Files
Yimu 60dfb19579 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。
2026-11-07 12:50:44 +08:00

13 KiB
Raw Permalink Blame History

tags, 专题, 日期, 状态, 关联笔记
tags 专题 日期 状态 关联笔记
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
概率论 第5讲上 · 大数定律 2026-11-07 知识点盘点(三节 + 覆盖对照表),配套 3 个点分册共 14 题
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)

盘点章节(知识点) 对应题目
§1.1 定义 点 1 题 1
§1.2 与数列极限的三条区别 点 1 题 2
§1.3 常用推论 点 1 题 3
§2.1 不等式与变形表 点 2 题 1、点 2 题 2
§2.2 使用三步与四个陷阱 点 2 题 3、点 2 题 4、点 2 题 5
§3.1 共同形式 点 3 题 1
§3.2 切比雪夫大数定律 点 3 题 2、点 3 题 3
§3.3 伯努利大数定律 点 3 题 4
§3.4 辛钦大数定律 点 3 题 5
§3.5 三条定律对照(高频辨析) 点 3 题 6

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 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 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 点 2 题 5 直接用它
依概率收敛 → 依分布收敛 第5讲下 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。