feat(在学练习): 概率论第5讲(大数定律与CLT)+第6讲(数理统计) 整套;第3讲中高难度卷;md2pdf 工具链

新增
- 在学练习/概率论-第5讲-大数定律与中心极限定理/:README + 01考点手册 + 02试题(16题) + 03解析 + PDF×3
- 在学练习/概率论-第6讲-数理统计/:README + 01考点手册 + 02试题(18题) + 03解析 + PDF×3
- 在学练习/概率论-第3讲.../05-试题-中高难度.md、06-解析-中高难度.md + 平板版 PDF×6(四件套 + 中高难度)
- .workbuddy/tools/md2pdf/:md2pdf.js(Markdown→KaTeX→Edge 无头打印 A4,含 answer 留白模式)、shot.js(渲染验收截图)
- .workbuddy/memory/:2026-10-14.md、2026-10-16.md、MEMORY.md

更新
- .gitignore:新增忽略 md2pdf/build/(HTML 内联字体,体积大)
- 总览.md:目录树同步(第5/6讲、第3讲中高难度卷、PDF 清单)
- 第3讲 01-考点手册/02-试题/README:中高难度卷接入与索引回填

说明:PDF 为 KaTeX 矢量公式渲染的平板书写版(试题逐题留白),由 md2pdf.js 从 .md 可重建。
This commit is contained in:
2026-10-16 14:17:28 +08:00
parent 82f15e18d9
commit 31fe3da11f
31 changed files with 3114 additions and 7 deletions
@@ -0,0 +1,327 @@
---
tags:
- 数学一
- 在学练习
- 概率论
- 大数定律
- 中心极限定理
- 解析
专题: 概率论 第5讲 · 大数定律与中心极限定理 · 解析(16 题)
日期: 2026-10-16
关联: "[[02-试题]] · [[01-考点手册]]"
---
# 概率论 第5讲 · 大数定律与中心极限定理 · 解析
> 对应 [[02-试题]]。每题给「**答案 / 思路 / 易错点 / 真题骨架**」。
**核心公式(贴在眼前)**
$$P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\frac{\sigma^2}{\varepsilon^2},\qquad \frac{\sum X_i-n\mu}{\sqrt n\,\sigma}\approx N(0,1),\qquad Y_n\sim B(n,p)\Rightarrow Y_n\approx N\!\big(np,\,np(1-p)\big).$$
---
## A 组 · 基础
### 第 1 题
**答案**:(Ⅰ)见证明;(Ⅱ)$E X_n=1+\dfrac1n-\dfrac1{n^2}\to1\ne0$,**依概率收敛 ⇏ 期望收敛**。
**思路**:
(Ⅰ)对任意 $\varepsilon>0$,取 $n>\dfrac1\varepsilon$,则 $\dfrac1n<\varepsilon$。此时 $\lvert X_n\rvert\ge\varepsilon$ **只可能在** $X_n=n$ 时发生($\lvert X_n\rvert=n$),故
$$P\{\lvert X_n-0\rvert\ge\varepsilon\}=P\{X_n=n\}=\frac1n\longrightarrow0 .$$
所以 $X_n\overset{P}{\longrightarrow}0$。
(Ⅱ)$$E X_n=\frac1n\left(1-\frac1n\right)+n\cdot\frac1n=1+\frac1n-\frac1{n^2}\ \xrightarrow{\ n\to\infty\ }\ 1\ne0 .$$
**结论**:**依概率收敛不能推出期望收敛**。(一般地,需要"一致可积"或"有界"等额外条件。)
**易错点**:不要因为 $P\{X_n=n\}=\frac1n$ 很小就忽略它——**期望是"值 × 概率"**,$n\cdot\frac1n=1$ 恰好贡献了一个常数,这正是反例的精妙处。
---
### 第 2 题
**答案**:(Ⅰ)$\le\dfrac18$;(Ⅱ)$\ge\dfrac78$。
**思路**:$\varepsilon=4$,
$$P\{\lvert X-5\rvert\ge4\}\le\frac{D X}{\varepsilon^2}=\frac{2}{16}=\frac18,\qquad P\{\lvert X-5\rvert<4\}=1-P\{\lvert X-5\rvert\ge4\}\ge1-\frac18=\frac78 .$$
**易错点**:**方向**——"$\ge$"用上界 $\frac{DX}{\varepsilon^2}$;"$<$"用 $1-\frac{DX}{\varepsilon^2}$(对立事件)。
---
### 第 3 题
**答案**:$\ge0.9$。
**思路**:$E X=np=500$,$D X=np(1-p)=1000\times0.25=250$。
$450<X<550\iff\lvert X-500\rvert<50$,取 $\varepsilon=50$:
$$P\{\lvert X-500\rvert\ge50\}\le\frac{250}{50^2}=0.1\ \Longrightarrow\ P\{450<X<550\}\ge1-0.1=0.9 .$$
**易错点**:二项方差是 $np(1-p)=250$,**不是** $np=500$。
---
### 第 4 题
**答案**:$\bar X\overset{P}{\longrightarrow}3.5$。
**思路**:各次投掷**相互独立**;$X_i$ **同分布**(都在 $\{1,2,\cdots,6\}$ 上等可能);期望
$$E X_i=\frac16(1+2+3+4+5+6)=\frac{21}{6}=3.5$$
**存在**。三点齐备,由**辛钦大数定律**得 $\bar X\overset{P}{\longrightarrow}E X_i=3.5$。
**易错点**:骰子的期望是 $3.5$(**不是** $3$ 或 $4$);本题**用不着方差**,所以只能用辛钦(不是切比雪夫)。
---
### 第 5 题
**答案**:**C**。
**思路**:辛钦大数定律的三个条件——**相互独立**、**同分布**、**期望存在**。题干已给"相互独立",只需再满足"同分布 + 期望存在"。
- (A)只说"期望相同",**不保证同分布**(如一个取 $\pm1$、一个取 $\pm2$),✗;
- (B)(D)只说"同一**类型**分布"(离散型/连续型 ≠ 同一个分布),且**不保证期望存在**(如柯西分布连续但期望不存在),✗;
- (C)**同一泊松分布**:既同分布,期望 $=\lambda$ 又存在,✓。
**易错点**:「同一**类型**分布」≠「**同一个**分布」——这是本题最核心的文字陷阱。
---
### 第 6 题
**答案**:$\approx\Phi(1)$。
**思路**:$E\!\left(\sum X_i\right)=100\times1=100$,$D\!\left(\sum X_i\right)=100\times4=400$,标准差 $=\sqrt{400}=20$。由中心极限定理
$$P\left\{\sum_{i=1}^{100}X_i\le120\right\}\approx\Phi\!\left(\frac{120-100}{20}\right)=\Phi(1).$$
**易错点**:**标准差**是 $\sqrt{n\sigma^2}=20$(不是 $n\sigma^2=400$,也不是 $\sigma^2=4$)——标准化时除的是**标准差**。
---
## B 组 · 中等
### 第 7 题 【真题骨架 2022·9】
**答案**:(Ⅰ)$E Y_i=1$,$D Y_i=4$;(Ⅱ)$\le\dfrac{4}{n\varepsilon^2}$。
**思路**:
(Ⅰ)$E Y_i=E X_i^2=1$;
$$D Y_i=E Y_i^2-(E Y_i)^2=E X_i^4-1^2=5-1=4 .$$
(Ⅱ)$\bar Y=\dfrac1n\sum Y_i=\dfrac1n\sum X_i^2$,因 $X_i$ 独立同分布 ⟹ $Y_i$ 独立同分布:
$$E\bar Y=1,\qquad D\bar Y=\frac{1}{n^2}\sum_{i=1}^nD Y_i=\frac{n\cdot4}{n^2}=\frac4n .$$
由切比雪夫不等式
$$P\left\{\left\lvert\frac1n\sum_{i=1}^nX_i^2-1\right\rvert\ge\varepsilon\right\}\le\frac{D\bar Y}{\varepsilon^2}=\frac{4}{n\varepsilon^2}.$$
**易错点**:
1. $D\bar Y$ 的 $\dfrac{1}{n^2}$ **不能丢**,否则会错答成 $\dfrac4{\varepsilon^2}$;
2. $D(X_i^2)=E X_i^4-(E X_i^2)^2$,用到**四阶矩** $\mu_4=5$。
**真题**:2022·9(单选 5 分)考的正是此结构($D X_i^2=\mu_4-\mu_2^2$,界为 $\dfrac{\mu_4-\mu_2^2}{n\varepsilon^2}$)。
---
### 第 8 题
**答案**:$n\ge90$。
**思路**:$E\bar X=20$,$D\bar X=\dfrac{D X}{n}=\dfrac9n$。要求"落在附近",取下界:
$$P\{\lvert\bar X-20\rvert<1\}\ge1-\frac{9/n}{1^2}=1-\frac9n\ge0.9\ \Longrightarrow\ \frac9n\le0.1\ \Longrightarrow\ n\ge90 .$$
**易错点**:$\bar X$ 的方差是 $\dfrac{\sigma^2}{n}=\dfrac9n$(**不是** $9$);"至少"故**向上取整**(本题恰为整数 $90$)。
---
### 第 9 题
**答案**:最多装 **99** 件。
**思路**:设第 $i$ 件重量 $X_i$,$E X_i=10$,$D X_i=0.25$。记 $T_n=\sum_{i=1}^nX_i$。由中心极限定理
$$E T_n=10n,\qquad D T_n=0.25n,\qquad \sqrt{D T_n}=0.5\sqrt n,$$
$$P\{T_n\le1000\}\approx\Phi\!\left(\frac{1000-10n}{0.5\sqrt n}\right)>0.977=\Phi(2)$$
$$\Longrightarrow\ \frac{1000-10n}{0.5\sqrt n}\ge2\ \Longrightarrow\ 1000-10n\ge\sqrt n .$$
解不等式:令 $t=\sqrt n$,得 $10t^2+t-1000\le0$,$t\le\dfrac{-1+\sqrt{40001}}{20}\approx9.95$,故 $n\le99.0$,即**最多 99 件**。
**验证**:$n=99$:$\dfrac{1000-990}{0.5\sqrt{99}}\approx\dfrac{10}{4.975}\approx2.01>2$ ✓;$n=100$:$\dfrac{0}{5}=0$ ✗。
**易错点**:
- 标准差是 $\sqrt{n}\cdot0.5$,**不是** $n\cdot0.5$;方差是 $n\cdot0.25$;
- $\Phi(2)=0.977$ 给出的是**关于 $z$ 的单调性**:$\Phi(z)>0.977\iff z>2$,方向别反;
- 答案是"最多"故**向下取整**($99$,不是 $100$)。
---
### 第 10 题 【真题骨架 2020·8】
**答案**:$\approx\Phi(1)$。
**思路**:$\sum X_i\sim B(400,0.5)$,$E=400\times0.5=200$,$D=400\times0.5\times0.5=100$,标准差 $=10$。由棣莫弗–拉普拉斯定理
$$P\left\{\sum_{i=1}^{400}X_i\le210\right\}\approx\Phi\!\left(\frac{210-200}{10}\right)=\Phi(1).$$
**易错点**:二项的正态近似用**二项自己的期望方差**($np$、$np(1-p)$),不要另算。
**真题**:2020·8(单选 4 分)结构完全一致($n=100$、阈值 $55$,答案 $\Phi(1)$)。
---
### 第 11 题 【真题骨架 2025·9】
**答案**:$\approx4e^{-3}\approx0.199$。
**思路**:$T\sim B(300,0.01)$。$n=300$ 大、$p=0.01$ 很小,用**泊松近似**,$\lambda=np=3$,$T\approx P(3)$:
$$P\{T\le1\}\approx P\{T=0\}+P\{T=1\}=e^{-3}\cdot\frac{3^0}{0!}+e^{-3}\cdot\frac{3^1}{1!}=e^{-3}(1+3)=4e^{-3}.$$
**易错点**:$\lambda=np=300\times0.01=3$(**不是** $n=300$,也**不是** $p=0.01$);$P\{T\le1\}$ 是"$0$ 或 $1$",别只算一项。
**真题**:2025·9(单选 5 分)同结构($n=20,p=0.1,\lambda=2$,答案 $3e^{-2}$,即选项 C)。
---
### 第 12 题
**答案**:$\le\dfrac{1}{16}$。
**思路**:令 $Z=X-Y$。由 $E X=E Y$ 得 $E Z=0$。
$$\operatorname{Cov}(X,Y)=\rho_{XY}\sqrt{D X}\sqrt{D Y}=\frac12\cdot1\cdot1=\frac12,$$
$$D Z=D(X-Y)=D X+D Y-2\operatorname{Cov}(X,Y)=1+1-2\times\frac12=1 .$$
取 $\varepsilon=4$:
$$P\{\lvert X-Y\rvert\ge4\}=P\{\lvert Z-E Z\rvert\ge4\}\le\frac{D Z}{16}=\frac1{16}.$$
**易错点**:
- 方差**不能**直接相加($DX+DY=2$),必须**减去** $2\operatorname{Cov}$;
- $\operatorname{Cov}=\rho\sqrt{DX}\sqrt{DY}$,分母是**标准差之积**。
---
## C 组 · 拔高
### 第 13 题
**答案**:**D**。
**思路**:$X_n\sim E(n)$ ⟹ $E X_n=\dfrac1n$(存在),$D X_n=\dfrac1{n^2}$。切比雪夫大数定律只差"**方差一致有界**"这一条(独立性题干已给)。逐项算方差:
| 选项 | 序列 | $D(\cdot)$ | 是否有界 |
|---|---|---|---|
| A | $\dfrac1nX_n$ | $\dfrac{1}{n^2}\cdot\dfrac1{n^2}=\dfrac{1}{n^4}$ | ✓ $\le1$ |
| B | $X_n$ | $\dfrac1{n^2}$ | ✓ $\le1$ |
| C | $nX_n$ | $n^2\cdot\dfrac1{n^2}=1$ | ✓ $=1$ |
| D | $n^2X_n$ | $n^4\cdot\dfrac1{n^2}=n^2$ | ✗ $\to\infty$ |
**故 D 不服从切比雪夫大数定律。**
**易错点**:$D(aX_n)=a^2D X_n$——**系数要平方**;本题 D 项系数 $n^2$ 平方后是 $n^4$,恰好把 $DX_n=\frac1{n^2}$ 抵消成 $n^2$(发散)。这是本类题的标准设计手法。
---
### 第 14 题 【切比雪夫大数定律】
**证明**:记 $\bar X=\dfrac1n\sum\limits_{i=1}^nX_i$。由期望的线性性 $E\bar X=\dfrac1n\sum E X_i$。由**两两不相关**($\operatorname{Cov}(X_i,X_j)=0,\ i\ne j$):
$$D\bar X=\frac{1}{n^2}D\!\left(\sum_{i=1}^nX_i\right)=\frac{1}{n^2}\left[\sum_{i=1}^nD X_i+2\!\!\sum_{i<j}\!\operatorname{Cov}(X_i,X_j)\right]=\frac{1}{n^2}\sum_{i=1}^nD X_i\le\frac{nC}{n^2}=\frac Cn .$$
对 $\bar X$ 用切比雪夫不等式:
$$P\left\{\left\lvert\frac1n\sum X_i-\frac1n\sum E X_i\right\rvert\ge\varepsilon\right\}=P\{\lvert\bar X-E\bar X\rvert\ge\varepsilon\}\le\frac{D\bar X}{\varepsilon^2}\le\frac{C}{n\varepsilon^2}\ \xrightarrow{\ n\to\infty\ }\ 0 .\qquad\blacksquare$$
**要点**:
1. **「两两不相关」是用来消协方差项的**——没有它,$\sum DX_i$ 这一步不成立;
2. 「方差有界」保证 $\dfrac Cn\to0$,这就是"**平均值稳定**"的来源;
3. 结论即 $\bar X\overset{P}{\longrightarrow}\overline{E X}$,是**大数定律的原始形式**;伯努利、辛钦都是它的特例或并列版本。
**易错点**:把"不相关"误当"独立"——不相关只要求 $\operatorname{Cov}=0$(比独立弱),但**已足够**。
---
### 第 15 题
**答案**:$n_{\min}=102$。
**思路**:由中心极限定理
$$\sum_{i=1}^nX_i\ \overset{\text{近似}}{\sim}\ N(100n,\ 100n),\qquad \sqrt{D}=10\sqrt n .$$
要求
$$P\left\{\sum_{i=1}^nX_i\ge10000\right\}\approx1-\Phi\!\left(\frac{10000-100n}{10\sqrt n}\right)\ge0.95 .$$
即 $\Phi\!\left(\dfrac{10000-100n}{10\sqrt n}\right)\le0.05=\Phi(-1.645)$,故
$$\frac{10000-100n}{10\sqrt n}\le-1.645\ \Longrightarrow\ 10000-100n\le-16.45\sqrt n\ \Longrightarrow\ 100n-16.45\sqrt n-10000\ge0 .$$
令 $t=\sqrt n$:$100t^2-16.45t-10000\ge0$,解得
$$t\ge\frac{16.45+\sqrt{16.45^2+4\,000\,000}}{200}\approx10.082\ \Longrightarrow\ n\ge101.6 .$$
故 $n_{\min}=102$。
**验证**:$n=101$:$z=\dfrac{10000-10100}{10\sqrt{101}}\approx-0.995>-1.645$ ✗;$n=102$:$z\approx-1.98\le-1.645$ ✓。
**易错点**:
- 是"**和 ≥ 10000**",故用**右尾** $1-\Phi(\cdot)$,**不要**错写成 $\Phi$;
- $\Phi(z)\le0.05\iff z\le-1.645$(**负号**易漏);
- 标准差 $\sqrt{n\sigma^2}=\sigma\sqrt n$,**不是** $\sigma n$。
---
### 第 16 题 【综合辨析】
**答案**:
(Ⅰ)$D\bar X=\dfrac{1}{n^2}\sum D X_i=\dfrac{\sigma^2}{n}$,由切比雪夫不等式
$$P\{\lvert\bar X-\mu\rvert\ge\varepsilon\}\le\frac{D\bar X}{\varepsilon^2}=\frac{\sigma^2}{n\varepsilon^2}\ \xrightarrow{\ n\to\infty\ }\ 0,$$
即 $\bar X\overset{P}{\longrightarrow}\mu$。(这是**辛钦大数定律**的一个特例——多了"方差存在"的条件。)
(Ⅱ)由中心极限定理 $\dfrac{\bar X-\mu}{\sigma/\sqrt n}\overset{\text{近似}}{\sim}N(0,1)$,故
$$P\{\lvert\bar X-\mu\rvert<\varepsilon\}=P\left\{\left\lvert\frac{\bar X-\mu}{\sigma/\sqrt n}\right\rvert<\frac{\varepsilon\sqrt n}{\sigma}\right\}\approx2\Phi\!\left(\frac{\varepsilon\sqrt n}{\sigma}\right)-1 .$$
当 $n\to\infty$ 时 $\dfrac{\varepsilon\sqrt n}{\sigma}\to+\infty$,$\Phi\to1$,故该概率 $\to1$。
(Ⅲ)**中心极限定理更精确**:
- **(Ⅱ)**利用"和的分布趋正态"这一**更深**的信息,给出的是**近似值**(可以很接近真值),但要求 $n$ **充分大**、且 $\sigma^2$ **有限存在**;
- **(Ⅰ)**只用到期望与方差,**对任意 $n$ 都能用、无条件普适**,但只能给**宽松的上界**(界 $\dfrac{\sigma^2}{n\varepsilon^2}$ 往往远大于真值),**给不出近似值**。
> **一句话**:**切比雪夫"普适但粗糙",中心极限定理"精确但要求高"。** 前者证明"收敛",后者刻画"收敛的速度与形态"。
**易错点**:$\Phi$ 的变量是 $\dfrac{\varepsilon\sqrt n}{\sigma}$(**除以标准差 $\sigma$**,不是 $\sigma^2$)。
---
## 命题质量报告
### 一、考点覆盖
| 考点 | 题号 | 覆盖 |
|---|---|---|
| 依概率收敛的定义与反例 | 1 | ✅ |
| 切比雪夫不等式:直接套 + 方向 | 2 | ✅ |
| 切比雪夫不等式:二项分布 | 3 | ✅ |
| 辛钦大数定律:应用(求极限值) | 4 | ✅ |
| 辛钦大数定律:**条件辨析** | 5 | ✅ |
| 中心极限定理:iid 求和标准化 | 6 | ✅ |
| **2022·9 骨架**(样本均值 + 四阶矩) | 7 | ✅ |
| 反解样本量 $n$(切比雪夫) | 8 | ✅ |
| 中心极限定理:应用建模(装箱) | 9 | ✅ |
| **2020·8 骨架**(0–1 变量求和) | 10 | ✅ |
| **2025·9 骨架**(泊松近似) | 11 | ✅ |
| 切比雪夫 + 协方差($Z=X-Y$) | 12 | ✅ |
| 切比雪夫大数定律:**条件辨析** | 13 | ✅ |
| 切比雪夫大数定律:**证明** | 14 | ✅ |
| 中心极限定理:反解 $n$ | 15 | ✅ |
| 切比雪夫 vs 中心极限定理:精度/条件对比 | 16 | ✅ |
### 二、难度与用时
| 组 | 题量 | 难度 | 建议用时 |
|---|---|---|---|
| A 基础 | 6(1–6) | ★☆☆ | 22 分钟 |
| B 中等 | 6(7–12) | ★★☆ | 28 分钟 |
| C 拔高 | 4(13–16) | ★★★ | 20 分钟 |
| **合计** | **16** | | **70 分钟** |
### 三、真题使用情况
- **骨架题**:
- 第 7 题 ← **2022·9**(单选 5 分,「大数定律(切比雪夫不等式)」),数字原创;
- 第 10 题 ← **2020·8**(单选 4 分,「中心极限定理」),数字原创;
- 第 11 题 ← **2025·9**(单选 5 分,「泊松近似(二项分布)」),数字原创。
- **仓库例题改编**:第 4、5、9、13 题(`knowledge/4`、`exercise/4`、`knowledge/3 §切比雪夫`)。
- **本章十年 3 题全覆盖**(2020·8、2022·9、2025·9)。
### 四、仍未覆盖方向(诚实列出)
1. **依概率收敛的运算性质**(如 $X_n\overset{P}{\to}a,\ Y_n\overset{P}{\to}b\Rightarrow X_nY_n\overset{P}{\to}ab$)——考研几乎不单独考;
2. **李雅普诺夫中心极限定理**(不要求同分布,只要求某阶矩有界)——边缘内容,本讲未涉及;
3. **用切比雪夫不等式讨论估计量的"一致性"**——会在第 21 章(参数估计)中用到,届时回看 §2 即可;
4. **大数定律的建模应用**(如用频率估计概率、保险定价)——属应用题,非本讲主线。