考研笔记

定理前提的辨析：哪一条不满足，结论就塌

🏠 第20章概念导航 · 极限定理题库

方法模板

一、列维—林德伯格定理的三个条件，缺一不可

①相互独立②同分布③

考选择题时，每一个条件都对应一个标准反例：

缺哪一条反例后果
③方差有限柯西分布（连期望都没有） 的分布与 无关，永不收敛
③方差非零（退化）分母为 0，式子没有意义
②同分布 之类参数随 变需另找定理（李雅普诺夫），列维—林德伯格失效
①独立和根本不集中，

二、“同分布”和”同期望同方差”是两回事

同分布同期望同方差但反过来不成立

反例俯拾皆是： 与 期望方差全同（都是 和 ），分布天差地别。

这是选择题最爱设的干扰项——因为中心极限定理的结论里只出现 和 ，很容易让人误以为条件里也只需要这两个数。

结论只用到 ，不代表条件只需要

这是本章最深的一个逻辑陷阱。 的右端确实只依赖两个数， 但推出这个结论的过程用到了特征函数的完全一致，即整个分布相同。 只保证前两阶矩相同，特征函数的高阶行为可以任意，极限分布就没保障。

三、“分布随 变”是隐蔽的致命伤

大数定律与中心极限定理的所有版本都假定：总体分布是固定的，只有样本量 在变。

一旦题目里的总体分布本身含 （密度里出现 、参数写成 的函数），

辛钦大数定律直接失效同分布指的是对所有且不随漂移

此时 的”极限”往往根本不是常数，而是随 发散。本节的拓展题就是专门考这一点的。

四、自检清单（做任何极限定理题前 10 秒）

  1. 独立吗？（题目说”相互独立”或”简单随机样本”才行）
  2. 同分布吗？（下标 有没有钻进分布里）
  3. 分布含不含 ？（含 就要小心）
  4. 被平均的是 还是 ？（极限是 ）
  5. 方差有限且非零吗？（柯西型分布出局）

必考

880 第二十章 基础选择 2

原题 设随机变量 相互独立，记 ，根据列维—林德伯格中心极限定理， 近似服从正态分布（ 充分大），则只要 （　）.

A. 服从同一离散型分布　　B. 服从同一连续型分布

C. 服从同一指数分布　　D. 具有相同的期望与方差

解析

题目已经给了”相互独立”，所以条件①满足；四个选项在比的是②同分布和③方差有限非零这两条。

逐项检查：

A. 服从同一离散型分布 —— 同分布 ✓，但方差未必有限 ✗。 反例：取 ，则 存在，而 ，方差不存在。这样的 独立同分布却不满足定理条件。

B. 服从同一连续型分布 —— 同分布 ✓，方差同样未必存在 ✗。 标准反例是柯西分布 ：期望都不存在，更谈不上方差。而且柯西的和有个惊人的性质—— 仍然服从同一个柯西分布，永远不会正态化。（上一章第五节与第十节两次遇到它。）

C. 服从同一指数分布 —— 同分布 ✓，且

有限

三个条件全部满足， 近似服从 。选 C。

D. 具有相同的期望与方差 —— 方差有限 ✓，但不能保证同分布 ✗。 这是最迷惑的选项：它把结论里出现的两个量（ 和 ）当成了条件的全部。见上面的模板 §二。

为什么答案偏偏是"指数分布"这种听起来很特殊的选项

A、B 太宽（宽到能装进无方差的分布），D 太窄（窄到不含分布信息）。 C 是唯一一个”既指定了同分布，又顺带保证了方差有限”的选项——因为指数分布是一个具体的分布族，它的矩全都存在。 选择题里出现”服从同一××分布”这种看似过强的条件，往往正是答案：它用具体性换来了条件的完备性。

"近似服从正态分布"这句话在 A、B 下不是"未必成立"而是"可能永假"

柯西情形下 永远不近似正态（不是 不够大的问题）。

独立同柯西仍是同一个柯西分布

平均了 次，分布一点没变——这是”重尾”最直观的画面，也是大数定律与中心极限定理都失效的样板。 见 大数定律的反例一节。

拓展

880 第二十章 基础解答 2

原题 设 为来自总体 的简单随机样本， 的概率密度为

（Ⅰ）利用切比雪夫不等式证明：；

（Ⅱ）求 ；

（Ⅲ）问是否存在正实数 ，对任意 ，都有 ？

解析

这道题把本章三件工具（切比雪夫不等式、中心极限定理、大数定律）各考一遍，而且后两问都是陷阱。全题的关键是先看清一件事：

密度里的与样本量是同一个总体分布随一起变

预备：认出 的分布并算出数字特征正是 的密度（形状参数 ，尺度 1）。先验证归一化： ✓。

若不认识 分布，直接积分也只有两行：

（用到 。）

另一个视角（第Ⅱ问会用到）： 就是 个独立 之和。所以

独立同

这也立刻给出 ，。

（Ⅰ）

关键是把待证区间配成以 为中心的对称区间。，而，于是

这一问的全部技巧就是"区间中心正好是 "

命题人把右端点定成 ，就是为了让 ，从而

分子分母各差一个 ，答案自然漂亮。看到 这种右端点，直接往对称区间上配。

（Ⅱ） 答案是 ，不是 。

第一步： 的期望与方差。

（与题目分子上的常数一致） 标准差

第二步：对比题目给的分母。

题目的分母比真正的标准差大了倍

第三步：先确认标准化后的量确实趋于 。

这里有个技术障碍： 的分布随 变，不能直接引用列维—林德伯格定理。但用 的分解就能绕过去： 是 个独立同分布 之和，记 ，由中心极限定理

第四步：算极限。

（ 依分布收敛到连续的 ，收敛是一致的，而门槛 。）

分母写错一个 ，答案从 变成

若分母是 （正确的标准差），答案是 。 题面给的是 ，多出一个 ，把整个式子压成了 （依概率收敛于 0），于是""这个条件最终必然成立，概率趋于 1。

而

动手前先把分母和 摆在一起比一比——这是本题设计的核心动作，也是全章”标准化”训练的终极检验。

一个不需要中心极限定理的快解

只用切比雪夫就能定这道题：记 ，则

由切比雪夫不等式 ，故 。 两行结束，连正态都不用提。 这也再次说明""才是标准化的判据：本题 ，一眼就知道没标准化好。

（Ⅲ） 答案：不存在这样的正实数 。

先看信号：期望本身就跑了。

极限若存在且等于常数 ，这个量不该无限增大。但”期望发散”本身还不足以否定依概率收敛（分布的尾巴也可能只是变重），需要补一个真正的论证。

严格论证（柯西—施瓦茨 切比雪夫，两步）。

记 ，。

第一步： 也在往无穷跑。

取 ，由切比雪夫不等式

故 。当 时 ，于是，第二步：由柯西—施瓦茨把 抬上去。

（即”平方的平均 平均的平方”，本质是 ）。所以

结论。 对任意固定的正实数 与 ，当 大到 时，

故不存在满足条件的 。

这一问的陷阱：辛钦大数定律的"同分布"包含"不随 漂移"

惯性思维是直接写”由辛钦大数定律，，故 ”。 这个答案自带矛盾： 里含着 ，而 正是要趋于无穷的那个变量。

依概率收敛的极限必须是常数式子里出现就说明前提出了问题

根源在于本题的总体分布随 变（密度 里的 就是样本量）。 大数定律的”独立同分布”指的是：有一个固定的总体，从它里面抽越来越多的样本。这里没有固定总体，定理无从谈起。

三问的设计是一条递进的线

问工具分布随 变有没有影响
Ⅰ切比雪夫不等式没有——它对单个随机变量成立， 只是参数
Ⅱ中心极限定理有——不能直接引用，要靠 的分解绕过去
Ⅲ大数定律致命——前提直接崩塌，结论不存在

越靠”极限”的工具，对”分布固定”的依赖越强。 这句话是整道题、也是整章的中心思想。

如果把密度里的 换成一个与样本量无关的常数

设 （ 固定），样本量仍是 ，则三问的答案分别变成： （Ⅰ）；（Ⅱ）（此时正确标准差是 ，与题目分母的关系另算）； （Ⅲ）存在，。 一个字母的差别，把”存在”变成了”不存在”。 做题时务必分清哪些字母随 动。

链接

反向链接