老师说它明显趋近于1，但答案为什么是1/2？——一个会欺骗直觉的泊松极限

🎯

对每个正整数，都有

但与此同时，

它始终待在下方，却会越来越靠近。

一、一个“显然趋于 1”的错误直觉二、截断点并没有进入尾部三、为什么它对每个 n 都小于 1/2 四、严格证明极限等于 1/2 1. 把和式认成泊松概率 2. 把 Poisson(n) 写成 n 个独立变量之和 3. 处理随 n 移动的临界点五、用交互图亲眼看见截断发生在峰顶六、它在原竞赛题里起什么作用？七、真正应该记住的结论参考资料

一、一个“显然趋于 1”的错误直觉

这件事起源于一道高数竞赛题。为了完成其中一个不等式证明，我遇到了

老师依据指数函数的展开式

作出了一个非常自然的判断：既然求和项数随着增多，前项似乎应当越来越接近整个，乘上后就应该趋于。

我最初也能感受到这种直觉的诱惑。问题不在指数展开式，而在一句悄悄混入其中的话：“已经取到的这些项覆盖了级数的绝大部分。” 对这个随一起变化的级数来说，这句话恰好是错的。

二、截断点并没有进入尾部

先记

相邻两项之比为

因此，当时，数列仍在增长；直到与附近，它才达到峰顶，而且

原和式只加到。换句话说，随着增大，截断点也在不断向右移动，并且始终追着最大项移动。它从未跑进一个可以忽略的尾部，而是一直切在级数质量最集中的位置。

这就是对“明显趋于 ”最直接的反驳：

项数虽然增加了，但峰值的位置也同时向右移动。这里不能把“固定级数的部分和”直觉，直接套到“级数本身也依赖于 ”的情形上。

三、为什么它对每个 n 都小于 1/2

指数展开式可以拆成

所以等价于证明

把左侧的项与右侧从开始的项反向配对。对，比较与：

把分母中关于对称的因子配对，得到

当时取等号；当时，每个出现的因子都大于，所以比值严格大于。于是

逐项相加可得

因此

这段配对证明来自原题证明中的关键不等式部分。它不仅推翻“趋于 ”的判断，还说明数列的每一项都落在下方。不过，始终小于 并不能单独推出极限就是 ；还需要下一步。

四、严格证明极限等于 1/2

1. 把和式认成泊松概率

若随机变量服从参数为的泊松分布，则

所以

原问题现在变成：均值为的泊松随机变量，落在均值左侧的概率会趋向多少？

2. 把 Poisson(n) 写成 n 个独立变量之和

取相互独立且同分布的随机变量

泊松分布的可加性给出

同时

于是可以用独立同分布情形的中心极限定理：

3. 处理随 n 移动的临界点

由只取整数值，

中心极限定理直接给出的是固定临界点处的极限，而这里的临界点也在变化。为避免跳步，任取。当时，

记，便有

中心极限定理以及标准正态分布函数的连续性给出

最后令。因为，夹逼可得

至此，“小于 ”与“趋于 ”都得到了严格证明。

五、用交互图亲眼看见截断发生在峰顶

下面的验证台使用递推

稳定计算各项，避免先生成与量级的巨大中间数。除了数值和收敛曲线，我还加入了泊松概率柱状图：绿色部分是原式真正加到的区域，蓝色部分是没有被加到的区域。

泊松极限交互验证台</embed>

💡

观察柱状图时，不要只看横轴上“已经加了多少项”，而要看这些项在整座分布中处于什么位置。截断线始终落在峰顶附近，正是错误直觉遗漏的信息。

六、它在原竞赛题里起什么作用？

原题定义

并要求证明方程在内至少有一根。

证明时会出现

上面的配对不等式给出，因而，这正是端点异号证明中的关键一步。也就是说，极限问题并不是凭空出现的；它来自一道有限不等式，而概率论又揭示了这个不等式在时的整体形状。

七、真正应该记住的结论

展开式正确，不代表对其“前若干项”的直觉一定正确。

当被求和的各项也依赖于时，必须同时追踪峰值与截断点的位置。

这里的前项不是指数级数越来越完整的近似，而是泊松分布中心左侧的概率质量。

配对法负责证明每个有限下的严格不等式，中心极限定理负责确定最终极限；两者解决的是不同问题。

老师的直觉抓住了“项数在增加”，却忽略了“整座级数也在移动”。真正决定答案的不是我们加了多少项，而是截断点相对于峰值究竟在哪里。

参考资料

NIST：Poisson Distribution

MIT OpenCourseWare：Central Limit Theorem and the Law of Large Numbers

原竞赛题的 LaTeX 证明稿，其中的配对比较部分经复核后整理进本文。