今天贫道在泄题的时候忽然心血来潮，想把这篇名为三大考研大数定律的道诀摹写于此，以便后续观摹时能有个凭据，不会四处寻寻觅觅而不得要言。贫道也相信各位道友也能从中悟出一二道义。

算了我不装了我摊牌了我就是没记住，反正你也打不到我哈哈哈。

啊反正你就说既然你点进来了是不是对你有用吧。

概念

大数定律（Law of Large Numbers）是概率论中关于频率稳定性的一系列定理的总称。 用最通俗的话说就是：当试验次数足够多时，样本的平均值会趋近于总体的真实期望。 抛硬币抛得越多，正面朝上的比例就越接近 0.5，这就是大数定律在起作用。

考试中，大数定律常常以小题的形式出现，就是在考你判断题目条件符合哪一条定律，并求出收敛的值（通常是求期望）。

一、 切比雪夫大数定律（Chebyshev’s Law）

  • 前提条件：
    1. 随机变量序列$X_1, X_2, \dots, X_n$相互独立。
    2. 每个变量的方差存在，并且一致有界（即存在常数$C$，使得$D(X_i) \le C$）。 ⚠️ 注意：不要求同分布，只要求独立且方差有界。
  • 结论： 当$n \to \infty$时，样本均值$\bar{X} = \frac{1}{n}\sum_{i=1}^n X_i$依概率收敛于它们各自期望的平均值： $\frac{1}{n}\sum_{i=1}^n X_i \xrightarrow{P} \frac{1}{n}\sum_{i=1}^n E(X_i)$

  • 经典例题： 设$X_1, X_2, \dots$相互独立，$E(X_i)=2$，$D(X_i) \le 5$，则当$n \to \infty$时，$\frac{1}{n}\sum_{i=1}^n X_i$依概率收敛于______。

    解析：直接套用公式，收敛于期望的平均值，即$\frac{1}{n}\sum_{i=1}^n 2 = 2$。

二、 伯努利大数定律（Bernoulli’s Law）

  • 前提条件：
    1. 进行$n$重伯努利试验（每次试验只有两个结果：发生/不发生）。
    2. 事件$A$在每次试验中发生的概率为$p$。记$n_A$为$n$次试验中事件$A$发生的次数。
  • 🎯 结论： 当$n \to \infty$时，事件发生的频率依概率收敛于它的概率： $\frac{n_A}{n} \xrightarrow{P} p$
  • 📝 经典例题： 连续抛掷一枚质地均匀的硬币$n$次，记$n_H$为正面朝上的次数。当$n \to \infty$时，$\frac{n_H}{n}$依概率收敛于______。

    解析：这是典型的伯努利试验，正面朝上的概率$p = 0.5$，所以收敛于 0.5。

三、 辛钦大数定律（Khinchin’s Law）

  • 前提条件：
    1. 随机变量序列$X_1, X_2, \dots, X_n$独立同分布（i.i.d.）。
    2. 数学期望$E(X_i) = \mu$存在。 ⚠️ 注意：不要求方差存在！这是它比切比雪夫定律更强大的地方。
  • 结论： 当$n \to \infty$时，样本均值依概率收敛于总体期望： $\frac{1}{n}\sum_{i=1}^n X_i \xrightarrow{P} \mu$
  • 经典例题： 将一个骰子重复掷$n$次，每次掷出的点数依次为$X_1, \dots, X_n$。则当$n \to \infty$时，$\bar{X} = \frac{1}{n}\sum_{i=1}^n X_i$依概率收敛于______。

    解析：掷骰子是独立同分布的（满足辛钦条件），单次期望$E(X) = (1+2+3+4+5+6)/6 = 3.5$。所以直接秒出答案 3.5。

三大定律对比总结表

定律名称 核心条件 结论（依概率收敛） 核心考点
切比雪夫 独立，方差一致有界 样本均值收敛于期望均值 条件不同分布，但方差受限
伯努利 $n$重伯努利试验 频率收敛于概率$p$ 针对 0-1 离散型事件
辛钦 独立同分布，期望存在 样本均值收敛于$\mu$ 最常用，不需要方差存在

一般步骤&注意事项

  1. “依概率收敛”找期望：题目问“依概率收敛于”，99% 是让你求单次试验的数学期望（如果是独立同分布的情况）。千万不要傻傻地去算极限或方差。
  2. 看条件锁定定律：
    • 有“独立同分布”字眼，首选辛钦大数定律（最快）。
    • 有“频率”、“次数”、“比例” ，马上想伯努利大数定律。
    • 有“相互独立”但没提“同分布”，给了方差有界，用切比雪夫大数定律。
  3. 注意方差条件：只有辛钦定律不需要方差存在。如果题目连方差都没提，直接默认用辛钦定律。
  4. 与中心极限定理区分：
    • 大数定律谈的是期望（收敛值）。
    • 中心极限定理谈的是近似正态分布（需要求均值和方差，标准正态化）。

大数定律是概率论从“随机”走向“必然”的桥梁。掌握了这三张底牌，以后遇到任何依概率收敛的小题，我们就能在10秒内解决战斗。大题你还是得乖乖一步一步写步骤的。

说的不错，这篇文章我是AIGC的，所以会有那么多的emoji。因为手敲LaTeX公式太麻烦，太累人了。 体谅一下一个复习到卷不动想躺又躺不平的可怜普通学生吧嘤嘤嘤~