Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/概率论-第5讲上-大数定律/02-点1-依概率收敛.md
T
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

163 lines
10 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, 在学练习, 概率论, 大数定律, 依概率收敛]
专题: 概率论 第5讲上 · 点1 依概率收敛
日期: 2026-11-07
状态: 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)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/4-law-of-large-numbers-and-central-limit-theorem/law-of-large-numbers-and-central-limit-theorem.tex))
$$X_n\overset{P}{\longrightarrow}X\quad\iff\quad\forall\varepsilon>0,\ \lim_{n\to\infty}P\left\{\lvert X_n-X\rvert\ge\varepsilon\right\}=0 .$$
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)**:
1. 先固定一个 $\varepsilon$ ——"允许的偏差";
2. 再看"实际偏差**超过** $\varepsilon$ "这件坏事的概率;
3. 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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/4-law-of-large-numbers-and-central-limit-theorem/law-of-large-numbers-and-central-limit-theorem.tex))
| 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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/4-law-of-large-numbers-and-central-limit-theorem/law-of-large-numbers-and-central-limit-theorem.tex))
**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](01-知识点盘点.md#user-content-11-定义) | 上游 — | 下游 — | 速查 [一 依概率收敛的定义](05-速查卡.md#user-content-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](01-知识点盘点.md#user-content-12-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](05-速查卡.md#user-content-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](01-知识点盘点.md#user-content-13-常用推论) | 上游 — | 下游 — | 速查 [三 四则运算与连续映射](05-速查卡.md#user-content-三-四则运算与连续映射)
---