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。
10 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
|
概率论 第5讲上 · 点1 依概率收敛 | 2026-11-07 | 知识点带题(1.1 定义、1.2 与数列极限的区别、1.3 常用推论,共 3 题) |
|
点 1 依概率收敛
大纲"理解"层次、十年未单独出题,但它就是大数定律和中心极限定理里那个"趋于"的定义|重要度 ★★★ 依赖:第 4 讲的期望与方差。盘点对应:§1 全节。
组织原则:这一点只解决一个词——"趋于"在概率里是什么意思。三题按"验证定义 → 看清它管不住什么 → 学会用它做四则运算"递进。第 2 题是全讲最重要的反例:它证明依概率收敛推不出期望收敛,这个反例一立,后面"为什么切比雪夫要单独证"就顺理成章了。难度标准:★☆☆ 一题、★★☆ 两题。
知识点 1.1 定义(出处:知识章 §1)
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 .
等价说法:\lim\limits_{n\to\infty}P\{\lvert X_n-X\rvert<\varepsilon\}=1 。
逐字读法(顺序不能换):
- 先固定一个
\varepsilon——"允许的偏差"; - 再看"实际偏差超过
\varepsilon"这件坏事的概率; - 最后让
n\to\infty。
若把 \varepsilon 与 n 的顺序对调("对每个 n 存在 \varepsilon "),命题就成了废话。这就是它与数列极限"\forall\varepsilon\exists N "表面相似、实质不同的地方。
注意
\ge与<这两个符号:定义里用"\ge\varepsilon",所以它的补是"<\varepsilon"。写成"\le\varepsilon"也对,只要前后一致;但把"\ge"的上界和"<"的下界混着用,就会写出不成立的式子。
知识点 1.2 与数列极限的三条区别(出处:知识章 §1)
| 对比项 | \lim a_n=a |
X_n\overset{P}{\to}a |
|---|---|---|
| 对象 | 确定的数列 | 随机变量序列 |
| "接近"的含义 | 从某项起每一项都接近 | 概率趋于 1 ,允许个别项离谱 |
是否要求 EX_n\to EX |
— | 不要求 |
第三条是全部误区的根源:依概率收敛只保证"大概率落在附近",而对"小概率跑得很远"的那部分只要求概率趋于零,不要求数值有界。期望恰恰是"数值 × 概率"的和——小概率配大数值,乘起来照样能剩下一块。
知识点 1.3 常用推论(出处:知识章 §1)
四则运算: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 ab\ (b\ne0).
连续映射:g 在 a 处连续 \Rightarrow g(X_n)\overset{P}{\longrightarrow}g(a) 。
三条常用特例:X_n^k\overset{P}{\to}a^k ;\sqrt{X_n}\overset{P}{\to}\sqrt a (需 a>0 );\dfrac{1}{X_n}\overset{P}{\to}\dfrac1a (需 a\ne0 )。
用之前先检查极限值是否落在定义域内:
\ln X_n要求a>0,\frac1{X_n}要求a\ne0,\sqrt{X_n}要求a\ge0。条件不满足时,结论不是"趋于无穷",而是"根本没有极限"。
题目(按知识点顺序对应)
题 1 · 1.1:按定义验证依概率收敛(★☆☆)
设随机变量序列
\{X_n\}满足P\left\{X_n=\frac1n\right\}=1-\frac1n,\qquad P\{X_n=n\}=\frac1n\quad(n=1,2,\cdots).(Ⅰ)证明
X_n\overset{P}{\longrightarrow}0; (Ⅱ)求EX_n,判断它是否趋于0; (Ⅲ)由(Ⅰ)(Ⅱ)能得出什么结论?
怎么想:验证依概率收敛只有一条路——写出事件 \{\lvert X_n\rvert\ge\varepsilon\} 到底是什么。本题只有两个取值,所以这个事件必是其中之一,比较 \frac1n 与 \varepsilon 的大小即可。
解:
(Ⅰ) 任给 \varepsilon>0 。取 N>\max\left\{\dfrac1\varepsilon,\ \varepsilon\right\} ,则当 n>N 时同时有 \dfrac1n<\varepsilon 与 n\ge\varepsilon ,于是
\left\{\lvert X_n-0\rvert\ge\varepsilon\right\}=\{X_n=n\},\qquad P\left\{\lvert X_n\rvert\ge\varepsilon\right\}=\frac1n\longrightarrow0 .
故 X_n\overset{P}{\longrightarrow}0 。
(Ⅱ)
EX_n=\frac1n\left(1-\frac1n\right)+n\cdot\frac1n=\frac1n-\frac1{n^2}+1\longrightarrow1 .
EX_n\to1\ne0 ,并不趋于零 。
(Ⅲ) 结论:依概率收敛推不出"期望收敛"。本题 X_n\overset{P}{\to}0 而 EX_n\to1 。
原因就在那条尾巴:X_n 以 \frac1n 的概率取到 n ,这一项给期望贡献了 n\cdot\frac1n=1 ,且这个贡献不随 n 衰减。而依概率收敛只要求"1/n 趋于零",对这个"1 "毫无意见。
带走结论:看到"X_n 以 \frac1n 的概率取一个很大的值"这种构造,第一反应就该是"期望会出问题"。这是命题人最爱的反例模板,本讲与第 6 讲(相合但不相容的估计量)都会用到。
关联 · 盘点 §1.1 定义 | 上游 — | 下游 — | 速查 一 依概率收敛的定义
题 2 · 1.2:只控制概率、不控制数值(★★☆)
设随机变量序列
\{X_n\}满足P\left\{X_n=n^2\right\}=\frac1n,\qquad P\{X_n=0\}=1-\frac1n\quad(n=1,2,\cdots).(Ⅰ)证明
X_n\overset{P}{\longrightarrow}0; (Ⅱ)求EX_n,判断它是否收敛; (Ⅲ)把n^2换成n后EX_n又如何?据此说明依概率收敛"管得住什么、管不住什么"。
怎么想:与题 1 同构,但把"离谱值"从 n 加到 n^2 。目的很明确——看依概率收敛会不会因为尾部更离谱而失效。答案是"不会",这正说明它对尾部数值完全不设防。
解:
(Ⅰ) 任给 \varepsilon>0 ,当 n^2\ge\varepsilon (即 n\ge\sqrt\varepsilon )时 \{X_n=n^2\}\subseteq\{\lvert X_n\rvert\ge\varepsilon\} ,而 \{X_n=0\} 不含于其中,故
P\left\{\lvert X_n\rvert\ge\varepsilon\right\}=P\{X_n=n^2\}=\frac1n\longrightarrow0 .
所以 X_n\overset{P}{\longrightarrow}0 。
(Ⅱ)
EX_n=n^2\cdot\frac1n+0\cdot\left(1-\frac1n\right)=n\longrightarrow+\infty,
发散到无穷。
(Ⅲ) 换成 n 时 EX_n=n\cdot\dfrac1n=1 ,恒等于 1 ,仍不趋于 0 (只是不发散而已)。
结论:依概率收敛管住的是"坏事件的概率",管不住"坏事件里的数值",更管不住"数值与概率的乘积"。前者只要 \frac1n\to0 就够,后者却可以是 \frac{n^2}{n}=n 。
验算:把三组数据摆在一起看更清楚——取值 n 时 EX_n\to1 ;取值 n^2 时 EX_n=n\to\infty ;取值 \sqrt n 时 EX_n=\frac{1}{\sqrt n}\to0 。只有"离谱程度低于 \frac1p "时,期望才跟着收敛。
带走结论:判断"能否由 X_n\overset{P}{\to}0 推出 EX_n\to0 ",只看两点——尾部取值的增长速度是否低于概率衰减速度,以及是否一致可积(考研不考这个名字,但考这个判断)。考场上遇到,一律回到定义算 EX_n ,不要想当然。
关联 · 盘点 §1.2 与数列极限的三条区别 | 上游 — | 下游 — | 速查 二 与数列极限的三条区别
题 3 · 1.3:四则运算与连续映射(★★☆)
设
X_n\overset{P}{\longrightarrow}2、Y_n\overset{P}{\longrightarrow}-1。写出下列各式依概率收敛的极限,并指出哪些需要额外条件才成立:(Ⅰ)
X_n+Y_n;(Ⅱ)X_nY_n;(Ⅲ)\dfrac{X_n}{Y_n};(Ⅳ)\sqrt{X_n};(Ⅴ)\ln X_n。
怎么想:四则运算直接套;连续映射要先看极限值是否落在函数的定义域内。本题 a=2 、b=-1 ,五个都合规,所以全部直接代入。
解:
| 小题 | 极限 | 依据 | 额外条件 |
|---|---|---|---|
| (Ⅰ) | 2+(-1)=1 |
加法 | 无 |
| (Ⅱ) | 2\times(-1)=-2 |
乘法 | 无 |
| (Ⅲ) | \dfrac{2}{-1}=-2 |
除法 | b\ne0 ,本题满足 |
| (Ⅳ) | \sqrt2 |
g(x)=\sqrt x 在 2 处连续 |
a>0 ,本题满足 |
| (Ⅴ) | \ln2 |
g(x)=\ln x 在 2 处连续 |
a>0 ,本题满足 |
(Ⅲ)(Ⅳ)(Ⅴ)的额外条件各自是什么:
- 若
b=0,\dfrac{X_n}{Y_n}可能根本没有极限(Y_n\to0时商可以发散); - 若
a<0,\sqrt{X_n}在实数范围内无意义(此时\sqrt{X_n}本身就没定义,谈不上收敛); - 若
a=0,\ln X_n\to-\infty,不是有限极限,因而不满足定义。
一个容易漏的细节:即使 P\{X_n>0\}=1 对所有 n 成立,也只能推出 \lim a\ge0 ,推不出 a>0 。例:X_n=1+\dfrac1n 恒大于 1 ,极限却是 1 ;X_n=\dfrac1n 恒大于 0 ,极限是 0 。严格不等式在取极限时会退化成非严格——这正是上面 \sqrt{\ } 、\ln 的条件必须写"a>0 "而不是"X_n>0 "的原因。
带走结论:先算极限值,再检查定义域。考场上写"由连续映射得 g(X_n)\to g(a) "之前,务必确认 a 在 g 的定义域内部(不是边界)。这一步不写,过程分就丢在这里。
关联 · 盘点 §1.3 常用推论 | 上游 — | 下游 — | 速查 三 四则运算与连续映射