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

121 lines
5.0 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, 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)。