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。
9.3 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讲下 · 点1 列维-林德伯格定理 | 2026-11-07 | 知识点带题(1.1 定理、1.2 标准化四步、1.3 反解 n,共 3 题) |
|
点 1 列维-林德伯格定理
2020·8 单选 4 分,而且是所有大题最后一问的通用工具|重要度 ★★★ 依赖:第 4 讲的
EX、DX、D\bar X,以及上册的依概率收敛。盘点对应:§1 全节。
组织原则:这一点只有一个动作——标准化。三题分别对应"顺着算(给 n 求概率)"、"两个方向都算(双侧与单侧)"、"倒着算(给概率求 n )"。把第 2 题的四个步骤练成肌肉记忆,第 1、3 题就都是它的变形。 难度标准:★☆☆ 一题、★★☆ 一题、★★★ 一题。
知识点 1.1 定理(出处:知识章 §3.1)
设 X_1,X_2,\cdots 独立同分布,EX_i=\mu 、DX_i=\sigma^2\in(0,+\infty) ,则
\lim_{n\to\infty}P\left\{\frac{\sum_{i=1}^{n}X_i-n\mu}{\sqrt n\,\sigma}\le x\right\}=\Phi(x).
三种等价写法(考场上挑顺手的用):
\frac{\bar X-\mu}{\sigma/\sqrt n}\ \dot\sim\ N(0,1);\qquad \sum_{i=1}^{n}X_i\ \dot\sim\ N\left(n\mu,\ n\sigma^2\right);\qquad \bar X\ \dot\sim\ N\left(\mu,\ \frac{\sigma^2}{n}\right).
三个高频错点:
- 分子里减的是期望(
n\mu或\mu),不是0; - 分母是标准差
\sqrt n\,\sigma,不是方差n\sigma^2; - 结论是近似,写"
="严格来说算错,写"\approx"或"\dot\sim"。
知识点 1.2 标准化四步模板(出处:知识章 §3.1)
① 写出单个变量的 μ 与 σ²(不是和的)
② EΣ = nμ,DΣ = nσ²,σ_Σ = √n·σ
③ 标准化 z = (端点 − nμ) / (√n·σ)
④ 查 Φ:≤ 用 Φ;≥ 用 1−Φ;对称区间用 2Φ−1
| 问法 | 近似式 |
|---|---|
P\left\{\sum\le a\right\} |
\Phi\left(\dfrac{a-n\mu}{\sqrt n\sigma}\right) |
P\left\{\sum\ge a\right\} |
1-\Phi\left(\dfrac{a-n\mu}{\sqrt n\sigma}\right) |
P\left\{\left\lvert\sum-n\mu\right\rvert\le\varepsilon\right\} |
2\Phi\left(\dfrac{\varepsilon}{\sqrt n\sigma}\right)-1 |
P\left\{\bar X\le a\right\} |
\Phi\left(\dfrac{a-\mu}{\sigma/\sqrt n}\right) |
必背分位数:\Phi(1)=0.8413 、\Phi(1.645)=0.95 、\Phi(1.96)=0.975 、\Phi(2)=0.9772 、\Phi(3)=0.9987 。
知识点 1.3 反解样本量(出处:知识章 §3.1)
三步:化成 \Phi(z)\ge\alpha → 把 \Phi(z) 换成 \alpha 对应的分位数 → 解出 n 并向上取整。
开根号的那一步最易错:
z里含\sqrt n,解方程时会得到一个关于\sqrt n的二次不等式。先把t=\sqrt n换元,解出t再平方,比直接硬解稳。解完必须回验
n-1才作数 :问的是"至少",差一就是错。
题目(按知识点顺序对应)
题 1 · 1.1:和的正态近似(★☆☆)
设
X_1,X_2,\cdots,X_{900}独立同分布,P\{X_i=0\}=P\{X_i=1\}=\dfrac12。用中心极限定理求P\left\{\sum\limits_{i=1}^{900}X_i\le465\right\}的近似值(用\Phi表示)。
怎么想:0 -1 变量的和就是二项分布,但本题给的是"独立同分布",所以直接按列维-林德伯格走四步即可。尤其注意方差取 \frac14 而不是 \frac12 这一点。
解:
单个变量:\mu=EX_i=\dfrac12 ,DX_i=\dfrac12\cdot\dfrac12=\dfrac14 。
和:n=900 ,
E\sum=900\times\frac12=450,\qquad D\sum=900\times\frac14=225,\qquad \sigma_{\sum}=\sqrt{225}=15 .
标准化(端点 465 ):
z=\frac{465-450}{15}=1 .
故
P\left\{\sum_{i=1}^{900}X_i\le465\right\}\approx\Phi(1)=0.8413 .
验算:用二项写法核对——\sum\sim B(900,0.5) ,np=450 、np(1-p)=225 ,与上面一致 ✓。再核 \sigma :\sqrt{225}=15 ,而 \frac{465-450}{15}=1 ,正好一个标准差,覆盖率约 0.841 ,合理。
带走结论:0 -1 变量两条路都通——写二项用棣莫弗-拉普拉斯,或用列维-林德伯格。两条路的 \mu 与 \sigma^2 必须一致(p 与 p(1-p) ),只要这里对得上,后面就不会错。
关联 · 盘点 §1.1 定理(独立同分布版) | 上游 — | 下游 — | 速查 一 列维-林德伯格定理
题 2 · 1.2:四个步骤与两个方向(★★☆)
设
X_1,X_2,\cdots,X_{48}独立同分布,均服从U(0,1)。(Ⅰ)求
E\left(\sum X_i\right)、D\left(\sum X_i\right)与\sigma_{\sum}; (Ⅱ)用中心极限定理求P\left\{22<\sum\limits_{i=1}^{48}X_i<26\right\}的近似值; (Ⅲ)求P\left\{\sum\limits_{i=1}^{48}X_i>27\right\}的近似值。
怎么想:U(0,1) 的 \mu=\frac12 、\sigma^2=\frac{1}{12} ,两问都是"端点减均值除以标准差",区别只在于(Ⅲ)是单侧,要用 1-\Phi 。
解:
(Ⅰ) 单个变量 \mu=\dfrac12 、\sigma^2=\dfrac{1}{12} 。n=48 :
E\sum=48\times\frac12=24,\qquad D\sum=48\times\frac{1}{12}=4,\qquad \sigma_{\sum}=2 .
(Ⅱ) 两端标准化:
z_1=\frac{22-24}{2}=-1,\qquad z_2=\frac{26-24}{2}=1 .
P\left\{22<\sum<26\right\}\approx\Phi(1)-\Phi(-1)=2\Phi(1)-1=2(0.8413)-1=0.6826 .
(Ⅲ) 单侧,注意用 1-\Phi :
z=\frac{27-24}{2}=1.5,
P\left\{\sum>27\right\}\approx1-\Phi(1.5)=1-0.9332=0.0668 .
验算:(Ⅱ)得到的 0.6826 正好是"一个标准差区间"的覆盖率,与正态的 68.3\% 对上;(Ⅲ)的 6.68\% 约等于单侧 1.5 个标准差的尾部,与 \Phi(1.5)=0.9332 互补 ✓。
一个容易漏的细节:\sum X_i 的支撑是 (0,48) ,本题的三个端点(22 、26 、27 )都离边界很远,近似才可靠。若问 P\{\sum<1\} 或 P\{\sum>47\} ,CLT 会给出严重错误的结果——那里是分布尾部,正态近似不适用(这时应该回到 U(0,1) 求和的精确公式)。
带走结论:单侧一律 1-\Phi 、双侧一律 2\Phi-1 这两条 ,且双侧要用"对称性"把两个 \Phi 合成一个。另外近似只在"中间段"可靠,题干给的端点若是极端值,就要怀疑出题人想考的是精确算法。
关联 · 盘点 §1.2 标准化四步模板(考场流程) | 上游 — | 下游 — | 速查 二 标准化四步
题 3 · 1.3:反解样本量(★★★)
某型号零件的寿命
X_i独立同分布,平均寿命100小时、标准差10小时。求最小的n,使P\left\{\sum_{i=1}^{n}X_i\ge10000\right\}\ge0.95 .(已知
\Phi(1.645)=0.95)
怎么想:这是"倒着算"。先把概率写成 \Phi(z) 的形状,再把 \Phi(z)\ge0.95 换成 z\ge1.645 ,最后解关于 \sqrt n 的二次不等式。注意不等号方向:\sum 越大越容易超过 10000 ,所以 n 增大时概率上升。
解:
n 个零件的总寿命:E\sum=100n ,D\sum=100n ,\sigma_{\sum}=10\sqrt n 。
先写成标准形状:
P\left\{\sum_{i=1}^{n}X_i\ge10000\right\}=1-\Phi\left(\frac{10000-100n}{10\sqrt n}\right)=\Phi\left(\frac{100n-10000}{10\sqrt n}\right).
(最后一步用了 \Phi(-x)=1-\Phi(x) ,这一步是本类题的关键:把"\ge "翻成"\le "才能直接用 \Phi 。)
要求它 \ge0.95 ,等价于
\frac{100n-10000}{10\sqrt n}\ge1.645\quad\Longrightarrow\quad\frac{10(n-100)}{\sqrt n}\ge1.645 .
令 t=\sqrt n>0 ,得二次不等式
10t^2-1.645t-1000\ge0,
解得
t\ge\frac{1.645+\sqrt{1.645^2+40000}}{20}=\frac{1.645+\sqrt{40002.71}}{20}=\frac{1.645+200.007}{20}=10.083 .
故 n\ge t^2=101.66 ,取整数
n=102 .
回验:
n=102:z=\dfrac{100\times102-10000}{10\sqrt{102}}=\dfrac{200}{100.995}=1.980,\Phi(1.980)=0.976\ge0.95✓;n=101:z=\dfrac{100}{100.499}=0.995,\Phi(0.995)=0.840<0.95✗。
所以 n=102 确实是最小值。
带走结论:三个动作一个都不能少——翻方向(1-\Phi 变 \Phi )、换元 t=\sqrt n 、回验 n-1 。另外注意在 n=100 附近 z 几乎是线性增长的(每多一件零件,z 约涨 1 ),所以差一件就差出 0.14 的概率,边界必须一次算准。
关联 · 盘点 §1.3 反解样本量 | 上游 — | 下游 — | 速查 三 反解样本量