大数定律说明样本平均稳定到总体均值,中心极限定理说明标准化后的波动形状趋于正态。二者回答的问题不同,不能互相替代。
学完这一课,你应该能…
区分依概率收敛与分布收敛
核对条件后使用大数定律
对和与样本均值进行标准化并使用正态近似
从目录选择要读的部分,或点“下一节”依次学习。长内容可用“下一屏”继续读。
先建立直觉,再看细节
一次观测可能偏得很远,多次独立观测的平均通常更稳定。大数定律描述平均会靠近什么;中心极限定理进一步描述平均在中心附近怎样波动。后一问需要把偏差除以合适的波动尺度,才能使用正态分布。
先把这些词说清楚
独立同分布样本
独立表示一次观测的信息不改变其他观测的分布;同分布表示每次都遵循同一个概率规律。常见的入门版大数定律和中心极限定理以这样的样本为对象。
样本均值与标准差
Xˉ=(X1+⋯+Xn)/n 是 n 次观测的平均。若各次方差为 σ2 且独立,均值的方差为 σ2/n,标准差为 σ/n。
本课的核心概念
大数定律回答稳定到哪里
对独立同分布且 E∣X1∣<∞ 的样本(绝对值的加权平均有限),Xˉ 依概率趋于总体均值 μ。意思是对任何固定误差容限 ε>0,P(∣Xˉ−μ∣>ε)→0,不是说有限次平均必然等于 μ。
中心极限定理回答波动形状
独立同分布且 0<σ2<∞ 时,Zn=(Xˉ−μ)/(σ/n) 的分布随 n 增大趋近标准正态。标准化要减去中心再除以标准差,而不是除以方差。
正态近似的边界
n 较大时常用 Zn≈N(0,1) 计算概率,但没有对所有总体都保证准确的固定样本量。严重偏斜或极端值较多的总体可能需要更多样本;总体正态时,均值的正态分布则是精确的。
把平均误差转为标准正态区间
有 100 次独立同分布观测,每次均值为 10、方差为 4。在正态近似适用时,估计 P(9.6≤Xˉ≤10.4)。
列出中心、总体波动与样本量
μ=10、σ=4=2、n=100。先把方差开平方,避免把 4 当成标准差使用。
求平均值自身的波动尺度
Xˉ 的标准差为 σ/n=2/10=0.2。取平均降低了波动,所以不能仍用单次观测的标准差 2。
把区间两端同时标准化
下端变为 (9.6−10)/0.2=−2,上端变为 (10.4−10)/0.2=2。因此原事件等价于 −2≤Zn≤2。
用标准正态累计概率作近似
设 Φ(z)=P(Z≤z),其中 Z∼N(0,1)。所求概率近似为 Φ(2)−Φ(−2)=2Φ(2)−1≈0.9545,最后一步用了正态分布的对称性。
在给定正态近似适用的前提下,概率约为 0.9545,即 95.45%。
算完怎样检查
区间半宽 0.4 正好是均值标准差 0.2 的两倍,所以对应标准正态的两个标准差范围。仅凭均值、方差和 n=100 不能声称该数值对所有总体都精确。
新手最容易卡住的地方
- 标准化平均值时除以单次观测的标准差。
平均值用 σ/n;总和用 σn。先写清随机对象是单次值、平均还是总和。
- 把大数定律理解成样本越多,每一步误差都必然变小。
它是概率上的稳定性结论,单次实现中的误差仍可能暂时增大,也不保证有限样本平均恰好等于总体均值。
换个条件,你会做吗?
若样本量改为 400,均值标准差是多少?同样约 95.45% 的正态中心区间是多少?
想好后,展开答案与解释
均值标准差变为 2/400=0.1,两个标准差的区间为 [9.8,10.2]。样本量增加四倍,区间半宽缩小一半。
01直觉与对象
样本量增大时平均值的随机波动尺度约为 1/n。中心极限定理保留这个波动并放大到稳定尺度,因此标准化分母是 σn 或 σ/n。
02解题主线
先确认独立同分布或题目给出的定理条件;写出和的均值 nμ 与方差 nσ2,再标准化。二项分布近似时根据题意考虑连续性校正。
03公式、条件与边界
辛钦大数定律:
Xˉn→μ(依概率)适用条件:Xiiid 且 E∣Xi∣<∞。
边界检查:结论不是几乎处处收敛的无条件声明。
Lindeberg-Levy CLT:
(∑Xi−nμ)/(σn)⟹N(0,1)适用条件:Xiiid,EXi=μ,0<σ2<∞。
边界检查:标准化分母是 σn,不能误写为 nσ。
样本均值近似:
Xˉ≈N(μ,σ2/n)适用条件:大样本且满足 CLT 条件。
边界检查:总体正态时该分布对任意 n 精确成立。
04易错边界
中心极限定理给的是极限近似而非有限样本精确分布;总体方差不存在时经典 iid CLT 不可直接使用;大数定律不说明误差的正态形状。
05本章掌握标准
- 区分依概率收敛与分布收敛
- 核对条件后使用大数定律
- 对和与样本均值进行标准化并使用正态近似
06660 原题:从条件到完整解法
660-469:先判断解题入口
将互不重叠的样本配对成新的随机变量,证明独立同分布并求均值、方差,再标准化应用中心极限定理。这是样本量大时的近似,单个差值本身不必服从正态分布。
469 设随机变量 X1,X2,⋯,X2n,⋯ 独立均服从指数分布 E(λ),记 Zi=X2i−X2i−1,i=1,2,3,⋯,则 ∑i=1nZi 近似服从正态分布 N(,)。
逐步推导与自检
以下解析依据原题独立推导。
由指数分布 E(λ) 的均值与方差公式,
E(Xi)=λ1,Var(Xi)=λ21.各 Zi 分别由互不重叠的独立随机变量对 (X2i−1,X2i) 构成,因此 Z1,Z2,⋯ 独立同分布,且
E(Zi)=E(X2i)−E(X2i−1)=0, Var(Zi)=Var(X2i)+Var(X2i−1)=λ22.由独立同分布随机变量的中心极限定理,
2n/λ∑i=1nZidN(0,1),n→∞.故当 n 充分大时,∑i=1nZi 近似服从
N(0,λ22n).其中均值为 0、方差为 2n/λ2,也与该和的精确均值、方差一致。
两空依次填 0、λ22n。
07660 同章训练与原件核对
先独立作答,再检查解析中的条件使用、关键推导和边界情况。本章 6 道题的题面与解析完整。
- 660-468 · 填空·大数定律与中心极限定理 · 第 468 题 · 原件
- 660-469 · 填空·大数定律与中心极限定理 · 第 469 题 · 原件
- 660-551 · 选择·大数定律与中心极限定理 · 第 551 题 · 原件
- 660-552 · 选择·大数定律与中心极限定理 · 第 552 题 · 原件
- 660-553 · 选择·大数定律与中心极限定理 · 第 553 题 · 原件
- 660-554 · 选择·大数定律与中心极限定理 · 第 554 题 · 原件
原件疑点已说明
以下 1 道题保留原题和具体论证缺口,暂不进入完整练习队列。
合上讲义,检验理解
先独立口述或在草稿纸上推导,再标记本次能做到的目标。
本次自测 0 / 3 项 · 离开本课后重置
来源与相邻课程
讲义来源与依据
- original:math1-lesson-notes-v1
- curriculum:kaoyan-math1
- math/【A4版】2026考研660习题册数一线代概率做题本.pdf
复习工作台