Files
MathNotesVersion2/基于考研的学习/数学一/知识点构建/26-专背清单-概率论-第5讲-极限定理.md
T
Yimu 26e91c4c68 知识点构建 02—27 批量修公式渲染(约 2500 处)
起因:01 重排时核验发现线上残留 $ 243 个,追查后确认 10-27/11-17 写的这批文件
都有同样问题——收尾 $ 后面紧跟中文标点,Gitea 整对不渲染,正文里直接露出
$\lim_{x\to0}...$ 源码,所以整页看着糊成一团。

- 02—20(背诵版)共插入 2550 处空格,逐文件二次运行均插入 0(幂等)
- 21—27(专背清单)另修 24 处「加粗以公式收尾」:公式被移出加粗范围
  (`**…$f$ **` → `**…** $f$ `),否则补的空格落在 `**` 内侧,星号会原样露出
- 09/11 等 4 处一个加粗里连着两个公式,迭代剥两次才对
- 01 已在上一提交(da4c938)单独处理,网页残留 0

全部经 fix_text 幂等核验;链接 28 文件 0 异常。
2026-11-22 23:00:17 +08:00

128 lines
7.0 KiB
Markdown
Raw 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, 知识点构建, 专背清单, 概率论, 大数定律, 中心极限定理]
专题: 概率论 · 第5讲 极限定理 · 专背清单
日期: 2026-11-17
状态: 25 条(式 9 / 表 3 / 判 6 / 模 2 / 反 5)
来源: 知识点构建 19 背诵版;在学练习第5讲上/下;真题库 chapter 19—20
关联笔记: ["[[21-专背清单-概率论-00-总纲与跨讲对照]]", "[[19-背诵版-概率论-第5讲-大数定律与中心极限定理]]"]
---
# 第 5 讲 极限定理 · 专背清单
> 25 条,是六册里最短的一册。**本讲只考"条件",不考计算**。所以背诵重心是一张表(三定律的条件差别)和一条顺序(标准化四步)。
## 一、依概率收敛(5 条)
**L5-01** `式` 定义:$X_n\xrightarrow{P}X$ 指 $\forall\varepsilon>0$ ,有 $\lim_{n\to\infty}P\{\lvert X_n-X\rvert\ge\varepsilon\}=0$ 。
 └ **$\varepsilon$ 任意、极限为零**,两个条件缺一不可。
**L5-02** `判` 验证依概率收敛的唯一动作:写出 $P\{\lvert X_n-X\rvert\ge\varepsilon\}$ 并证明它趋于 0。
 └ **不能**用"$EX_n\to EX$ "或"$DX_n\to0$ "来代替(后者只在大数定律的特定条件下够用)。
**L5-03** `式` 三条运算性质:若 $X_n\xrightarrow{P}a$ 、$Y_n\xrightarrow{P}b$ ($a,b$ 为常数),则
$$X_n\pm Y_n\xrightarrow{P}a\pm b,\qquad X_nY_n\xrightarrow{P}ab,\qquad \frac{X_n}{Y_n}\xrightarrow{P}\frac ab\ (b\ne0).$$
**L5-04** `反` 依概率收敛 **不推出** 期望收敛。
 └ 反例:$X_n$ 以概率 $\frac1n$ 取 $n$ ,以 $1-\frac1n$ 取 0。$X_n\xrightarrow{P}0$ 但 $EX_n=1\ne0$ 。
**L5-05** `判` 与数列极限的区别:数列极限要求"$n$ 足够大后**必然**接近",依概率收敛只要求"**大概率**接近"。
 └ 所以随机变量序列可以"偶尔跳出去一次",只要越跳越少。
## 二、切比雪夫与马尔可夫(4 条)
**L5-06** `式` 切比雪夫不等式:$EX=\mu$ 、$DX=\sigma^2$ 存在时,$\forall\varepsilon>0$ ,
$$P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\frac{\sigma^2}{\varepsilon^2}.$$
**L5-07** `式` 四种变形(背能对应场景的那一个):
| 场景 | 结论 |
|---|---|
| 取 $\varepsilon=k\sigma$ | $P\{\lvert X-\mu\rvert\ge k\sigma\}\le\dfrac{1}{k^2}$ |
| 样本均值 | $P\{\lvert\overline X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{n\varepsilon^2}$ |
| 二项频率 | $P\left\{\left\lvert\dfrac Xn-p\right\rvert\ge\varepsilon\right\}\le\dfrac{p(1-p)}{n\varepsilon^2}$ |
| 线性组合 | 先算 $EZ$ 、$DZ$ 再代 |
**L5-08** `坑` "至少"要下界 $1-\frac{\sigma^2}{\varepsilon^2}$ ,"至多"要上界 $\frac{\sigma^2}{\varepsilon^2}$ 。**方向反了整题反**。
**L5-09** `坑` $\frac1n\sum Y_i$ 的方差是 $\frac{1}{n^2}\sum DY_i$ ,**漏掉 $n^2$ 必错**。
## 三、三条大数定律(7 条)
**L5-10** `表` 三定律条件对照(**本册最该背的一张**):
| 定律 | 独立性 | 同分布 | 期望 | 方差 |
|---|---|---|---|---|
| **切比雪夫** | 相互独立或两两不相关 | **不要求** | 存在 | 存在且**一致有界** |
| **伯努利** | 伯努利试验(自然独立) | 是(0-1 分布) | 存在 | 存在 |
| **辛钦** | 相互独立 | **要求同分布** | **存在** | **不要求** |
 └ 一句话对立:**切比雪夫看方差,辛钦看分布**。
**L5-11** `式` 切比雪夫大数定律:$\dfrac1n\sum X_i-\dfrac1n\sum EX_i\xrightarrow{P}0$ 。
 └ 证明只用 $\frac{1}{n^2}\sum DX_i\le\frac Cn\to0$ 加切比雪夫不等式。
**L5-12** `式` 伯努利大数定律:$\dfrac{\mu_n}{n}\xrightarrow{P}p$ ,$\mu_n$ 为 $n$ 次试验的成功次数。
 └ 这就是"**频率稳定于概率**"的严格表述。
**L5-13** `式` 辛钦大数定律:$X_i$ 独立同分布、$EX_i=\mu$ 存在,则 $\dfrac1n\sum X_i\xrightarrow{P}\mu$ 。
**L5-14** `反` 辛钦大数定律 **不能用切比雪夫不等式证明**(它不要求方差)。
 └ 所以它的证明在考纲之外。这一点本身就是考点——"下列哪个可用切比雪夫证明"。
**L5-15** `反` "期望相同"**不保证同分布**。
 └ 这是辛钦辨析题的第一号错项。同分布是更强的要求。
**L5-16** `反` "服从同一**类型**的分布"(如都是正态但参数不同)**不保证方差一致有界**。
 └ 所以不满足切比雪夫的条件。这是第二号错项。
## 四、中心极限定理(5 条)
**L5-17** `表` 两条定理:
| 定理 | 条件 | 结论 |
|---|---|---|
| **列维–林德伯格** | 独立同分布,$EX=\mu$ ,$DX=\sigma^2\in(0,\infty)$ | $\dfrac{\sum X_i-n\mu}{\sqrt n\,\sigma}\approx N(0,1)$ |
| **棣莫弗–拉普拉斯** | $Y_n\sim B(n,p)$ | $\dfrac{Y_n-np}{\sqrt{np(1-p)}}\approx N(0,1)$ |
 └ 后者是前者在 0-1 分布上的特例,但**单独考的频率很高**。
**L5-18** `判` 分工:**大数定律说"均值趋于常数",中心极限定理说"围绕常数的波动趋于正态"**。
**L5-19** `模` 标准化四步:① 定 $T=\sum X_i$ ;② 算 $ET=n\mu$ 、$DT=n\sigma^2$ ;③ $\dfrac{T-ET}{\sqrt{DT}}\approx N(0,1)$ 并把不等式两边同步变换;④ 查 $\Phi$ 。
 └ 第③步是唯一的技术活:**两边同减 $ET$ 、同除** $\sqrt{DT}$ ,不等号方向不变。
**L5-20** `坑` 标准差是 $\sqrt n\,\sigma$ ,**不是** $n\sigma$ 。
 └ $D(\sum X_i)=n\sigma^2$ 是对的,但公式里用的是**标准差**。这是本讲第一号失分点。
**L5-21** `坑` **连续性修正($\pm\frac12$ )考研不需要**,加了反而算错。
 └ 直接按 $N(np,np(1-p))$ 算,不要自作聪明。
## 五、三近似与查表(4 条)
**L5-22** `表` 二项的两种近似(**看 $p$ 选**):
| 近似 | 条件 | 结果 |
|---|---|---|
| 正态(棣莫弗–拉普拉斯) | $n$ 大、$p$ 不极端($np\ge5$ 、$n(1-p)\ge5$ ) | $Y_n\approx N(np,np(1-p))$ |
| 泊松 | $n$ 大、$p$ 很小、$\lambda=np$ 适中 | $Y_n\approx P(\lambda)$ |
 └ 口诀:**$p$ 不极端走正态,$p$ 很小走泊松**。$\lambda$ 取 $np$ ,不是 $n$ 也不是 $p$ 。
**L5-23** `式` 两个常用模板:$P\{T\le1\}\approx\mathrm e^{-\lambda}(1+\lambda)$ (泊松);$P\left\{\sum X_i\le c\right\}\approx\Phi\!\left(\dfrac{c-n\mu}{\sqrt n\sigma}\right)$ 。
**L5-24** `式` $\Phi$ 两恒等式:$P\{Z>z\}=1-\Phi(z)$ ;$P\{\lvert Z\rvert\le z\}=2\Phi(z)-1$ 。
 └ 与第 2 讲 L2-24 是同一组,本讲只是换个场合用。
**L5-25** `判` 何时用不等式(切比雪夫)而非正态近似:题目**只给 $EX,DX$ 不给分布**,或者要求"对任意分布都成立"。
 └ 给了具体分布(二项、独立同分布)才走 CLT。切比雪夫的界比 CLT 松得多,但**不需要分布信息**。
## 十秒自检
1. 三定律的条件差别,一句话说出来(切比雪夫看方差,辛钦看分布)。
2. 切比雪夫与辛钦分别"要不要"方差?伯努利定律说的是什么事?
3. 标准化四步,第几步最容易错,为什么是 $\sqrt n\sigma$ 。
4. $n$ 大 $p$ 小用哪个近似,$\lambda$ 等于什么。
5. 依概率收敛为什么不推期望收敛。
五条全过,本讲过关。