refactor(概率论第5讲): 拆为上册「大数定律」+ 下册「中心极限定理」,各按知识点带题重写

上册 14 题(3 点):
- 点1 依概率收敛:定义、与数列极限的三条区别、四则运算与连续映射
- 点2 切比雪夫不等式:变形表、三步四陷阱、换元(含 2022·9 骨架)
- 点3 三条大数定律:共同形式、切比雪夫(含证明与条件辨析)、伯努利、辛钦、对照

下册 7 题(3 点):
- 点1 列维-林德伯格:定理、标准化四步、反解 n(含 2020·8 骨架)
- 点2 棣莫弗-拉普拉斯:二项的正态近似、连续性修正
- 点3 三种近似辨析:判据表、泊松近似(含 2025·9 骨架)

同步:总览目录树、第6讲相邻讲次、第一次模拟卷入口、知识点构建索引与第19背诵版回查入口;
删除旧「概率论-第5讲-大数定律与中心极限定理」三件套目录。全部数值经 python 复核。
This commit is contained in:
2026-11-07 12:50:44 +08:00
parent 1315716436
commit 60dfb19579
25 changed files with 2041 additions and 836 deletions
@@ -0,0 +1,120 @@
---
tags: [数学一, 在学练习, 概率论, 中心极限定理, 速查卡]
专题: 概率论 第5讲下 · 中心极限定理(速查)
日期: 2026-11-07
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 第5讲下 · 中心极限定理:速查卡
考前十分钟只看这一页。
## 一 列维-林德伯格定理
<!-- KP: 1.1 -->
$$\frac{\sum_{i=1}^{n}X_i-n\mu}{\sqrt n\,\sigma}\ \dot\sim\ N(0,1).$$
三种等价写法:$\dfrac{\bar X-\mu}{\sigma/\sqrt n}$ 标准化;$\sum\dot\sim N(n\mu,\ n\sigma^2)$ ;$\bar X\dot\sim N\left(\mu,\ \dfrac{\sigma^2}{n}\right)$ 。
**两个必错点**:分子减的是**期望**;分母是**标准差** $\sqrt n\sigma$ ,不是方差。
## 二 标准化四步
<!-- KP: 1.2 -->
```
① 单个变量的 μ 与 σ²(不是和的)
② EΣ = nμ,DΣ = nσ²,σ_Σ = √n·σ
③ z = (端点 − nμ) / (√n·σ)
④ ≤ 用 Φ;≥ 用 1−Φ;对称区间用 2Φ−1
```
**分位数必背**:$\Phi(1)=0.8413$ 、$\Phi(1.645)=0.95$ 、$\Phi(1.96)=0.975$ 、$\Phi(2)=0.9772$ 、$\Phi(3)=0.9987$ 。
**只在中间段可靠**:端点落在分布的极端尾部时(如 $U(0,1)$ 求和的 $P\{\sum<1\}$ ),CLT 会给出严重错误的结果。
## 三 反解样本量
<!-- KP: 1.3 -->
```
① 把概率写成 Φ(z) 的形状(注意 1−Φ 要翻方向)
② Φ(z) ≥ α → z ≥ 分位数
③ 换元 t = √n,解二次不等式
④ 向上取整,回验 n−1
```
**最易漏的一步**:$P\{\sum\ge a\}=1-\Phi(z)=\Phi(-z)$ ,**先把"$\ge$ "翻成"$\le$ "再解**,否则不等号方向反了。
## 四 棣莫弗-拉普拉斯定理
<!-- KP: 2.1 -->
$$X\sim B(n,p),\ np\ge5,\ n(1-p)\ge5\ \Longrightarrow\ \frac{X-np}{\sqrt{np(1-p)}}\ \dot\sim\ N(0,1).$$
**它就是列维-林德伯格**,只要记住对应关系:$\mu=p$ 、$\sigma^2=p(1-p)$ 。
**别把方差写成 $np$ 那一个** :$np$ 是**泊松**的方差,二项的方差是 $np(1-p)$ ,两者差一个 $(1-p)$ ,足以让答案整体走偏。
## 五 连续性修正
<!-- KP: 2.2 -->
$$P\{X\le k\}\approx\Phi\left(\frac{k+0.5-np}{\sqrt{np(1-p)}}\right);\qquad P\{X\ge k\}\approx1-\Phi\left(\frac{k-0.5-np}{\sqrt{np(1-p)}}\right).$$
**永远朝放大区间的方向让半步**。判据看 $\dfrac{0.5}{\sqrt{np(1-p)}}$ :$>0.1$ 必须修正,$<0.05$ 可省(即 $np(1-p)>50$ )。
**泊松近似不需要修正**——它本身是离散的,与二项的格子天然对齐。
## 六 三种近似的判据
<!-- KP: 3.1 -->
| 场景 | 用哪种 | 判据 |
|---|---|---|
| 二项、$p$ 居中 | **正态** | $np\ge5$ 且 $n(1-p)\ge5$ |
| 二项、$p$ 极小 | **泊松** | $p\le0.05$ 且 $np$ 适中 |
| 独立同分布求和 | **列维-林德伯格** | $\mu,\sigma^2$ 都存在 |
| 单个变量 | **都不用** | $n=1$ ,老实积分 |
**口诀**:$np$ 大而 $p$ 居中 $\to$ 正态;$np$ 小或 $p$ 极小 $\to$ 泊松;只有一个变量 $\to$ 谁也别用。
## 七 泊松近似的计算
<!-- KP: 3.2 -->
$$P\{X=k\}\approx\frac{\lambda^k}{k!}e^{-\lambda},\qquad \lambda=np .$$
**三个现成结果**:
$$P\{X=0\}=e^{-\lambda};\qquad P\{X\le1\}=e^{-\lambda}(1+\lambda);\qquad P\{X\ge3\}=1-e^{-\lambda}\left(1+\lambda+\frac{\lambda^2}{2}\right).$$
**正算还是补事件**:$m<\lambda$ 直接算;$m$ 远大于 $\lambda$ 用 $1-P\{X\le m'\}$ ,让加法项最少。
## 八 最容易丢分的六处
1. **分母误用方差 $n\sigma^2$ 这一项** :应为标准差 $\sqrt n\,\sigma$ 。
2. **单侧忘写 $1-\Phi$ 的补偿** :$P\{\sum\ge a\}$ 一律 $1-\Phi$ 。
3. **把二项的方差写成 $np$ 是错的** :应为 $np(1-p)$ 。
4. **$np<5$ 还硬套正态**:$B(20,0.1)$ 这类必须泊松(2025·9)。
5. **修正方向让反**:$\le k$ 要加 $0.5$ ,不是减。
6. **反解 $n$ 不回验 $n-1$ 就会错一格** :边界差一件就差 $0.14$ 的概率。
---
## 回查
<!-- AUTO:回查 -->
| 想查什么 | 对应题目 |
|---|---|
| 一 列维-林德伯格定理 | [点 1 题 1](02-点1-列维-林德伯格定理.md#user-content-题-1--11和的正态近似) |
| 二 标准化四步 | [点 1 题 2](02-点1-列维-林德伯格定理.md#user-content-题-2--12四个步骤与两个方向) |
| 三 反解样本量 | [点 1 题 3](02-点1-列维-林德伯格定理.md#user-content-题-3--13反解样本量) |
| 四 棣莫弗-拉普拉斯定理 | [点 2 题 1](03-点2-棣莫弗-拉普拉斯定理.md#user-content-题-1--21把二项装进四步模板) |
| 五 连续性修正 | [点 2 题 2](03-点2-棣莫弗-拉普拉斯定理.md#user-content-题-2--22修正前后差多少) |
| 六 三种近似的判据 | [点 3 题 1](04-点3-三种近似辨析.md#user-content-题-1--31四个场景各选一种近似) |
| 七 泊松近似的计算 | [点 3 题 2](04-点3-三种近似辨析.md#user-content-题-2--32泊松近似与正态近似的正面比较) |
<!-- /AUTO:回查 -->
整册入口:[知识点盘点](01-知识点盘点.md)、[点 1](02-点1-列维-林德伯格定理.md)、[点 2](03-点2-棣莫弗-拉普拉斯定理.md)、[点 3](04-点3-三种近似辨析.md)、[第5讲上](../概率论-第5讲上-大数定律/README.md)。