大学概率论与数理统计《大数定律与中心极限定理》案例教学课件

大数定律与中心极限定理概率论与数理统计·案例教学案例教学2026年课程导览01从直觉到定律频率稳定性与随机现象的规律02大数定律家族三大经典大数定律的剖析03中心极限定理正态分布的普适性来源04案例验证工坊模拟实验与实例检验05应用与拓展抽样调查与统计推断的基石从直觉到定律偶然之中藏着必然从抛硬币到保险精算，规律如何显现01随机中的必然规律单次无法预知，大量重复却显现规律随机现象看似无序，大量重复之下规律自然浮现两个基本概念随机现象：条件相同，单次试验结果无法确定随机试验：可在相同条件下重复进行，全部可能结果已知抛硬币示例单次正面还是反面无从预判重复次数不断增多正面所占比例逐渐趋近

0.5，逼近理论概率频率为何会稳定频率的稳定值是概率的客观依据1频率定义n次试验中事件发生m次，其频率为

m与n之比。2稳定性试验次数增大，频率围绕某个常数波动，且波动幅度逐渐减小。3概率频率稳定所趋近的那个常数，就是该事件的概率。4二者关系频率是概率的近似，概率是频率的稳定值。从频率稳定到均值稳定规律从事件推广到一般随机变量规律从事件推广到一般随机变量样本均值随样本量增大趋于总体期望——这正是

大数定律

所揭示的核心结论。—大数定律1事件是否发生，可用取值为

0

或

1

的变量刻画2频率的稳定，本质就是这类变量均值的稳定3将这一思想推广到一般的随机变量4样本均值随样本量增大趋于总体期望5这正是

大数定律

所揭示的核心结论直觉背后的数学追问稳定性需要严格的数学刻画直觉背后，是四重数学追问四重追问频率趋于稳定，其中的

"趋于"

该如何精确定义这种收敛是何种意义下的

收敛规律成立需要满足哪些

前提条件收敛的

快慢

能否加以估计以上问题由

大数定律与中心极限定理

给出回答大数定律家族样本越多，均值越稳切比雪夫、伯努利、辛钦三大定律02大数定律的共同思想大量随机变量的平均值趋于其期望大数定律揭示：样本均值稳定于总体期望，样本越多，估计越可靠核心命题与直观理解核心命题独立重复试验中，样本均值稳定于总体期望直观理解样本越多，用均值去估计期望就越可靠强弱大数定律弱大数定律样本均值依概率收敛强大数定律样本均值几乎处处收敛切比雪夫不等式偏离期望越远，概率越小切比雪夫不等式：偏离期望越远，概率越小，概率被方差牢牢约束上界定义设随机变量X的期望为

E(X)，方差为

D(X)对任意正数

ε，X偏离其期望达到ε以上的概率不超过方差

D(X)

与ε平方之比结论与意义给出了偏离期望概率的一个

上界它是证明大数定律的

关键工具上界关键工具切比雪夫大数定律条件宽松的均值稳定结论切比雪夫大数定律：条件宽松的均值稳定结论条件不相关随机变量序列两两不相关有界各随机变量的方差一致有界结论与地位结论样本均值依概率收敛于期望的平均值特点不要求同分布，条件较为宽松地位它给出大数定律的一般形式伯努利大数定律频率稳定性的严格表述在

n重伯努利试验

的框架下，考察事件发生频率的稳定性。“频率依概率收敛于概率，是频率派概率观的基石。”背景n重伯努利试验，每次事件发生概率为

p。结论事件发生的频率依概率收敛于概率

p。特点直接刻画频率对概率的稳定。意义为概率的频率定义提供理论依据是频率派概率观的基石辛钦大数定律不要求方差的常用形式辛钦大数定律是不要求方差存在的大数定律常用形式条件与结论条件随机变量序列独立同分布条件仅要求期望存在结论样本均值依概率收敛于总体期望特点与应用2项条件更为宽松不要求方差存在，适用面更广最常使用的形式实际中最常使用的大数定律形式三大定律对比定律条件结论切比雪夫两两不相关、方差一致有界均值收敛于期望均值伯努利n重伯努利试验频率收敛于概率辛钦独立同分布、期望存在均值收敛于期望条件由宽到严，结论各有侧重三大定律的联系与区别条件层层推进，规律一脉相承从方差有界到独立同分布，约束越严，结论越贴合均值稳定的普遍规律三大定律层层递进：条件越强，结论越具体三大定律要点切比雪夫不对分布作同分布假设，靠方差有界保证稳定伯努利针对伯努利试验，把频率与概率连接起来辛钦要求独立同分布，只须期望存在递进总结三者从不同角度共同揭示均值稳定的普遍规律条件越强，结论越具体中心极限定理万物归正态独立同分布与棣莫弗-拉普拉斯定理03大数定律之外的问题均值稳定，但波动形态仍未知大数定律已回答样本均值的稳定性已解决大数定律未回答样本和偏离期望的分布形态样本和在期望附近如何波动波动规律是否与具体分布有关待解答独立同分布的中心极限定理和的分布逼近正态分布极限分布与原分布的具体形态无关，正态分布具有普适性。条件随机变量序列独立同分布期望与方差均存在结论标准化后的样本和依分布收敛于标准正态分布关键：极限分布与原分布的具体形态无关意义：揭示正态分布的普适性棣莫弗-拉普拉斯定理二项分布的正态近似地位最早特例中心极限定理的最早特例。背景伯努利试验n重伯努利试验中成功次数的分布。结论极限形式二项分布以正态分布为极限。应用近似计算当

n较大时，用正态分布近似计算二项概率。正态分布为何普遍存在大量微小独立因素叠加的结果第1环众多微小因素影响众多微小因素影响现实中的许多量常受众多微小因素影响。第2环作用很小且独立作用很小且独立每个因素作用很小，且彼此相互独立。第3环方向随机相互抵消方向随机相互抵消各因素方向随机、正负相互抵消。第4环趋向正态分布趋向正态分布总效应便趋向正态分布。这解释了测量误差、身高体重等近似正态的现象两大定理的分工一个说均值稳定，一个说波动正态二者共同构成极限定理的核心内容大数定律关注位置样本均值趋于何处保障均值稳定定量基础中心极限定理关注形状波动服从何分布揭示波动正态正态来源案例验证工坊让数据说话用模拟与实例验证两大定理04案例一

抛硬币实验频率向概率的直观收敛1抛掷反复抛掷一枚均匀硬币›2记录记录正面出现的频率›3波动试验次数较少时，频率上下波动明显›4收敛次数不断增多后，频率趋近

0.5直观验证伯努利大数定律案例二

骰子点数均值样本均值向期望收敛掷骰试验次数与样本均值趋近3.5的过程骰子点数均值解读理论期望均匀骰子点数理论期望为

3.5重复投掷多次投掷并记录样本均值均值趋近试验次数增加，样本均值趋近

3.5定律验证直观验证

辛钦大数定律估计可靠体现用均值估计期望的可靠性案例三

高尔顿钉板小球落点显现正态形态高尔顿钉板小球从顶部下落，经过多排交错排列的钉子每遇一钉，向左或向右的概率各半落点位置是各次左右移动的累积之和大量小球的落点分布近似正态这是

中心极限定理

的直观模型案例四

二项分布的正态逼近试验次数增大，分布趋于对称正态验证棣莫弗-拉普拉斯定理考察对象n重伯努利试验中成功次数的分布1阶段01n较小时n较小分布形态随n变化明显2阶段02n增大时n增大分布逐渐趋于对称3阶段03n充分大时n充分大近似服从正态分布案例小结与启示四个实验呼应两大定理抛硬币频率的稳定大量重复试验中频率趋于稳定实验验证以抛硬币实验验证频率稳定性大数定律骰子均值的稳定试验次数增多样本均值趋于定值实验验证以骰子实验验证均值稳定性大数定律钉板与二项分布正态逼近二项分布随试验次数增加逼近正态实验验证以钉板实验直观呈现正态曲线中心极限定理结论与启示结论稳定性与正态性是普遍规律启示实验让抽象定理变得可感可见普遍规律应用与拓展从理论走向实践抽样调查、误差分析与统计推断的基石05抽样调查中的大数定律样本量决定估计的可靠性用样本均值估计总体均值律大数定律保证样本量样本量越大，估计越接近真值依民意调查与质量抽检依据理论依据础统计推断基础的基础误差分析中的中心极限定理测量误差近似服从正态分布测量误差可看作众多微小误差之和误差的构成独立各微小误差相互独立、方向随机极限由中心极限定理，总误差近似正态依据为误差限与置信区间的确定提供依据三大支撑要点独立性各微小误差互不影响随机性误差方向随机分布正态性总误差近似服从正态标准模型正态分布成为误差分析的标准模型保险精算中的应用大数定律支撑风险分摊大数定律是风险分摊的数学基础汇风险汇总汇总大量独立保单的风险得以汇总稳赔付稳定稳定单个保单赔付随机，总体赔付趋于稳定收波动收敛收敛大数定律保证赔付总额围绕期望波动价定价依据依据为保费定价与风险准备提供依据课程小结与延伸均值稳定与波动正态是贯穿全课的主线从直觉到