合法依据,第 6 讲相合性的源头。
$D\left(\frac{\nu_n}{n}\right)=\dfrac{p(1-p)}{n}\le\dfrac{1}{4n}$ ,所以反解 $n$ 时分子最大是 $\frac14$ 。
## 九 辛钦大数定律
<!-- KP: 3.4 -->
**条件**:独立、**同分布**、**期望存在**。结论:$\bar X\overset{P}{\to}\mu$ 。
**不要方差**——这是与切比雪夫定律最大的反差。柯西分布(期望不存在)用不了;重尾分布(方差不存在)只有它能管。
## 十 三条定律对照
<!-- KP: 3.5 -->
| 定律 | 独立 | 同分布 | 方差 | 期望 |
|---|---|---|---|---|
| 切比雪夫 | 两两不相关 | 不要求 | $DX_i\le C$ | 存在 |
| 伯努利 | 独立($0$ -$1$ ) | 自动 | 自动 | 自动 |
| 辛钦 | 独立 | **要求** | **不要求** | 存在 |
**一句话**: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。
**选择题筛选项套路**:只同期望不同分布 $\to$ 删;同分布但不保证期望存在(如 $P\{X=k\}\propto\frac{1}{k^2}$ 、柯西) $\to$ 删;剩下"参数即期望"的具体分布(泊松)$\to$ 选它。
## 十一 最容易丢分的六处
1. **反解 $n$ 时把 $DX$ 当成 $D\bar X$ 是错的** :分母必须是 $\frac{\sigma^2}{n}$ 。
2. **"$\ge$ "与"$<$ "的方向用反**:前者只能给上界。
3. **以为依概率收敛能推出期望收敛**:反例模板见第二节。
4. **判断定律时不看同分布**:辛钦要同分布,切比雪夫不要,两者常被互换。
5. **忽略 $\frac{1}{n^2}\sum DX_k$ 的阶**:只盯着"方差是否一致有界",会误判(系数乘 $n$ 的序列可能仍满足)。
6. **答案不向上取整、不回验 $n-1$ 都不行** :反解出的 $n$ 必须是整数且验证边界。
---
## 回查
<!-- AUTO:回查 -->
| 想查什么 | 对应题目 |
|---|---|
| 一 依概率收敛的定义 | [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) |
| 二 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) |
| 三 四则运算与连续映射 | [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) |
| 四 切比雪夫不等式 | [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) |
| 五 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) |
| 六 三条定律的共同形式 | [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) |
| 七 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) |
| 八 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) |
| 九 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) |
| 十 三条定律对照 | [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:回查 -->
整册入口:[知识点盘点](01-知识点盘点.md)、[点 1](02-点1-依概率收敛.md)、[点 2](03-点2-切比雪夫不等式.md)、[点 3](04-点3-三条大数定律.md)。