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

162 lines
7.4 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
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)。