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。
7.4 KiB
tags, 专题, 日期, 关联笔记
| tags | 专题 | 日期 | 关联笔记 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|
|
概率论 第5讲上 · 大数定律(速查) | 2026-11-07 |
|
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
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
- 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
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
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
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
\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
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
\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
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
| 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
- 反解
n时把DX当成D\bar X是错的 :分母必须是\frac{\sigma^2}{n}。 - "
\ge"与"<"的方向用反:前者只能给上界。 - 以为依概率收敛能推出期望收敛:反例模板见第二节。
- 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。
- 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)。 - 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
| 想查什么 | 对应题目 |
|---|---|
| 一 依概率收敛的定义 | 点 1 题 1 |
| 二 与数列极限的三条区别 | 点 1 题 2 |
| 三 四则运算与连续映射 | 点 1 题 3 |
| 四 切比雪夫不等式 | 点 2 题 1、点 2 题 2 |
| 五 使用三步与四个陷阱 | 点 2 题 3、点 2 题 4、点 2 题 5 |
| 六 三条定律的共同形式 | 点 3 题 1 |
| 七 切比雪夫大数定律 | 点 3 题 2、点 3 题 3 |
| 八 伯努利大数定律 | 点 3 题 4 |
| 九 辛钦大数定律 | 点 3 题 5 |
| 十 三条定律对照 | 点 3 题 6 |