KNOWECON WIKI

ARTICLE

正态近似

正态近似 (Normal Approximation) 正态近似 (Normal Approximation) 是 数理统计 中的一种核心近似方法，其基本思想是：当样本量足够大时，利用 正态分布 来逼近某个统计量或随机变量的真实分布，从而简化概率计算与统计推断。该方法的理论基础是 中心极限定理 (Central Limit Theorem, CLT) 以及

浏览 3 更新 2025-10-26

正态近似 (Normal Approximation)

正态近似 (Normal Approximation) 是 数理统计 中的一种核心近似方法，其基本思想是：当样本量足够大时，利用 正态分布 来逼近某个统计量或随机变量的真实分布，从而简化概率计算与统计推断。该方法的理论基础是 中心极限定理 (Central Limit Theorem, CLT) 以及 大数定律，是连接精确分布理论与渐近理论的桥梁。

正态近似的核心价值在于其通用性。许多统计量（如样本均值、样本比例、似然比统计量）的精确分布往往难以解析表达，但其渐近分布却是正态的。因此，在样本量适中的条件下，正态近似提供了可靠且计算简便的推断框架。

理论基础

正态近似的核心数学依据是中心极限定理。以 Lindeberg-Lévy CLT 为例：设 X1,X2,…,Xn X_1, X_2, \ldots, X_n 为 独立同分布 (i.i.d.) 随机变量，满足 E(Xi)=μ E(X_i) = \mu ，Var⁡(Xi)=σ2<∞ \operatorname{Var}(X_i) = \sigma^2 < \infty ，则样本均值 Xˉn \bar{X}_n 的标准化形式依分布收敛于标准正态：

Xˉn−μσ/n→dN(0,1)\frac{\bar{X}_n - \mu}{\sigma / \sqrt{n}} \xrightarrow{d} N(0, 1)

等价地，Xˉn \bar{X}_n 的渐近分布为 N(μ,σ2/n) N(\mu, \sigma^2 / n) 。此结论可进一步推广至 Lindeberg条件 或 Lyapunov条件 下的独立不同分布情形，以及 多元中心极限定理 下的向量情形。

此外，Slutsky 定理 (斯卢茨基定理) 和 连续映射定理 (连续映射) 为组合统计量的正态近似提供了理论支撑：若 Tn→dN(0,σ2) T_n \xrightarrow{d} N(0, \sigma^2) 且 Sn→pc S_n \xrightarrow{p} c ，则 Tn/Sn→dN(0,σ2/c2) T_n / S_n \xrightarrow{d} N(0, \sigma^2 / c^2) 。这使得涉及未知参数的统计量（如 t 统计量）也可在渐近意义上获得正态近似。

二项分布的正态近似

正态近似最经典的应用是De Moivre-Laplace 定理：设 X∼Binomial⁡(n,p) X \sim \operatorname{Binomial}(n, p) ，当 n n 充分大时，

X−npnp(1−p)→dN(0,1)\frac{X - np}{\sqrt{np(1-p)}} \xrightarrow{d} N(0, 1)

也即 X X 近似服从 N(np,np(1−p)) N(np, np(1-p)) 。这是一个特殊的 CLT，因为二项随机变量本身就是 n n 个独立 Bernoulli 变量之和。

适用条件（经验准则）：通常要求 np≥5 np \geq 5 且 n(1−p)≥5 n(1-p) \geq 5 （或更保守的 np≥10 np \geq 10 且 n(1−p)≥10 n(1-p) \geq 10 ）。当 p p 接近 0 或 1 时，二项分布严重偏斜，正态近似效果变差，此时应改用 泊松分布 近似（小 p p 情形）或精确的 Clopper-Pearson 区间。

概率计算：对于 X∼Binomial⁡(n,p) X \sim \operatorname{Binomial}(n, p) ，近似计算 P(a≤X≤b) P(a \leq X \leq b) 时，使用标准化：

P(a≤X≤b)≈Φ(b−npnp(1−p))−Φ(a−npnp(1−p))P(a \leq X \leq b) \approx \Phi\left(\frac{b - np}{\sqrt{np(1-p)}}\right) - \Phi\left(\frac{a - np}{\sqrt{np(1-p)}}\right)

其中 Φ(⋅) \Phi(\cdot) 为标准正态累积分布函数。

连续性校正

由于正态分布是连续的而二项分布是离散的，直接用正态近似计算离散概率会引入系统误差。连续性校正 (Continuity Correction) 通过将整数 x x 对应的概率转化为区间 (x−0.5,x+0.5) (x-0.5, x+0.5) 上的正态概率来改善近似精度：

P(X=x)≈Φ(x+0.5−npnp(1−p))−Φ(x−0.5−npnp(1−p))P(X = x) \approx \Phi\left(\frac{x + 0.5 - np}{\sqrt{np(1-p)}}\right) - \Phi\left(\frac{x - 0.5 - np}{\sqrt{np(1-p)}}\right)

对于区间概率：

P(a≤X≤b)≈Φ(b+0.5−npnp(1−p))−Φ(a−0.5−npnp(1−p))P(a \leq X \leq b) \approx \Phi\left(\frac{b + 0.5 - np}{\sqrt{np(1-p)}}\right) - \Phi\left(\frac{a - 0.5 - np}{\sqrt{np(1-p)}}\right)

研究表明，当 n n 较小时校正效果明显；当 n n 很大（如 n>100 n > 100 ）时，校正与否差异不大，但校正总是更精确，因此建议在应用正态近似时默认使用连续性校正。

泊松分布的正态近似

对于 Y∼Poisson⁡(λ) Y \sim \operatorname{Poisson}(\lambda) ，当 λ \lambda 充分大时（通常 λ≥10 \lambda \geq 10 或 λ≥20 \lambda \geq 20 ），可利用泊松分布的可加性与 CLT 导出正态近似：

Y−λλ≈N(0,1)\frac{Y - \lambda}{\sqrt{\lambda}} \approx N(0, 1)

即 Y Y 近似服从 N(λ,λ) N(\lambda, \lambda) 。此近似同样可通过连续性校正获得更好精度。当 λ \lambda 较小时，正态近似效果不佳，应改用精确泊松概率。

渐近置信区间

正态近似也是构建渐近置信区间的基础方法。对于参数 θ \theta ，若存在渐近正态估计量 θ^n→dN(θ,Asy.Var⁡(θ^n)) \hat{\theta}_n \xrightarrow{d} N(\theta, \operatorname{Asy.Var}(\hat{\theta}_n)) ，则 θ \theta 的 100(1−α)% 100(1-\alpha)\% 渐近置信区间为：

θ^n±zα/2⋅SE⁡^(θ^n)\hat{\theta}_n \pm z_{\alpha/2} \cdot \widehat{\operatorname{SE}}(\hat{\theta}_n)

其中 zα/2 z_{\alpha/2} 为标准正态的 α/2 \alpha/2 上分位数，SE⁡^ \widehat{\operatorname{SE}} 为渐近标准误的一致估计。例如，二项比例 p p 的 Wald 区间 p^±zα/2p^(1−p^)/n \hat{p} \pm z_{\alpha/2} \sqrt{\hat{p}(1-\hat{p})/n} 即为最经典的渐近正态区间。更稳健的替代方案包括 Agresti-Coull区间 和 Wilson 得分区间。

局限性与注意事项

  1. 小样本偏差：当样本量不足时，正态近似可能产生严重偏差。此时应优先使用精确方法（如 Fisher 精确检验）或基于 Bootstrap 的方法。
  2. 尾部近似差：正态近似在分布中心区域表现良好，但在尾部（如 p<0.01 p < 0.01 的极端概率）偏差较大。Berry-Esseen不等式 给出了正态近似误差的界：∣Fn(x)−Φ(x)∣≤C⋅ρ/(σ3n) |F_n(x) - \Phi(x)| \leq C \cdot \rho / (\sigma^3 \sqrt{n}) ，其中 ρ=E(∣Xi−μ∣3) \rho = E(|X_i - \mu|^3) ，C C 为常数。
  3. 偏态分布需更大样本：对于高度偏斜的总体（如指数分布），需要更大的样本量才能使 CLT 生效。
  4. 方差未知的处理：用样本方差替代总体方差时，有限样本下的分布更接近 t分布 而非正态。但随自由度增加，t 分布本身也趋向正态，故大样本下正态近似仍成立。

正态近似是现代统计推断的基石之一，从假设检验到置信区间构造，从 Delta方法 到 极大似然估计 的渐近理论，都依赖于正态近似这一核心工具。掌握其适用条件与边界，是正确应用统计方法的前提。