first commit
This commit is contained in:
@@ -0,0 +1,618 @@
|
||||
# 📌 第二章 随机变量及其分布 考研核心通关笔记
|
||||
|
||||
> 把"事件的语言"升级为"变量的语言"——概率论的核心抽象一步
|
||||
|
||||
---
|
||||
|
||||
## ① 本章核心知识框架 (Core Concept Map)
|
||||
|
||||
### 2.1 随机变量的定义与分类
|
||||
|
||||
#### 一、随机变量 $X$ 的定义
|
||||
|
||||
**定义**:设 $\Omega$ 是某随机试验的样本空间,若对 $\Omega$ 中**每个基本结果** $\omega$ 都唯一对应一个**实数** $X(\omega)$,则称 $X$ 为**随机变量**。
|
||||
|
||||
> 直观理解:随机变量是把"样本点"映射为"实数"的**函数** $X: \Omega \to \mathbb{R}$。
|
||||
|
||||
- *极简例子:* 掷一颗骰子,$X$ = "出现的点数",则 $X(\omega_1) = 1, X(\omega_2) = 2, \ldots, X(\omega_6) = 6$
|
||||
|
||||
> 🔑 **本质**:随机变量不是"变化的量",而是定义在样本空间上的**函数**。一旦引入 $X$,事件就转化为 $\{X \in I\}$($I$ 为某区间或集合)。
|
||||
|
||||
#### 二、随机变量的分类
|
||||
|
||||
| 类型 | 性质 | 描述方式 | 例子 |
|
||||
|------|------|---------|------|
|
||||
| **离散型** | 取值为**可数个**(有限或可列) | 分布律 $P(X = x_k)$ | 掷骰子点数 $X \in \{1,\ldots,6\}$ |
|
||||
| **连续型** | 取值**充满一个区间**,存在概率密度 $f(x)$ | 密度函数 $f(x)$ | 身高 $X \sim N(170, 5^2)$ |
|
||||
| **混合型** | 既有离散取值,又有连续部分 | 离散点 + 连续密度 | $P(X = 0) = 1/2$,其余均匀 |
|
||||
|
||||
> *极简例子:* $X$ = "射击命中环数"(离散),$Y$ = "电池寿命"(连续)。
|
||||
|
||||
---
|
||||
|
||||
### 2.2 离散型随机变量及其分布律
|
||||
|
||||
#### 一、分布律
|
||||
|
||||
**定义**:离散型随机变量 $X$ 取每个可能值 $x_k$ 的概率 $P(X = x_k)$ 排成的表格:
|
||||
|
||||
| $X$ | $x_1$ | $x_2$ | $\cdots$ | $x_n$ | $\cdots$ |
|
||||
|-----|-------|-------|---------|-------|---------|
|
||||
| $P$ | $p_1$ | $p_2$ | $\cdots$ | $p_n$ | $\cdots$ |
|
||||
|
||||
**归一性**:$\sum_k p_k = 1$(必有一个发生)
|
||||
|
||||
> *极简例子:* 掷一枚公平硬币,令 $X = 1$(正面)/ $0$(反面)。分布律:$P(X=1) = P(X=0) = 1/2$。
|
||||
|
||||
#### 二、常见的离散型分布 ⭐⭐⭐
|
||||
|
||||
##### 1. **0-1 分布** $B(1,p)$
|
||||
|
||||
$$
|
||||
P(X = k) = p^k (1-p)^{1-k}, \quad k \in \{0, 1\}
|
||||
$$
|
||||
|
||||
- **参数**:$p \in (0,1)$(成功概率)
|
||||
- **均值/方差**:$E(X) = p$,$D(X) = p(1-p)$
|
||||
- *极简例子:* 一次伯努利试验:抛硬币正面 $p=0.5$
|
||||
|
||||
##### 2. **二项分布** $B(n, p)$ ⭐⭐⭐
|
||||
|
||||
$$
|
||||
P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}, \quad k = 0, 1, \ldots, n
|
||||
$$
|
||||
|
||||
- **参数**:$n$(独立重复次数),$p$(每次成功概率)
|
||||
- **均值/方差**:$E(X) = np$,$D(X) = np(1-p)$
|
||||
- **本质**:$n$ 次独立 0-1 试验中成功次数之和
|
||||
- *极简例子:* 抛 10 次硬币,正面次数 $X \sim B(10, 0.5)$
|
||||
|
||||
##### 3. **泊松分布** $P(\lambda)$ ⭐⭐⭐
|
||||
|
||||
$$
|
||||
P(X = k) = \frac{\lambda^k}{k!} e^{-\lambda}, \quad k = 0, 1, 2, \ldots
|
||||
$$
|
||||
|
||||
- **参数**:$\lambda > 0$(单位时间/面积内平均事件数)
|
||||
- **均值/方差**:$E(X) = D(X) = \lambda$(**均值 = 方差**!)
|
||||
- **极限**:$\lim_{n \to \infty, np = \lambda} \binom{n}{k} p^k (1-p)^{n-k} = \dfrac{\lambda^k}{k!} e^{-\lambda}$(**Poisson 定理**)
|
||||
- *极简例子:* 单位时间内到达商店的顾客数 $X \sim P(5)$
|
||||
|
||||
##### 4. **几何分布** $G(p)$
|
||||
|
||||
$$
|
||||
P(X = k) = (1-p)^{k-1} p, \quad k = 1, 2, \ldots
|
||||
$$
|
||||
|
||||
- **参数**:$p \in (0,1)$
|
||||
- **均值/方差**:$E(X) = \dfrac{1}{p}$,$D(X) = \dfrac{1-p}{p^2}$
|
||||
- **无记忆性**:$P(X > m + n \mid X > m) = P(X > n)$(重要性质)
|
||||
- *极简例子:* 首次命中目标所需的射击次数 $X$
|
||||
|
||||
##### 5. **超几何分布** $H(N, M, n)$
|
||||
|
||||
$$
|
||||
P(X = k) = \frac{\binom{M}{k} \binom{N-M}{n-k}}{\binom{N}{n}}, \quad \max(0, n - (N-M)) \le k \le \min(n, M)
|
||||
$$
|
||||
|
||||
- **参数**:$N$(总数),$M$(其中特殊元素数),$n$(抽取数)
|
||||
- **本质**:**不放回抽样**中特殊元素出现的次数
|
||||
- *极简例子:* 5 件产品 3 件正品,从中取 2 件,正品数 $X \sim H(5,3,2)$
|
||||
|
||||
> 🔑 **离散型分布识别口诀**:
|
||||
> - "**独立重复 $n$ 次**" → **二项分布** $B(n,p)$
|
||||
> - "**单位时间/面积内事件数**" → **泊松分布** $P(\lambda)$
|
||||
> - "**首次成功次数**" → **几何分布** $G(p)$
|
||||
> - "**不放回抽样**" → **超几何分布** $H(N,M,n)$
|
||||
|
||||
---
|
||||
|
||||
### 2.3 随机变量的分布函数 $F(x)$ ⭐⭐⭐
|
||||
|
||||
#### 一、定义
|
||||
|
||||
**分布函数**:$X$ 的取值 $\le x$ 的概率:
|
||||
$$
|
||||
F(x) = P(X \le x), \quad x \in \mathbb{R}
|
||||
$$
|
||||
|
||||
- 是**统一描述离散和连续随机变量**的工具
|
||||
- *极简例子:* 掷骰子 $X$,$F(2.5) = P(X \le 2.5) = P(X \in \{1,2\}) = 2/6 = 1/3$
|
||||
|
||||
#### 二、分布函数的**4 条核心性质**
|
||||
|
||||
| # | 性质 | 公式 | 含义 |
|
||||
|---|------|------|------|
|
||||
| 1 | **单调非减** | $x_1 < x_2 \Rightarrow F(x_1) \le F(x_2)$ | 不会"倒退" |
|
||||
| 2 | **有界性** | $0 \le F(x) \le 1$,$F(-\infty) = 0$,$F(+\infty) = 1$ | 渐近线 |
|
||||
| 3 | **右连续** | $F(x^+) = F(x)$(左极限 $\ge$ 函数值) | 阶梯函数跳跃点在 $x_k$,但 $F(x_k)$ 用右极限 |
|
||||
| 4 | **概率还原** | $P(x_1 < X \le x_2) = F(x_2) - F(x_1)$ | 区间概率 |
|
||||
|
||||
> 🔑 **右连续是阶梯函数的本质**:$F(x)$ 在 $x_k$ 处跳跃,跳跃高度 $= P(X = x_k)$。**离散型分布函数必然右连续**。
|
||||
|
||||
#### 三、由 $F(x)$ 求 $P$
|
||||
|
||||
$$
|
||||
P(X > a) = 1 - F(a), \quad P(X < a) = F(a^-), \quad P(a < X \le b) = F(b) - F(a)
|
||||
$$
|
||||
|
||||
*极简例子:* $F(x)$ 已知,$P(X = 2) = F(2) - F(2^-) = F(2) - \lim_{x \to 2^-} F(x)$
|
||||
|
||||
---
|
||||
|
||||
### 2.4 连续型随机变量与概率密度 $f(x)$ ⭐⭐⭐
|
||||
|
||||
#### 一、概率密度定义
|
||||
|
||||
**定义**:若 $F(x) = \displaystyle\int_{-\infty}^x f(t)\, dt$,则 $X$ 为连续型随机变量,$f(x)$ 为概率密度。
|
||||
|
||||
**性质**:
|
||||
1. **非负性**:$f(x) \ge 0$
|
||||
2. **归一性**:$\displaystyle\int_{-\infty}^{+\infty} f(x)\, dx = 1$
|
||||
3. $P(a \le X \le b) = \displaystyle\int_a^b f(x)\, dx$
|
||||
4. **关键**:$P(X = a) = 0$(连续型单点概率为 0!)
|
||||
|
||||
#### 二、常见的连续型分布 ⭐⭐⭐
|
||||
|
||||
##### 1. **均匀分布** $U(a,b)$
|
||||
|
||||
$$
|
||||
f(x) = \begin{cases} \dfrac{1}{b-a}, & a \le x \le b \\ 0, & \text{其他} \end{cases}
|
||||
$$
|
||||
|
||||
- **分布函数**:$F(x) = \begin{cases} 0, & x < a \\ \dfrac{x-a}{b-a}, & a \le x < b \\ 1, & x \ge b \end{cases}$
|
||||
- **均值/方差**:$E(X) = \dfrac{a+b}{2}$,$D(X) = \dfrac{(b-a)^2}{12}$
|
||||
- *极简例子:* 在 $[0, 1]$ 上随机取一点 $X \sim U(0,1)$
|
||||
|
||||
##### 2. **指数分布** $E(\lambda)$ ⭐⭐
|
||||
|
||||
$$
|
||||
f(x) = \begin{cases} \lambda e^{-\lambda x}, & x \ge 0 \\ 0, & x < 0 \end{cases}
|
||||
$$
|
||||
|
||||
- **分布函数**:$F(x) = \begin{cases} 1 - e^{-\lambda x}, & x \ge 0 \\ 0, & x < 0 \end{cases}$
|
||||
- **均值/方差**:$E(X) = \dfrac{1}{\lambda}$,$D(X) = \dfrac{1}{\lambda^2}$
|
||||
- **无记忆性**:$P(X > s + t \mid X > s) = P(X > t)$(与几何分布对偶)
|
||||
- *极简例子:* 电子元件寿命 $X \sim E(\lambda)$($\lambda$ 为失效率)
|
||||
|
||||
##### 3. **正态分布** $N(\mu, \sigma^2)$ ⭐⭐⭐(每年必考!)
|
||||
|
||||
$$
|
||||
f(x) = \frac{1}{\sqrt{2\pi} \sigma} e^{-\frac{(x - \mu)^2}{2\sigma^2}}, \quad x \in \mathbb{R}
|
||||
$$
|
||||
|
||||
- **参数**:$\mu$(均值,位置参数),$\sigma^2$(方差,尺度参数)
|
||||
- **均值/方差**:$E(X) = \mu$,$D(X) = \sigma^2$
|
||||
- **分布函数**:$F(x) = \Phi\!\left(\dfrac{x - \mu}{\sigma}\right)$(标准化后查表)
|
||||
|
||||
##### 4. **标准正态** $N(0,1)$ ⭐⭐⭐
|
||||
|
||||
$$
|
||||
\varphi(x) = \frac{1}{\sqrt{2\pi}} e^{-x^2/2}, \quad \Phi(x) = \int_{-\infty}^x \varphi(t)\, dt
|
||||
$$
|
||||
|
||||
**三大性质**:
|
||||
- **密度偶函数**:$\varphi(-x) = \varphi(x)$
|
||||
- **分布奇函数**:$\Phi(-x) = 1 - \Phi(x)$(**对称性**)
|
||||
- **$\Phi(0) = 0.5$**
|
||||
|
||||
##### 5. **一般正态 → 标准正态** ⭐⭐⭐(核心技法)
|
||||
|
||||
$$
|
||||
X \sim N(\mu, \sigma^2) \Rightarrow Z = \frac{X - \mu}{\sigma} \sim N(0, 1)
|
||||
$$
|
||||
|
||||
$$
|
||||
P(a < X < b) = \Phi\!\left(\frac{b - \mu}{\sigma}\right) - \Phi\!\left(\frac{a - \mu}{\sigma}\right)
|
||||
$$
|
||||
|
||||
*极简例子:* $X \sim N(10, 4)$,求 $P(X > 12) = P(Z > 1) = 1 - \Phi(1) \approx 1 - 0.8413 = 0.1587$
|
||||
|
||||
---
|
||||
|
||||
### 2.5 随机变量函数的分布 ⭐⭐⭐
|
||||
|
||||
#### 一、$Y = g(X)$:离散 → 离散
|
||||
|
||||
**方法**:列出 $X$ 的可能取值 → 计算 $Y$ 的取值 → 用 $Y = g(X)$ 找概率对应关系。
|
||||
|
||||
*极简例子:* $X \sim B(2, 0.5)$($P(0) = 1/4, P(1) = 1/2, P(2) = 1/4$),$Y = X^2$。
|
||||
|
||||
| $X$ | 0 | 1 | 2 |
|
||||
|-----|---|---|---|
|
||||
| $Y=X^2$ | 0 | 1 | 4 |
|
||||
| $P$ | 1/4 | 1/2 | 1/4 |
|
||||
|
||||
合并相同 $Y$ 值:$P(Y=0) = 1/4, P(Y=1) = 1/2, P(Y=4) = 1/4$。
|
||||
|
||||
#### 二、$Y = g(X)$:连续 → 连续(**分布函数法**)
|
||||
|
||||
**两步骤**:
|
||||
1. 求 $F_Y(y) = P(Y \le y) = P(g(X) \le y) = P(X \in \{x: g(x) \le y\})$
|
||||
2. 对 $y$ 求导:$f_Y(y) = F'_Y(y)$
|
||||
|
||||
#### 三、**单调函数公式** ⭐⭐⭐
|
||||
|
||||
若 $g(x)$ 在 $X$ 取值范围内**严格单调**,且反函数 $g^{-1}(y)$ 有连续导数:
|
||||
|
||||
$$
|
||||
f_Y(y) = \begin{cases} f_X(g^{-1}(y)) \cdot |(g^{-1})'(y)|, & y \in g(\mathcal{X}) \\ 0, & \text{其他} \end{cases}
|
||||
$$
|
||||
|
||||
*极简例子:* $X \sim U(0, 1)$,$Y = -\ln X$。
|
||||
|
||||
- $g^{-1}(y) = e^{-y}$,$(g^{-1})'(y) = -e^{-y}$
|
||||
- $f_Y(y) = 1 \cdot |-e^{-y}| = e^{-y}$($y > 0$),即 $Y \sim E(1)$!
|
||||
|
||||
#### 四、**卷积公式**($Z = X + Y$,连续型)
|
||||
|
||||
$$
|
||||
f_Z(z) = \int_{-\infty}^{+\infty} f(x, z - x)\, dx
|
||||
$$
|
||||
|
||||
> 这是 Ch03 多维随机变量中 $X+Y$ 分布的核心,本章先建立"卷积"概念。
|
||||
|
||||
---
|
||||
|
||||
## ② 必考题型分类索引
|
||||
|
||||
> 每个题型独立成文,包含完整 mermaid 解题流程图、通法步骤、陷阱和母题。点击链接查看详情。
|
||||
|
||||
| # | 题型 | 核心判据 | 详细笔记 |
|
||||
|---|------|---------|---------|
|
||||
| 1 | 分布律 ↔ 分布函数 | 离散型阶梯函数 $F(x)$ 的绘制与还原 | [[题型1_分布律与分布函数的关系]] |
|
||||
| 2 | 常见离散分布 | $B(n,p), P(\lambda), G(p), H(N,M,n)$ 的识别与计算 | [[题型2_常见离散分布]] |
|
||||
| 3 | 分布函数性质与求解 | $F(x)$ 的 4 条性质验证、由 $F$ 求 $P$ | [[题型3_分布函数的性质与求解]] |
|
||||
| 4 | 连续型分布与密度函数 | 均匀、指数、正态的密度与计算 | [[题型4_连续型分布与密度函数]] |
|
||||
| 5 | 正态分布的计算 | 标准化 $Z = (X-\mu)/\sigma$ + 查表 | [[题型5_正态分布的计算]] |
|
||||
| 6 | 随机变量函数(离散) | $Y = g(X)$($X$ 离散) | [[题型6_随机变量函数的分布(离散)]] |
|
||||
| 7 | 随机变量函数(连续) | $Y = g(X)$($X$ 连续):单调公式 / 卷积 | [[题型7_随机变量函数的分布(连续)]] |
|
||||
| 8 | 混合型分布律 | 离散 + 连续部分共存的随机变量 | [[题型8_混合型分布律]] |
|
||||
|
||||
---
|
||||
|
||||
## ③ 高频考点与多维变换
|
||||
|
||||
### Top 5 高频考点
|
||||
|
||||
| 排名 | 考点 | 近15年考频 | 典型分值 |
|
||||
|------|------|-----------|---------|
|
||||
| 1 | 正态分布的计算(标准化 + 查表 + 对称性) | 14次 | 4-10分 |
|
||||
| 2 | $Y = g(X)$ 函数的分布(连续型 + 单调公式) | 12次 | 6-12分 |
|
||||
| 3 | 常见离散分布的识别(二项 / 泊松 / 几何 / 超几何) | 10次 | 4-8分 |
|
||||
| 4 | 分布函数 $F(x)$ 的性质与还原 | 8次 | 4-6分 |
|
||||
| 5 | 均匀分布、指数分布的密度与性质 | 6次 | 4分 |
|
||||
|
||||
### 【示例:一题多角度】
|
||||
|
||||
**核心情境**:$X \sim N(\mu, \sigma^2)$,同一分布,三种考法层次
|
||||
|
||||
**角度一:选择题(概念辨析)**
|
||||
|
||||
> 设 $X \sim N(0, 1)$,则 $\Phi(-1.5) = ?$
|
||||
> - (A) $\Phi(1.5)$
|
||||
> - (B) $1 - \Phi(1.5)$
|
||||
> - (C) $1 + \Phi(1.5)$
|
||||
> - (D) $2\Phi(1.5)$
|
||||
|
||||
**答案**:(B) — 由 $\Phi(-x) = 1 - \Phi(x)$。
|
||||
|
||||
**角度二:填空题(直接计算)**
|
||||
|
||||
> $X \sim N(10, 4)$,求 $P(X > 14)$。
|
||||
> $$
|
||||
> P(X > 14) = 1 - \Phi\!\left(\frac{14 - 10}{2}\right) = 1 - \Phi(2) \approx 1 - 0.9772 = 0.0228
|
||||
> $$
|
||||
|
||||
**角度三:解答题(综合应用)**
|
||||
|
||||
> 设 $X \sim N(\mu, \sigma^2)$,求 $P(|X - \mu| < 2\sigma)$。
|
||||
> $$
|
||||
> P(|X - \mu| < 2\sigma) = P(-2\sigma < X - \mu < 2\sigma) = \Phi(2) - \Phi(-2) = 2\Phi(2) - 1
|
||||
> $$
|
||||
> $$
|
||||
> \approx 2 \times 0.9772 - 1 = 0.9544
|
||||
> $$
|
||||
|
||||
**启示**:
|
||||
- **选择题** 考"$\Phi$ 对称性"公式
|
||||
- **填空题** 考"标准化 + 查表"流程
|
||||
- **解答题** 考"区间概率 + 对称性 + 数字特征"综合
|
||||
|
||||
---
|
||||
|
||||
## ④ 方法论与解题通法 (Methodology)
|
||||
|
||||
### 方法〇:随机变量问题的"五步决策树"
|
||||
|
||||
```
|
||||
随机变量问题
|
||||
├── 第一步:识别类型
|
||||
│ ├── 离散型(取值可数)→ 分布律
|
||||
│ ├── 连续型(取值连续)→ 密度函数
|
||||
│ └── 混合型(两者并存)→ 分段讨论
|
||||
├── 第二步:确认已知分布
|
||||
│ ├── 0-1 / 二项 / 泊松 / 几何 / 超几何
|
||||
│ └── 均匀 / 指数 / 正态
|
||||
├── 第三步:所求目标
|
||||
│ ├── 求概率 → P(X ∈ I) = Σ P(X=xk) 或 ∫ f(x)dx
|
||||
│ ├── 求 F(x) → F(x) = P(X≤x)
|
||||
│ ├── 求 P(X=a) → 离散非0, 连续为0
|
||||
│ └── 求 Y=g(X) → 列取值 / 单调公式 / 卷积
|
||||
├── 第四步:套公式
|
||||
│ ├── 离散:Σ pk = 1 验证
|
||||
│ ├── 连续:∫ f(x)dx = 1 验证
|
||||
│ └── 正态:标准化 Z = (X-μ)/σ
|
||||
└── 第五步:化简 / 查表
|
||||
```
|
||||
|
||||
### 方法一:离散型分布的"识别三问"
|
||||
|
||||
**第一问**:是否独立重复?次数固定? → **二项分布** $B(n,p)$
|
||||
**第二问**:单位时间/面积事件数?是否稀疏? → **泊松分布** $P(\lambda)$
|
||||
**第三问**:是否"首次成功"? → **几何分布** $G(p)$
|
||||
|
||||
> **不放回** → 超几何分布;**放回** → 二项分布
|
||||
|
||||
*极简例子:* "100 件产品中有 5 件次品,每次取 1 件**放回**取 3 次" → $B(3, 0.05)$;"**不放回**取 3 件" → $H(100, 5, 3)$
|
||||
|
||||
### 方法二:连续型分布的"形态判别"
|
||||
|
||||
```
|
||||
密度函数 f(x)
|
||||
├── 区间内常数 → 均匀分布 U(a,b)
|
||||
├── x≥0 时 λe^(-λx) → 指数分布 E(λ)
|
||||
└── 钟形对称曲线 → 正态分布 N(μ, σ²)
|
||||
```
|
||||
|
||||
### 方法三:正态分布的"标准化四步法"
|
||||
|
||||
```
|
||||
任何 N(μ, σ²) 问题
|
||||
├── 第1步:写 Z = (X-μ)/σ
|
||||
├── 第2步:P(a<X<b) = Φ((b-μ)/σ) - Φ((a-μ)/σ)
|
||||
├── 第3步:Φ(-x) = 1 - Φ(x) 处理负号
|
||||
└── 第4步:查 Φ 表
|
||||
```
|
||||
|
||||
**常用表值**(必记):
|
||||
- $\Phi(0) = 0.5$
|
||||
- $\Phi(1) = 0.8413$
|
||||
- $\Phi(1.96) = 0.975$
|
||||
- $\Phi(2) = 0.9772$
|
||||
- $\Phi(3) \approx 0.9987$
|
||||
|
||||
> 口诀:"**1.96 是 95%,2.58 是 99%**"(区间估计核心点)
|
||||
|
||||
### 方法四:$Y = g(X)$ 函数的"三策略"
|
||||
|
||||
| 策略 | 适用场景 | 关键公式 |
|
||||
|------|---------|---------|
|
||||
| **列取值法** | $X$ 离散 | $P(Y = g(x_k)) = p_k$,合并相同值 |
|
||||
| **分布函数法** | $X$ 连续,$g$ 复杂 | $F_Y(y) = P(g(X) \le y)$,再求导 |
|
||||
| **单调公式** | $X$ 连续,$g$ 严格单调可导 | $f_Y(y) = f_X(g^{-1}(y)) \cdot |(g^{-1})'(y)|$ |
|
||||
|
||||
### 方法五:跨章节通法速查表
|
||||
|
||||
| 通用技法 | 本章出现场景 | 后续章节升级 | 判断依据 |
|
||||
|---------|------------|------------|---------|
|
||||
| **离散型识别** | $B, P, G, H$ 四大分布 | Ch03 多维离散分布(联合 + 边缘)| 取值可数 |
|
||||
| **连续型积分** | $\int f(x) dx = 1$ | Ch03 二维正态联合密度 | 归一性 |
|
||||
| **标准化变换** | $Z = (X-\mu)/\sigma$ | Ch04 正态样本均值 $\bar{X}$ | 正态化归一 |
|
||||
| **单调函数公式** | $f_Y(y) = f_X(x) / |g'(x)|$ | Ch03 极坐标变换 | $g$ 单调可逆 |
|
||||
| **卷积公式** | $f_Z(z) = \int f(x) f(z-x) dx$ | Ch03 $X+Y$ 分布 | 加法运算 |
|
||||
| **条件概率思维** | $F(x) = P(X \le x)$ | Ch03 条件分布 $F(x \mid y)$ | 已知部分信息 |
|
||||
|
||||
### 方法六:分布函数 $F(x)$ 与密度 $f(x)$ 的"双向转换"
|
||||
|
||||
```
|
||||
已知 f(x) → 求 F(x)
|
||||
└── F(x) = ∫_{-∞}^x f(t) dt(积分下限 -∞)
|
||||
|
||||
已知 F(x) → 求 f(x)
|
||||
└── f(x) = F'(x) 在 F 可导处(连续点)
|
||||
└── F 的跳跃高度 = 该点的概率质量
|
||||
```
|
||||
|
||||
> 注意:连续型 $F$ 一定连续;离散型 $F$ 必有跳跃点(跳跃点 = 取值点)。
|
||||
|
||||
---
|
||||
|
||||
## ⑤ 易错点红黑榜 (The Pitfall List)
|
||||
|
||||
### ❌ 错误 1:连续型 $P(X = a) \neq 0$ 的误判
|
||||
|
||||
- **错误表现**:认为 $P(X = a)$ 一定等于 0
|
||||
- **正确理解**:仅当 $X$ 是**连续型**时,$P(X = a) = 0$;离散型 $P(X = a) > 0$
|
||||
- **【对比示例】**:
|
||||
```
|
||||
❌ "X ~ U(0,1), 求 P(X = 0.5)" → 0.5 (错!)
|
||||
✅ "X ~ U(0,1), P(X = 0.5) = 0" (单点长度为 0)
|
||||
✅ "X ~ B(5, 0.3), P(X = 2) = C₅² × 0.3² × 0.7³" (离散型非 0)
|
||||
```
|
||||
|
||||
### ❌ 错误 2:分布律不归一($\sum p_k \neq 1$)
|
||||
|
||||
- **错误表现**:写出分布律但忘了 $\sum p_k = 1$,求参数时漏掉这个方程
|
||||
- **正确理解**:离散型分布律**必须满足归一性**——这是求未知参数的核心方程
|
||||
|
||||
- **【对比示例】**:
|
||||
```
|
||||
❌ 已知 P(X=0)=a, P(X=1)=2a, P(X=2)=3a,求 a → a = 1/2(忘了归一)
|
||||
✅ a + 2a + 3a = 1 → 6a = 1 → a = 1/6
|
||||
```
|
||||
|
||||
### ❌ 错误 3:正态标准化忘除 $\sigma$
|
||||
|
||||
- **错误表现**:$X \sim N(\mu, \sigma^2)$,求 $P(X < b)$ 时直接写成 $\Phi(b - \mu)$
|
||||
- **正确理解**:必须除以 $\sigma$:$Z = \dfrac{X - \mu}{\sigma} \sim N(0,1)$
|
||||
|
||||
- **【对比示例】**:
|
||||
```
|
||||
❌ X ~ N(10, 4), P(X < 14) = Φ(14 - 10) = Φ(4) ≈ 1 (错!概率不应是 1)
|
||||
✅ P(X < 14) = Φ((14 - 10)/2) = Φ(2) ≈ 0.9772
|
||||
```
|
||||
|
||||
### ❌ 错误 4:$\Phi(x)$ 对称性写反
|
||||
|
||||
- **错误表现**:$\Phi(-x) = \Phi(x)$
|
||||
- **正确理解**:$\varphi(-x) = \varphi(x)$(**密度偶对称**),但 $\Phi(-x) = 1 - \Phi(x)$(**分布反对称**)
|
||||
|
||||
- **【对比示例】**:
|
||||
```
|
||||
❌ φ(-1) ≠ φ(1) (错!φ 是偶函数)
|
||||
❌ Φ(-1) = Φ(1) (错!)
|
||||
✅ φ(-1) = φ(1) ≈ 0.2420
|
||||
✅ Φ(-1) = 1 - Φ(1) ≈ 0.1587
|
||||
```
|
||||
|
||||
### ❌ 错误 5:$Y = g(X)$ 漏写"$y \in g(\mathcal{X})$" 的取值范围
|
||||
|
||||
- **错误表现**:写出 $f_Y(y)$ 公式但忘了标注 $y$ 的取值范围
|
||||
- **正确理解**:$f_Y(y)$ 必须明确分段($y \in$ 取值范围时成立,否则为 0)
|
||||
|
||||
- **【对比示例】**:
|
||||
```
|
||||
❌ fY(y) = 1/2√y, y > 0 (范围模糊)
|
||||
✅ fY(y) = 1/2√y, y ∈ (0, 1);0,其他 (明确分段)
|
||||
```
|
||||
|
||||
### ❌ 错误 6:泊松分布与二项分布混淆
|
||||
|
||||
- **错误表现**:题目说"每小时平均到达 2 人"误用二项公式 $C_n^k p^k (1-p)^{n-k}$
|
||||
- **正确理解**:
|
||||
- **离散单位时间内事件数** → 泊松 $P(\lambda)$
|
||||
- **$n$ 次独立 0-1 试验中成功次数** → 二项 $B(n, p)$
|
||||
- $n$ 大 $p$ 小时,二项 $\to$ 泊松(极限)
|
||||
|
||||
### ❌ 错误 7:超几何 vs 二项混用(放回 vs 不放回)
|
||||
|
||||
- **错误表现**:"从 $N$ 件产品中取 $n$ 件"一律用 $B(n, p)$
|
||||
- **正确理解**:**不放回抽样**用超几何 $H(N, M, n)$;**放回抽样**才能用二项 $B(n, p)$
|
||||
|
||||
- **【对比示例】**:
|
||||
```
|
||||
❌ "10 件产品有 2 件次品,不放回取 3 件,求正品数" → B(3, 0.8)
|
||||
✅ "不放回取 3 件" → H(10, 8, 3) 或 二项近似当 n/N 小
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## ⑥ 考研导向复习策略 (Exam Strategy)
|
||||
|
||||
### 优先级与建议题量
|
||||
|
||||
| 子专题 | 优先级 | 建议刷题量 | 说明 |
|
||||
|--------|--------|-----------|------|
|
||||
| 正态分布的计算 | **高** | 25+ 道 | 每年必考 4-10 分 |
|
||||
| $Y = g(X)$ 连续函数分布 | **高** | 30+ 道 | 12 分大题主力 |
|
||||
| 二项 / 泊松的识别与计算 | **高** | 20 道 | 与 Ch04 大数定律直接关联 |
|
||||
| 分布函数 $F(x)$ 性质 | **中** | 10 道 | 概念题与小填空 |
|
||||
| 离散型 vs 连续型辨析 | **中** | 8 道 | 概念辨析高频 |
|
||||
| 均匀分布、指数分布 | **中** | 8 道 | 套路固定 |
|
||||
| 几何、超几何分布 | **低** | 4 道 | 偶考小题 |
|
||||
|
||||
### 跨章节连接
|
||||
|
||||
```
|
||||
┌─────────────────────────────────┐
|
||||
│ 本章 (Ch02) 随机变量及其分布 │
|
||||
│ · 随机变量(离散/连续/混合) │
|
||||
│ · 常见分布(B/P/G/H/U/E/N) │
|
||||
│ · 分布函数 F(x) │
|
||||
│ · Y = g(X) 函数的分布 │
|
||||
└───────────────┬─────────────────┘
|
||||
│
|
||||
┌───────────────┬───────────────┼───────────────┬───────────────┐
|
||||
↓ ↓ ↓ ↓ ↓
|
||||
Ch01 概率概念 Ch03 多维随机 Ch04 数字特征 Ch05 大数定律 Ch06 数理统计
|
||||
P(A) ↔ P(X∈I) 联合分布↔独立 E(X)=∫xf(x)dx X̄→μ 依概率 样本→总体
|
||||
全概率↔混合型 边缘分布F(x) D(X)=∫(x-μ)²f 中心极限定理 参数估计
|
||||
独立性↔X⊥Y 条件分布F(x|y) 协方差/相关系数 正态近似泊松 假设检验
|
||||
```
|
||||
|
||||
#### 🔥 跨章节综合题命题模式
|
||||
|
||||
**模式 1:正态分布 + 数字特征**
|
||||
> 例题:$X \sim N(\mu, \sigma^2)$,求 $Y = aX + b$ 的分布。
|
||||
> **解**:$Y \sim N(a\mu + b, a^2 \sigma^2)$(**正态的线性变换仍正态**)
|
||||
> **考点**:正态性质 + 期望方差的线性性。
|
||||
|
||||
**模式 2:$Y = g(X)$ + 期望**
|
||||
> 例题:$X \sim E(\lambda)$,求 $Y = X^2$ 的密度和 $E(Y)$。
|
||||
> **解**:单调公式 $f_Y(y) = f_X(\sqrt{y}) \cdot \dfrac{1}{2\sqrt{y}} = \lambda e^{-\lambda \sqrt{y}} \cdot \dfrac{1}{2\sqrt{y}}$
|
||||
> **考点**:函数分布 + Ch04 期望计算。
|
||||
|
||||
**模式 3:二项 + 大数定律 / 中心极限定理**
|
||||
> 例题:$X_i \sim B(1, p)$ 独立,求 $\bar{X}_n = \dfrac{1}{n} \sum X_i$ 的极限分布。
|
||||
> **解**:$\bar{X}_n \xrightarrow{d} N(p, p(1-p)/n)$
|
||||
> **考点**:Ch05 中心极限定理,二项分布的标准化。
|
||||
|
||||
**模式 4:指数分布 + 无记忆性**
|
||||
> 例题:电子元件寿命 $X \sim E(\lambda)$,求 $P(X > 100 \mid X > 50)$。
|
||||
> **解**:$P(X > 100 \mid X > 50) = P(X > 50) = e^{-50\lambda}$(无记忆性)
|
||||
> **考点**:指数分布无记忆性 + 条件概率。
|
||||
|
||||
#### 🔗 与其他章节的衔接
|
||||
|
||||
| 本章概念 | Ch03 对应 | Ch04 对应 | Ch05 对应 |
|
||||
|---------|----------|----------|----------|
|
||||
| 分布律 $P(X=x_k)$ | 联合分布律 $P(X=x, Y=y)$ | $E(X) = \sum x_k p_k$ | 大数定律 |
|
||||
| 密度 $f(x)$ | 联合密度 $f(x,y)$ | $E(X) = \int xf(x) dx$ | 中心极限定理 |
|
||||
| 分布函数 $F(x)$ | 边缘 $F_X(x) = F(x, +\infty)$ | $F$ 与数字特征 | 经验分布 |
|
||||
| 标准化 $Z=(X-\mu)/\sigma$ | 二维正态标准化 | $\bar{X}$ 的标准化 | CLT 标准形式 |
|
||||
|
||||
---
|
||||
|
||||
### 【终极母题推荐】
|
||||
|
||||
> **题目**:设随机变量 $X$ 的密度函数为
|
||||
> $$f(x) = \begin{cases} cx, & 0 \le x \le 1 \\ 0, & \text{其他} \end{cases}$$
|
||||
>
|
||||
> (1) 求常数 $c$;
|
||||
> (2) 求 $X$ 的分布函数 $F(x)$;
|
||||
> (3) 求 $Y = -\ln X$ 的密度函数 $f_Y(y)$。
|
||||
|
||||
**此题融合**:
|
||||
- **连续型密度的归一性**(求 $c$)
|
||||
- **分布函数 $F(x)$** 的分段计算
|
||||
- **$Y = g(X)$ 单调函数公式**($Y = -\ln X$ 是严格单调递减)
|
||||
- **概率论三大核心技法**(积分 / 分段 / 变量替换)
|
||||
|
||||
**标准解法**:
|
||||
|
||||
(1) **归一性**求 $c$:
|
||||
$$
|
||||
1 = \int_0^1 cx\, dx = \frac{c}{2} \Rightarrow c = 2
|
||||
$$
|
||||
|
||||
(2) **分布函数**(分段):
|
||||
$$
|
||||
F(x) = \begin{cases} 0, & x < 0 \\ x^2, & 0 \le x < 1 \\ 1, & x \ge 1 \end{cases}
|
||||
$$
|
||||
|
||||
(3) **单调公式**:$Y = -\ln X$ 在 $(0,1)$ 上严格递减。
|
||||
- $y \ge 0$(因 $X \in (0,1)$,$-\ln X \in (0, +\infty)$)
|
||||
- 反函数:$x = e^{-y}$,$(g^{-1})'(y) = -e^{-y}$
|
||||
$$
|
||||
f_Y(y) = f_X(e^{-y}) \cdot |-e^{-y}| = 2 e^{-y} \cdot e^{-y} = 2 e^{-2y}, \quad y > 0
|
||||
$$
|
||||
|
||||
**结论**:$Y \sim E(2)$(指数分布)。
|
||||
|
||||
**为什么这是"终极母题"**:
|
||||
✅ 连续型密度的**归一性** → 求参数
|
||||
✅ **分布函数** $F(x)$ 的**分段构造** → 本章核心
|
||||
✅ **单调函数公式** → $Y = g(X)$ 章节核心
|
||||
✅ 综合了"积分 → 分段 → 变量替换"三大技法
|
||||
|
||||
**🔗 这道题的延伸方向**:
|
||||
- Ch04:求 $E(X), D(X), E(Y), D(Y)$
|
||||
- Ch05:$X_1, \ldots, X_n$ i.i.d. 求 $\bar{X}$ 的渐近分布
|
||||
- Ch08:估计参数 $c$ 的最大似然估计
|
||||
|
||||
**这道题做完且理解透彻 → 本章"通关"。**
|
||||
|
||||
---
|
||||
|
||||
> **下一步**:完成后可进入 [[Ch03_多维随机变量及其分布/Ch03_Multivariate_Random_Variables|Ch03 多维随机变量及其分布]],单变量将升级为联合分布、边缘分布和条件分布。
|
||||
@@ -0,0 +1,132 @@
|
||||
# 题型一:分布律与分布函数的关系
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题目给出**离散型分布律**,要求画 $F(x)$ 或求某点 $F(a)$
|
||||
- 题目给出**阶梯型 $F(x)$**,要求还原**分布律**(即找跳跃点和跳跃高度)
|
||||
- 题目问"$P(X \le a)$" 或 "$P(X > a)$",要求用 $F(x)$ 表达
|
||||
- 题干含"分布律"、"分布函数"、"阶梯函数"等关键字
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[已知条件] --> B{离散型?}
|
||||
B -->|是| C[1. 列出 X 的取值 x1<x2<...<xn]
|
||||
C --> D[2. F x = Σ pk, 其中 xk ≤ x]
|
||||
D --> E[3. 分段表达: 每段写常数]
|
||||
B -->|否| F[题目给 F x, 求分布律]
|
||||
F --> G[1. 找 F 的所有跳跃点 = xk]
|
||||
G --> H[2. 跳跃高度 = P X=xk]
|
||||
H --> I[3. 验证 Σ pk = 1]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、由分布律画 $F(x)$(**离散 → 阶梯函数**)
|
||||
|
||||
**步骤**:
|
||||
1. 把 $x_k$ 按**从小到大**排列
|
||||
2. 在每个 $x_k$ 处画一个**跳**,高度 $= p_k$
|
||||
3. 在 $x_1$ 之前 $F(x) = 0$,在 $x_n$ 之后 $F(x) = 1$
|
||||
4. 跳跃点取**右极限**(右连续!)
|
||||
|
||||
**通式**:
|
||||
$$
|
||||
F(x) = \sum_{x_k \le x} p_k = \begin{cases} 0, & x < x_1 \\ \sum_{i=1}^k p_i, & x_k \le x < x_{k+1} \\ 1, & x \ge x_n \end{cases}
|
||||
$$
|
||||
|
||||
*极简例子:* $X$ 取值 $\{0, 1, 2\}$,概率 $\{1/4, 1/2, 1/4\}$。
|
||||
|
||||
$$
|
||||
F(x) = \begin{cases} 0, & x < 0 \\ 1/4, & 0 \le x < 1 \\ 3/4, & 1 \le x < 2 \\ 1, & x \ge 2 \end{cases}
|
||||
$$
|
||||
|
||||
> 🔑 **右连续规则**:$F(0) = 1/4$(取右极限),$F(0^-) = 0$(取左极限)。**离散型 $F$ 必有跳跃,跳跃点为取值点**。
|
||||
|
||||
### 二、由 $F(x)$ 还原分布律(**阶梯 → 离散**)
|
||||
|
||||
**步骤**:
|
||||
1. 找 $F$ 的**所有跳跃点** $\Rightarrow$ 即 $X$ 的取值
|
||||
2. 计算**跳跃高度** $P(X = x_k) = F(x_k) - F(x_k^-)$
|
||||
3. 验证 $\sum p_k = 1$
|
||||
|
||||
*极简例子:* 已知
|
||||
$$
|
||||
F(x) = \begin{cases} 0, & x < 1 \\ 1/3, & 1 \le x < 2 \\ 5/6, & 2 \le x < 3 \\ 1, & x \ge 3 \end{cases}
|
||||
$$
|
||||
|
||||
- 跳跃点:$1, 2, 3$
|
||||
- $P(X=1) = 1/3 - 0 = 1/3$
|
||||
- $P(X=2) = 5/6 - 1/3 = 1/2$
|
||||
- $P(X=3) = 1 - 5/6 = 1/6$
|
||||
- 验证:$1/3 + 1/2 + 1/6 = 1$ ✓
|
||||
|
||||
### 三、用 $F(x)$ 求概率
|
||||
|
||||
$$
|
||||
P(X \le a) = F(a), \quad P(X > a) = 1 - F(a), \quad P(a < X \le b) = F(b) - F(a)
|
||||
$$
|
||||
|
||||
> ⚠️ 注意开闭区间:$P(X < a) = F(a^-)$,$P(X = a) = F(a) - F(a^-)$
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **左开右闭 vs 左闭右开**:$P(a \le X \le b) = F(b) - F(a^-)$,而 $P(a < X \le b) = F(b) - F(a)$
|
||||
- **右连续写错**:$F(x_k)$ 应为 $F(x_k^+)$(右极限),而不是 $F(x_k^-)$
|
||||
- **分布律不归一**:还原分布律后必须验证 $\sum p_k = 1$,否则 $F$ 不构成合法分布函数
|
||||
- **混淆连续和离散**:连续型 $F$ 一定连续(没有跳跃),离散型 $F$ 必有跳跃
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目 1(由分布律求 $F(x)$)**:设 $X$ 的分布律为 $P(X = k) = \dfrac{1}{2^k}$,$k = 1, 2, 3, \ldots$。求 $F(x)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**第一步**:验证归一性:$\sum_{k=1}^{\infty} \dfrac{1}{2^k} = 1$ ✓
|
||||
|
||||
**第二步**:分段写 $F(x)$:
|
||||
- $x < 1$:$F(x) = 0$
|
||||
- $1 \le x < 2$:$F(x) = P(X=1) = 1/2$
|
||||
- $2 \le x < 3$:$F(x) = P(X \le 2) = 1/2 + 1/4 = 3/4$
|
||||
- $k \le x < k+1$:$F(x) = \sum_{i=1}^k \dfrac{1}{2^i} = 1 - \dfrac{1}{2^k}$
|
||||
|
||||
**通式**:
|
||||
$$
|
||||
F(x) = \begin{cases} 0, & x < 1 \\ 1 - \dfrac{1}{2^k}, & k \le x < k+1, \, k = 1, 2, \ldots \\ 1, & x \ge \infty \end{cases}
|
||||
$$
|
||||
|
||||
**复盘**:本题关键是发现几何级数求和:$\sum_{i=1}^k \dfrac{1}{2^i} = 1 - \dfrac{1}{2^k}$。
|
||||
|
||||
---
|
||||
|
||||
> **题目 2(由 $F(x)$ 还原分布律)**:设随机变量 $X$ 的分布函数为
|
||||
> $$
|
||||
> F(x) = \begin{cases} 0, & x < 0 \\ 1/2, & 0 \le x < 1 \\ 7/10, & 1 \le x < 2 \\ 1, & x \ge 2 \end{cases}
|
||||
> $$
|
||||
> 求 $X$ 的分布律。
|
||||
|
||||
**解析**:
|
||||
|
||||
**第一步**:找跳跃点 $0, 1, 2$。
|
||||
|
||||
**第二步**:计算跳跃高度:
|
||||
- $P(X = 0) = F(0) - F(0^-) = 1/2 - 0 = 1/2$
|
||||
- $P(X = 1) = F(1) - F(1^-) = 7/10 - 1/2 = 2/10 = 1/5$
|
||||
- $P(X = 2) = F(2) - F(2^-) = 1 - 7/10 = 3/10$
|
||||
|
||||
**第三步**:验证 $\sum p_k = 1/2 + 1/5 + 3/10 = 5/10 + 2/10 + 3/10 = 1$ ✓
|
||||
|
||||
**分布律**:
|
||||
|
||||
| $X$ | 0 | 1 | 2 |
|
||||
|-----|---|---|---|
|
||||
| $P$ | $1/2$ | $1/5$ | $3/10$ |
|
||||
|
||||
**复盘**:核心就是 $F$ 在每个跳跃点的"左右极限之差"。**一定要记得 $F(0) = 1/2$(不是 $0$),因为离散型 $F$ 是右连续的**。
|
||||
|
||||
---
|
||||
|
||||
> **变式(连续型对比)**:若 $X \sim U(0,1)$,则
|
||||
> $$F(x) = \begin{cases} 0, & x < 0 \\ x, & 0 \le x \le 1 \\ 1, & x > 1 \end{cases}$$
|
||||
> **无跳跃点**(连续型 $F$ 无跳跃)→ **不存在 $P(X = a) > 0$**。这是判断连续 vs 离散的核心特征。
|
||||
@@ -0,0 +1,195 @@
|
||||
# 题型二:常见离散分布 ⭐⭐⭐
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题干出现"**独立重复** $n$ 次" → 二项分布 $B(n,p)$
|
||||
- 题干出现"**单位时间/面积/体积内事件数**" → 泊松分布 $P(\lambda)$
|
||||
- 题干出现"**首次成功**所需次数" → 几何分布 $G(p)$
|
||||
- 题干出现"**不放回抽样**" → 超几何分布 $H(N,M,n)$
|
||||
- 题干出现"**成功/失败**"两类结果 → 0-1 分布 $B(1,p)$
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别场景] --> B{两类结果?}
|
||||
B -->|单次| C[0-1 分布 B 1,p]
|
||||
B -->|n次独立重复| D[二项分布 B n,p]
|
||||
B -->|不放回抽样| E[超几何 H N,M,n]
|
||||
A --> F{单位时间/空间事件数?}
|
||||
F -->|是| G[泊松分布 P λ]
|
||||
A --> H{首次成功次数?}
|
||||
H -->|是| I[几何分布 G p]
|
||||
D --> J[1. 写公式 pk = Cnk pk 1-p^n-k]
|
||||
E --> K[1. 写公式 pk = CMk CN-M n-k / CNn]
|
||||
G --> L[1. 写公式 pk = λk/k! e^(-λ)]
|
||||
I --> M[1. 写公式 pk = 1-p^k-1 p]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、0-1 分布 $B(1, p)$
|
||||
|
||||
$$
|
||||
P(X = k) = p^k (1-p)^{1-k}, \quad k \in \{0, 1\}
|
||||
$$
|
||||
|
||||
**识别**:单次伯努利试验(成功/失败)
|
||||
|
||||
### 二、二项分布 $B(n, p)$ ⭐⭐⭐(考研核心)
|
||||
|
||||
$$
|
||||
P(X = k) = \binom{n}{k} p^k (1-p)^{n-k}, \quad k = 0, 1, \ldots, n
|
||||
$$
|
||||
|
||||
**识别**:
|
||||
- "**独立**" + "**重复**" + "$n$ **次**" + "每次成功概率 $p$"
|
||||
- 求"成功次数"的概率
|
||||
|
||||
**步骤**:
|
||||
1. 验证独立 + 重复(关键!)
|
||||
2. 写公式,$k$ 是成功次数
|
||||
3. 用组合公式展开
|
||||
4. 计算数值或保留组合形式
|
||||
|
||||
*极简例子:* $X \sim B(3, 0.5)$,$P(X = 2) = C_3^2 (0.5)^2 (0.5) = 3 \times 1/8 = 3/8$
|
||||
|
||||
> 🔑 **判断独立 + 重复的提问**:
|
||||
> - "**每次抽完放回**" ✓ 独立
|
||||
> - "**每次抽完不放回**" ✗ 不独立(若 $n \ll N$ 可视为二项近似)
|
||||
> - "**有放回地抽取**" ✓ 独立
|
||||
|
||||
### 三、泊松分布 $P(\lambda)$ ⭐⭐⭐(考研核心)
|
||||
|
||||
$$
|
||||
P(X = k) = \frac{\lambda^k}{k!} e^{-\lambda}, \quad k = 0, 1, 2, \ldots
|
||||
$$
|
||||
|
||||
**识别**:
|
||||
- "**单位时间**(/面积/体积)内事件发生次数"
|
||||
- 事件"稀疏、独立"(稀疏事件流)
|
||||
- 平均速率 $\lambda$
|
||||
|
||||
**步骤**:
|
||||
1. 确定 $\lambda$(单位时间/面积/体积的平均数)
|
||||
2. 写公式,$k$ 是实际发生次数
|
||||
3. 算 $\lambda^k / k!$ 和 $e^{-\lambda}$
|
||||
|
||||
*极简例子:* 商店平均每小时来 5 个顾客,$X \sim P(5)$,$P(X = 3) = \dfrac{5^3}{3!} e^{-5} = \dfrac{125}{6} e^{-5} \approx 0.1404$
|
||||
|
||||
> 🔑 **泊松定理**(重要近似):
|
||||
> 当 $n \to \infty, p \to 0, np = \lambda$ 时,$B(n,p) \to P(\lambda)$
|
||||
> **应用场景**:$n$ 很大,$p$ 很小("稀疏事件")
|
||||
|
||||
### 四、几何分布 $G(p)$ ⭐⭐
|
||||
|
||||
$$
|
||||
P(X = k) = (1-p)^{k-1} p, \quad k = 1, 2, \ldots
|
||||
$$
|
||||
|
||||
**识别**:
|
||||
- "**首次成功**所需的**次数**"
|
||||
- 独立重复试验,每次成功概率 $p$
|
||||
|
||||
**关键性质**:**无记忆性**
|
||||
$$
|
||||
P(X > m + n \mid X > m) = P(X > n)
|
||||
$$
|
||||
|
||||
*极简例子:* 射击命中率 $p = 0.3$,$P(X = 2) = 0.7 \times 0.3 = 0.21$
|
||||
|
||||
### 五、超几何分布 $H(N, M, n)$
|
||||
|
||||
$$
|
||||
P(X = k) = \frac{\binom{M}{k} \binom{N - M}{n - k}}{\binom{N}{n}}, \quad \max(0, n - (N-M)) \le k \le \min(n, M)
|
||||
$$
|
||||
|
||||
**识别**:
|
||||
- $N$ 件物品中 $M$ 件是"特殊"(次品/正品)
|
||||
- **不放回**抽取 $n$ 件
|
||||
- 求"特殊物品数" $X$
|
||||
|
||||
**步骤**:
|
||||
1. 识别三参数:$N$(总数), $M$(特殊数), $n$(抽取数)
|
||||
2. 写公式:分子 $C_M^k C_{N-M}^{n-k}$,分母 $C_N^n$
|
||||
|
||||
*极简例子:* $N=5, M=2, n=2$,$P(X = 1) = \dfrac{C_2^1 C_3^1}{C_5^2} = \dfrac{6}{10} = 0.6$
|
||||
|
||||
> 🔑 **超几何 vs 二项**:
|
||||
> - **不放回**:超几何
|
||||
> - **放回**:二项
|
||||
> - 当 $n \ll N$ 时,超几何 $\approx$ 二项 $B(n, M/N)$
|
||||
|
||||
### 六、常见分布速查表
|
||||
|
||||
| 分布 | 符号 | 参数 | $E(X)$ | $D(X)$ | 关键场景 |
|
||||
|------|------|------|--------|--------|---------|
|
||||
| 0-1 | $B(1,p)$ | $p$ | $p$ | $p(1-p)$ | 单次试验 |
|
||||
| 二项 | $B(n,p)$ | $n, p$ | $np$ | $np(1-p)$ | 独立重复 $n$ 次 |
|
||||
| 泊松 | $P(\lambda)$ | $\lambda$ | $\lambda$ | $\lambda$ | 稀疏事件流 |
|
||||
| 几何 | $G(p)$ | $p$ | $1/p$ | $(1-p)/p^2$ | 首次成功 |
|
||||
| 超几何 | $H(N,M,n)$ | $N,M,n$ | $nM/N$ | $nM(N-M)(N-n)/(N^2(N-1))$ | 不放回抽样 |
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **泊松 $\lambda$ 是"速率"**:题目要仔细看是"每小时 $\lambda$"还是"每天 $\lambda$",要先**统一单位**
|
||||
- **泊松 vs 二项**:泊松是"事件数"(无穷多可能 $k$),二项是"$n$ 次中成功次数"($k = 0, \ldots, n$)
|
||||
- **超几何 vs 二项**:放回才能用二项;不放回必须用超几何(或当 $n \ll N$ 时近似为二项)
|
||||
- **几何分布无记忆性的误用**:仅适用于"**首次**成功",不适用于"等待时间"
|
||||
- **0-1 分布公式的常见错**:$P(X = 0) = p$,$P(X = 1) = 1 - p$(不是反过来!)
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:某车间有 5 台机床,每台机床的"开动率"为 0.7(即开动概率 0.7,且相互独立)。求:
|
||||
> (1) 5 台机床中恰好 2 台开动的概率;
|
||||
> (2) 5 台机床中至少 2 台开动的概率;
|
||||
> (3) 1 小时内平均有 3 台机床开动时(其他参数不变),求恰有 5 台开动的概率。
|
||||
|
||||
**解析**:
|
||||
|
||||
设 $X$ = "5 台中开动的机床数"。
|
||||
|
||||
**(1)** 5 台独立,每台开动 $p = 0.7$,$X \sim B(5, 0.7)$:
|
||||
$$
|
||||
P(X = 2) = \binom{5}{2} (0.7)^2 (0.3)^3 = 10 \times 0.49 \times 0.027 \approx 0.1323
|
||||
$$
|
||||
|
||||
**(2)** $P(X \ge 2) = 1 - P(X = 0) - P(X = 1)$
|
||||
$$
|
||||
P(X = 0) = (0.3)^5 = 0.00243, \quad P(X = 1) = 5 \times 0.7 \times (0.3)^4 = 0.02835
|
||||
$$
|
||||
$$
|
||||
P(X \ge 2) = 1 - 0.00243 - 0.02835 \approx 0.9692
|
||||
$$
|
||||
|
||||
**(3)** 1 小时内平均开动 3 台 → $X \sim P(3)$:
|
||||
$$
|
||||
P(X = 5) = \frac{3^5}{5!} e^{-3} = \frac{243}{120} e^{-3} = \frac{81}{40} e^{-3} \approx 0.1008
|
||||
$$
|
||||
|
||||
**复盘**:
|
||||
- (1)(2) 用二项分布(独立 + 重复 + 次数固定)
|
||||
- (3) 用泊松分布(单位时间内事件数)
|
||||
|
||||
---
|
||||
|
||||
> **变式 1(不放回抽样)**:100 件产品有 5 件次品,不放回抽 3 件,求次品数 $X$ 的分布。
|
||||
|
||||
**解**:$X \sim H(100, 5, 3)$
|
||||
$$
|
||||
P(X = k) = \frac{\binom{5}{k} \binom{95}{3-k}}{\binom{100}{3}}, \quad k = 0, 1, 2, 3
|
||||
$$
|
||||
|
||||
**注意**:**不放回** → 必用超几何,不能用二项!
|
||||
|
||||
---
|
||||
|
||||
> **变式 2(无记忆性)**:某元件寿命 $X \sim G(p)$,求 $P(X > m + n \mid X > m)$。
|
||||
|
||||
**解**:由无记忆性,$P(X > m + n \mid X > m) = P(X > n) = (1-p)^n$。
|
||||
|
||||
> 口诀速记:
|
||||
> - "**独立重复 $n$ 次**" → 二项
|
||||
> - "**单位时间事件数**" → 泊松
|
||||
> - "**不放回抽样**" → 超几何
|
||||
> - "**首次成功次数**" → 几何
|
||||
@@ -0,0 +1,179 @@
|
||||
# 题型三:分布函数的性质与求解
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题目给一个函数 $F(x)$,问"它**能否**作为某随机变量的分布函数"
|
||||
- 题目给 $F(x)$,要求"**求概率** $P(a < X \le b)$"
|
||||
- 题目给密度 $f(x)$,要求"**求分布函数** $F(x)$"
|
||||
- 题干含"验证"、"判断"、"$\lim$"、"右连续"、"单调"等关键词
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[题目要求] --> B{验证 F 是合法分布函数?}
|
||||
B -->|验证| C[1. 单调非减: F x1 ≤ F x2 if x1 < x2]
|
||||
C --> D[2. 有界: 0 ≤ F ≤ 1, F -∞ = 0, F +∞ = 1]
|
||||
D --> E[3. 右连续: F x+ = F x]
|
||||
E --> F[是: 合法 / 否: 不合法]
|
||||
A --> G{已知 f x 求 F x?}
|
||||
G --> H[F x = ∫ -∞ to x f t dt, 分段计算]
|
||||
A --> I{已知 F x 求 P?}
|
||||
I --> J[P a < X ≤ b = F b - F a]
|
||||
I --> K[P X = a = F a - F a-]
|
||||
I --> L[P X > a = 1 - F a]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、分布函数的**4 条核心性质**
|
||||
|
||||
| # | 性质 | 公式 | 几何含义 |
|
||||
|---|------|------|---------|
|
||||
| 1 | **单调非减** | $x_1 < x_2 \Rightarrow F(x_1) \le F(x_2)$ | 不会"倒退" |
|
||||
| 2 | **有界** | $0 \le F(x) \le 1$ | 上下界 |
|
||||
| 3 | **极限** | $F(-\infty) = 0, F(+\infty) = 1$ | 渐近线 |
|
||||
| 4 | **右连续** | $F(x_0^+) = F(x_0)$ | 跳跃点在 $x_0$,但 $F(x_0)$ 取右极限 |
|
||||
|
||||
> 🔑 **4 条性质必须同时满足**,缺一不可!
|
||||
|
||||
### 二、判断 $F(x)$ 是否合法(**考研常见选择题**)
|
||||
|
||||
**步骤**:
|
||||
1. **有界性**:$\lim_{x \to -\infty} F(x) = 0$ 且 $\lim_{x \to +\infty} F(x) = 1$
|
||||
2. **单调性**:$F(x_1) \le F(x_2)$(当 $x_1 < x_2$)
|
||||
3. **右连续**:$F(x_0) = \lim_{x \to x_0^+} F(x)$
|
||||
|
||||
*极简例子:* 设 $F(x) = \dfrac{1}{1 + x^2}$,能否作为分布函数?
|
||||
- $F(-\infty) = 0$ ✓
|
||||
- $F(+\infty) = 0$ ✗(应为 1)→ **不合法**!
|
||||
|
||||
### 三、由 $F(x)$ 求概率
|
||||
|
||||
$$
|
||||
P(a < X \le b) = F(b) - F(a)
|
||||
$$
|
||||
|
||||
**特殊情况**:
|
||||
$$
|
||||
P(X = a) = F(a) - F(a^-) \quad \text{(跳跃高度)}
|
||||
$$
|
||||
$$
|
||||
P(X > a) = 1 - F(a) \quad \text{(右尾)}
|
||||
$$
|
||||
$$
|
||||
P(X \le a) = F(a) \quad \text{(左尾)}
|
||||
$$
|
||||
$$
|
||||
P(X < a) = F(a^-) \quad \text{(左极限)}
|
||||
$$
|
||||
|
||||
*极简例子:* $X \sim B(3, 0.5)$,求 $P(1 < X \le 3)$。
|
||||
- $P(X = 0) = 1/8, P(X = 1) = 3/8, P(X = 2) = 3/8, P(X = 3) = 1/8$
|
||||
- $P(1 < X \le 3) = P(X = 2) + P(X = 3) = 3/8 + 1/8 = 1/2$
|
||||
|
||||
或用 $F$:$F(3) = 1, F(1) = 4/8 = 1/2$
|
||||
- $P(1 < X \le 3) = F(3) - F(1) = 1 - 1/2 = 1/2$ ✓
|
||||
|
||||
### 四、由密度 $f(x)$ 求 $F(x)$
|
||||
|
||||
$$
|
||||
F(x) = \int_{-\infty}^x f(t)\, dt
|
||||
$$
|
||||
|
||||
**步骤**:
|
||||
1. 确定 $f(t)$ 的非零区间
|
||||
2. 分段积分:$x$ 在不同区间时,积分上下限不同
|
||||
3. 化简
|
||||
|
||||
*极简例子:* $f(x) = \begin{cases} x/2, & 0 \le x \le 2 \\ 0, & \text{其他} \end{cases}$
|
||||
|
||||
$$
|
||||
F(x) = \begin{cases} 0, & x < 0 \\ \int_0^x t/2\, dt = x^2/4, & 0 \le x < 2 \\ 1, & x \ge 2 \end{cases}
|
||||
$$
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **"非负性"vs"单调性"**:$F$ 一定单调非减,但**可以有平台(导数为 0)**,只是不能"下降"
|
||||
- **$F(-\infty) = 0, F(+\infty) = 1$ 必须同时验证**:很多题目只验证一个
|
||||
- **左开 vs 右闭**:$P(a < X \le b) = F(b) - F(a)$ 而**不是** $F(b) - F(a^-)$
|
||||
- **离散型 $F$ 必有跳跃**:跳跃点对应 $X$ 的取值,连续型 $F$ 无跳跃
|
||||
- **$F(x)$ 是分段函数时**:必须每段验证性质(特别是右连续)
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目 1(验证合法性)**:下列哪个函数能作为随机变量的分布函数?
|
||||
>
|
||||
> (A) $F(x) = \dfrac{1}{1 + x^2}$,$x \in \mathbb{R}$
|
||||
>
|
||||
> (B) $F(x) = \begin{cases} 0, & x < 0 \\ x/2, & 0 \le x < 2 \\ 1, & x \ge 2 \end{cases}$
|
||||
>
|
||||
> (C) $F(x) = \begin{cases} 0, & x < 0 \\ \sin x, & 0 \le x < \pi \\ 1, & x \ge \pi \end{cases}$
|
||||
|
||||
**解析**:
|
||||
|
||||
**(A) 验证**:
|
||||
- $F(-\infty) = 0$ ✓
|
||||
- $F(+\infty) = 0 \ne 1$ ✗ → **不合法**
|
||||
|
||||
**(B) 验证**:
|
||||
- 单调非减 ✓($0 \to 2$ 递增,$x \ge 2$ 恒为 1)
|
||||
- $F(-\infty) = 0, F(+\infty) = 1$ ✓
|
||||
- 右连续 ✓(在 $x=0$ 和 $x=2$ 处均右连续)
|
||||
- → **合法**
|
||||
|
||||
**(C) 验证**:
|
||||
- 单调性:在 $[0, \pi/2]$ 上 $\sin x$ 递增;在 $[\pi/2, \pi]$ 上 $\sin x$ 递减 → **不单调** ✗
|
||||
- → **不合法**
|
||||
|
||||
**答案**:(B)。
|
||||
|
||||
---
|
||||
|
||||
> **题目 2(由 $F$ 求概率)**:已知 $X$ 的分布函数为
|
||||
> $$F(x) = \begin{cases} 0, & x < 0 \\ x/2, & 0 \le x < 1 \\ 1/2, & 1 \le x < 2 \\ 1, & x \ge 2 \end{cases}$$
|
||||
> 求 $P(X = 1)$, $P(0.5 < X \le 1.5)$, $P(X > 2)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
- **$P(X = 1)$**:跳跃高度
|
||||
$$P(X = 1) = F(1) - F(1^-) = 1/2 - 1/2 = 0$$
|
||||
|
||||
> ⚠️ 注意:$F(1^-) = \lim_{x \to 1^-} x/2 = 1/2$,$F(1) = 1/2$。**$X$ 在 $1$ 处无取值!**
|
||||
|
||||
- **$P(0.5 < X \le 1.5)$**:
|
||||
$$P(0.5 < X \le 1.5) = F(1.5) - F(0.5) = 1/2 - 1/4 = 1/4$$
|
||||
|
||||
- **$P(X > 2)$**:
|
||||
$$P(X > 2) = 1 - F(2) = 1 - 1 = 0$$
|
||||
|
||||
**复盘**:
|
||||
- $F$ 在 $x = 1$ 处是**平台**(导数为 0),不是跳跃 → $X$ 不取 $1$
|
||||
- $X$ 的实际取值点:$0, 2$(看 $F$ 的跳跃点)
|
||||
- $P(X = 0) = F(0) - F(0^-) = 0 - 0 = 0$?等等!
|
||||
|
||||
**修正**:仔细看 $F$:
|
||||
- $x < 0$:$F = 0$
|
||||
- $0 \le x < 1$:$F = x/2$(在 $0$ 处跳到 $0$,在 $1^-$ 处为 $1/2$)
|
||||
|
||||
所以 $P(X = 0) = F(0) - F(0^-) = 0 - 0 = 0$?但 $F(0^-) = 0, F(0) = 0$……
|
||||
|
||||
**正确解读**:
|
||||
- $F(0^-) = 0$,$F(0) = 0/2 = 0$ → $P(X = 0) = 0$
|
||||
- $F(1^-) = 1/2$,$F(1) = 1/2$ → $P(X = 1) = 0$
|
||||
- $F(2^-) = 1/2$,$F(2) = 1$ → $P(X = 2) = 1/2$
|
||||
|
||||
那 $1/2$ 的概率去哪了?哦,$X$ 在 $(0, 1)$ 内有**连续分布**!
|
||||
|
||||
> 这种情况就是**混合型**:$X$ 在 $x = 2$ 处有 $1/2$ 的概率,其余 $(0, 1)$ 上是连续的。$f(x) = F'(x) = 1/2$,$x \in (0, 1)$。
|
||||
|
||||
---
|
||||
|
||||
> **变式(已知 $f$ 求 $F$)**:设 $X$ 的密度为
|
||||
> $$f(x) = \begin{cases} 2x, & 0 \le x \le 1 \\ 0, & \text{其他} \end{cases}$$
|
||||
> 求 $F(x)$。
|
||||
|
||||
**解**:
|
||||
$$
|
||||
F(x) = \begin{cases} 0, & x < 0 \\ \int_0^x 2t\, dt = x^2, & 0 \le x < 1 \\ 1, & x \ge 1 \end{cases}
|
||||
$$
|
||||
@@ -0,0 +1,188 @@
|
||||
# 题型四:连续型分布与密度函数 ⭐⭐⭐
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题干出现"**均匀分布**"、区间 $[a,b]$ 上的等可能 → $U(a,b)$
|
||||
- 题干出现"**指数分布**"、寿命/等待时间、失效率 $\lambda$ → $E(\lambda)$
|
||||
- 题干出现"**正态分布**"、钟形曲线、$N(\mu, \sigma^2)$ → 标准正态化
|
||||
- 题目要求**求密度**(已知 $F$ 求 $f$)或**求概率**(已知 $f$ 求 $P$)
|
||||
- 题目要求**求参数**(已知 $\int f = 1$)
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[连续型问题] --> B{已知什么?}
|
||||
B -->|已知密度 f x| C[1. 验证归一性 ∫f dx=1]
|
||||
C --> D[2. 求概率 P a<X<b = ∫ f dx]
|
||||
B -->|已知 F x| E[1. f x = F' x 在 F 可导处]
|
||||
B -->|已知类型 U/E/N| F[1. 套公式]
|
||||
F --> G[均匀: f=1/b-a]
|
||||
F --> H[指数: f=λe^(-λx), x≥0]
|
||||
F --> I[正态: f 钟形曲线]
|
||||
B --> J{求什么?}
|
||||
J -->|求参数| K[用 ∫f dx=1 解方程]
|
||||
J -->|求概率| L[积分或标准化]
|
||||
J -->|求 F x| M[F x = ∫ -∞ to x f t dt]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、均匀分布 $U(a, b)$ ⭐⭐
|
||||
|
||||
$$
|
||||
f(x) = \begin{cases} \dfrac{1}{b-a}, & a \le x \le b \\ 0, & \text{其他} \end{cases}
|
||||
$$
|
||||
|
||||
**特征**:"在 $[a,b]$ 上**等可能**" → 密度为常数。
|
||||
|
||||
**分布函数**:
|
||||
$$
|
||||
F(x) = \begin{cases} 0, & x < a \\ \dfrac{x-a}{b-a}, & a \le x \le b \\ 1, & x > b \end{cases}
|
||||
$$
|
||||
|
||||
**关键性质**:$X \sim U(a,b)$,则 $P(c \le X \le d) = \dfrac{d - c}{b - a}$(区间长度比)
|
||||
|
||||
*极简例子:* $X \sim U(0, 2)$,求 $P(0.5 < X < 1.5)$
|
||||
$$
|
||||
P = \frac{1.5 - 0.5}{2 - 0} = \frac{1}{2}
|
||||
$$
|
||||
|
||||
### 二、指数分布 $E(\lambda)$ ⭐⭐⭐
|
||||
|
||||
$$
|
||||
f(x) = \begin{cases} \lambda e^{-\lambda x}, & x \ge 0 \\ 0, & x < 0 \end{cases}
|
||||
$$
|
||||
|
||||
**特征**:
|
||||
- $x \ge 0$(**非负**)
|
||||
- 衰减曲线
|
||||
- 失效率 / 寿命 / 等待时间
|
||||
|
||||
**分布函数**:
|
||||
$$
|
||||
F(x) = \begin{cases} 1 - e^{-\lambda x}, & x \ge 0 \\ 0, & x < 0 \end{cases}
|
||||
$$
|
||||
|
||||
**关键性质**:**无记忆性**
|
||||
$$
|
||||
P(X > s + t \mid X > s) = P(X > t) = e^{-\lambda t}
|
||||
$$
|
||||
|
||||
*极简例子:* 元件寿命 $X \sim E(0.01)$(平均寿命 $100$ 小时),求 $P(X > 200)$
|
||||
$$
|
||||
P(X > 200) = 1 - F(200) = e^{-0.01 \times 200} = e^{-2} \approx 0.1353
|
||||
$$
|
||||
|
||||
### 三、正态分布 $N(\mu, \sigma^2)$ ⭐⭐⭐(详见 题型 5)
|
||||
|
||||
**特征**:
|
||||
- 钟形对称曲线
|
||||
- 关于 $x = \mu$ 对称
|
||||
- $\sigma$ 越大曲线越"扁"
|
||||
- $\mu = 0, \sigma = 1$ 为标准正态 $N(0,1)$
|
||||
|
||||
**核心公式**:
|
||||
$$
|
||||
f(x) = \frac{1}{\sqrt{2\pi} \sigma} e^{-\frac{(x - \mu)^2}{2\sigma^2}}
|
||||
$$
|
||||
|
||||
### 四、求密度函数的标准流程
|
||||
|
||||
**已知 $f(x)$ 求参数**:
|
||||
1. 写出归一性 $\int f(x) dx = 1$
|
||||
2. 列出方程,求未知参数
|
||||
|
||||
**已知 $F(x)$ 求 $f(x)$**:
|
||||
1. 在 $F$ 可导处,$f(x) = F'(x)$
|
||||
2. 在 $F$ 不可导处(连续点),$f(x) = 0$
|
||||
3. 注意:连续型 $F$ 连续可导(除去有限个点)
|
||||
|
||||
*极简例子:* 设 $f(x) = \begin{cases} kx^2, & 0 \le x \le 1 \\ 0, & \text{其他} \end{cases}$,求 $k$。
|
||||
|
||||
$$
|
||||
1 = \int_0^1 kx^2 dx = \frac{k}{3} \Rightarrow k = 3
|
||||
$$
|
||||
|
||||
### 五、求概率的标准流程
|
||||
|
||||
$$
|
||||
P(a \le X \le b) = \int_a^b f(x) dx
|
||||
$$
|
||||
|
||||
**分段积分**:$f$ 在不同区间表达式不同时,积分要分段。
|
||||
|
||||
*极简例子:* $f(x) = \begin{cases} 2x, & 0 \le x \le 1 \\ 0, & \text{其他} \end{cases}$,求 $P(0.3 < X < 0.7)$
|
||||
$$
|
||||
P = \int_{0.3}^{0.7} 2x\, dx = x^2 \Big|_{0.3}^{0.7} = 0.49 - 0.09 = 0.40
|
||||
$$
|
||||
|
||||
### 六、三大分布对照表
|
||||
|
||||
| 分布 | 密度形状 | 取值范围 | 关键参数 | 关键性质 |
|
||||
|------|---------|---------|---------|---------|
|
||||
| $U(a,b)$ | 矩形 | $[a,b]$ | $a, b$ | 区间内常数 |
|
||||
| $E(\lambda)$ | 衰减曲线 | $[0, +\infty)$ | $\lambda$ | 无记忆性 |
|
||||
| $N(\mu, \sigma^2)$ | 钟形对称 | $(-\infty, +\infty)$ | $\mu, \sigma$ | 标准化 |
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **均匀分布"开闭区间"**:$f$ 在 $a, b$ 处的取值($1/(b-a)$ 或 $0$)不影响概率(单点概率为 0)
|
||||
- **指数分布 $x \ge 0$ 限制**:$f(x) = \lambda e^{-\lambda x}$ 仅在 $x \ge 0$ 时成立,$x < 0$ 时 $f = 0$
|
||||
- **正态参数识别**:$N(\mu, \sigma^2)$ 中**方差是 $\sigma^2$**(不是 $\sigma$!),$\sigma$ 是标准差
|
||||
- **求密度时漏写"其他 = 0"**:必须明确写分段,$f(x)$ 在范围外是 0
|
||||
- **分段积分的边界**:积分上下限要严格对应 $f$ 的非零区间
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设 $X$ 的密度函数为
|
||||
> $$f(x) = \begin{cases} cx^2, & 1 \le x \le 2 \\ 0, & \text{其他} \end{cases}$$
|
||||
>
|
||||
> (1) 求常数 $c$;
|
||||
> (2) 求 $X$ 的分布函数 $F(x)$;
|
||||
> (3) 求 $P(1.5 < X < 1.8)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**(1) 用归一性求 $c$**:
|
||||
$$
|
||||
1 = \int_1^2 cx^2 dx = c \cdot \frac{x^3}{3}\Big|_1^2 = c \left(\frac{8}{3} - \frac{1}{3}\right) = \frac{7c}{3}
|
||||
$$
|
||||
$$
|
||||
\Rightarrow c = \frac{3}{7}
|
||||
$$
|
||||
|
||||
**(2) 分段求 $F(x)$**:
|
||||
- $x < 1$:$F(x) = 0$
|
||||
- $1 \le x < 2$:
|
||||
$$F(x) = \int_1^x \frac{3}{7} t^2 dt = \frac{t^3}{7}\Big|_1^x = \frac{x^3 - 1}{7}$$
|
||||
- $x \ge 2$:$F(x) = 1$
|
||||
|
||||
**(3) 求概率**:
|
||||
$$
|
||||
P(1.5 < X < 1.8) = F(1.8) - F(1.5) = \frac{1.8^3 - 1}{7} - \frac{1.5^3 - 1}{7} = \frac{5.832 - 2.375}{7} = \frac{3.457}{7} \approx 0.494
|
||||
$$
|
||||
|
||||
或直接积分:
|
||||
$$
|
||||
P = \int_{1.5}^{1.8} \frac{3}{7} x^2 dx = \frac{x^3}{7}\Big|_{1.5}^{1.8} = \frac{5.832 - 3.375}{7} = \frac{2.457}{7} \approx 0.351
|
||||
$$
|
||||
|
||||
**复盘**:
|
||||
- 第 (1) 步用归一性 $\int f = 1$ → 方程 → 解 $c$
|
||||
- 第 (2) 步分段积分:每个区间单独写公式
|
||||
- 第 (3) 步两种方法等价:积分 or 用 $F$
|
||||
|
||||
---
|
||||
|
||||
> **变式(混合型)**:设
|
||||
> $$f(x) = \begin{cases} c(1 - x), & 0 \le x \le 1 \\ 0, & \text{其他} \end{cases}$$
|
||||
> 求 $c$ 和 $P(X > 0.5)$。
|
||||
|
||||
**解**:
|
||||
$$
|
||||
1 = \int_0^1 c(1 - x) dx = c \left[x - \frac{x^2}{2}\right]_0^1 = c \cdot \frac{1}{2} \Rightarrow c = 2
|
||||
$$
|
||||
$$
|
||||
P(X > 0.5) = \int_{0.5}^1 2(1 - x) dx = 2 \left[x - \frac{x^2}{2}\right]_{0.5}^1 = 2(0.5 - 0.375) = 0.25
|
||||
$$
|
||||
@@ -0,0 +1,190 @@
|
||||
# 题型五:正态分布的计算 ⭐⭐⭐
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题干出现"**正态分布**"、"**高斯分布**"、$N(\mu, \sigma^2)$
|
||||
- 题目要求**求概率** $P(a < X < b)$
|
||||
- 题目要求**求分位数**(已知 $P(X > a) = \alpha$,求 $a$)
|
||||
- 题干出现"$\Phi$"、"标准化"、"查表"
|
||||
- 题目涉及"区间估计"、"假设检验"(衔接 Ch06)
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[正态分布问题] --> B{已知 N μ σ²}
|
||||
B --> C[1. 标准化 Z = X-μ/σ]
|
||||
C --> D[2. P a<X<b = Φ b-μ/σ - Φ a-μ/σ]
|
||||
D --> E[3. Φ -x = 1 - Φ x 处理负号]
|
||||
E --> F[4. 查 Φ 表得数值]
|
||||
A --> G{已知 P X > a = α}
|
||||
G --> H[1. P X > a = 1 - Φ a-μ/σ = α]
|
||||
H --> I[2. Φ a-μ/σ = 1-α]
|
||||
I --> J[3. 查 Φ 表反查分位数]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、标准正态分布 $N(0, 1)$ 的三大性质 ⭐⭐⭐
|
||||
|
||||
**密度**:$\varphi(x) = \dfrac{1}{\sqrt{2\pi}} e^{-x^2/2}$
|
||||
|
||||
**分布**:$\Phi(x) = \displaystyle\int_{-\infty}^x \varphi(t) dt$
|
||||
|
||||
**性质**:
|
||||
1. **$\varphi(-x) = \varphi(x)$**(**偶函数**)
|
||||
2. **$\Phi(-x) = 1 - \Phi(x)$**(**反对称性**——最重要!)
|
||||
3. **$\Phi(0) = 0.5$**
|
||||
|
||||
### 二、标准化(任何 $N(\mu, \sigma^2)$ → $N(0,1)$)
|
||||
|
||||
$$
|
||||
X \sim N(\mu, \sigma^2) \Rightarrow Z = \frac{X - \mu}{\sigma} \sim N(0, 1)
|
||||
$$
|
||||
|
||||
$$
|
||||
P(a < X < b) = \Phi\!\left(\frac{b - \mu}{\sigma}\right) - \Phi\!\left(\frac{a - \mu}{\sigma}\right)
|
||||
$$
|
||||
|
||||
> 🔑 **核心口诀**:"**减均值,除以标准差**"
|
||||
|
||||
*极简例子:* $X \sim N(10, 4)$,求 $P(8 < X < 14)$
|
||||
$$
|
||||
P = \Phi\!\left(\frac{14-10}{2}\right) - \Phi\!\left(\frac{8-10}{2}\right) = \Phi(2) - \Phi(-1)
|
||||
$$
|
||||
$$
|
||||
= \Phi(2) - (1 - \Phi(1)) = \Phi(2) + \Phi(1) - 1 \approx 0.9772 + 0.8413 - 1 = 0.8185
|
||||
$$
|
||||
|
||||
### 三、必背的 $\Phi$ 表值(速算关键)
|
||||
|
||||
| $x$ | $\Phi(x)$ | $1 - \Phi(x)$ | 应用 |
|
||||
|-----|-----------|---------------|------|
|
||||
| 0 | 0.5000 | 0.5000 | 中位数 |
|
||||
| 1 | 0.8413 | 0.1587 | 68.27% 分位 |
|
||||
| 1.5 | 0.9332 | 0.0668 | 86.64% 分位 |
|
||||
| 1.96 | 0.9750 | 0.0250 | **95% 置信** |
|
||||
| 2 | 0.9772 | 0.0228 | 95.45% 分位 |
|
||||
| 2.58 | 0.9950 | 0.0050 | **99% 置信** |
|
||||
| 3 | 0.9987 | 0.0013 | 99.73% 分位 |
|
||||
|
||||
> 口诀:"**1.96 是 95%,2.58 是 99%**"——置信区间核心点
|
||||
|
||||
### 四、对称区间概率速算(**重要模板**)
|
||||
|
||||
$$
|
||||
P(|X - \mu| < k\sigma) = 2\Phi(k) - 1
|
||||
$$
|
||||
|
||||
| $k$ | $P(\|X - \mu\| < k\sigma)$ |
|
||||
|-----|---------------------------|
|
||||
| 1 | $2\Phi(1) - 1 \approx 0.6826$ |
|
||||
| 2 | $2\Phi(2) - 1 \approx 0.9544$ |
|
||||
| 3 | $2\Phi(3) - 1 \approx 0.9974$ |
|
||||
| 1.96 | $2\Phi(1.96) - 1 = 0.95$ |
|
||||
|
||||
> 这就是 **"68-95-99.7 法则"**(经验法则)
|
||||
|
||||
### 五、求分位数(已知概率反查 $x$)
|
||||
|
||||
**题型**:已知 $P(X > a) = \alpha$,求 $a$。
|
||||
|
||||
**步骤**:
|
||||
1. $1 - \Phi\!\left(\dfrac{a - \mu}{\sigma}\right) = \alpha$
|
||||
2. $\Phi\!\left(\dfrac{a - \mu}{\sigma}\right) = 1 - \alpha$
|
||||
3. 查 $\Phi$ 表反查 $z_\alpha = \Phi^{-1}(1 - \alpha)$
|
||||
4. $\dfrac{a - \mu}{\sigma} = z_\alpha \Rightarrow a = \mu + z_\alpha \sigma$
|
||||
|
||||
*极简例子:* $X \sim N(10, 4)$,求 $a$ 使得 $P(X > a) = 0.05$。
|
||||
|
||||
- $\Phi\!\left(\dfrac{a - 10}{2}\right) = 1 - 0.05 = 0.95$
|
||||
- $\dfrac{a - 10}{2} = 1.645$(查表 $\Phi(1.645) = 0.95$)
|
||||
- $a = 10 + 1.645 \times 2 = 13.29$
|
||||
|
||||
### 六、正态分布的线性变换(**重要性质**)
|
||||
|
||||
若 $X \sim N(\mu, \sigma^2)$,则对任意常数 $a \ne 0, b$:
|
||||
$$
|
||||
Y = aX + b \sim N(a\mu + b, a^2 \sigma^2)
|
||||
$$
|
||||
|
||||
> **核心**:**正态的线性变换仍是正态**,均值和方差按线性变换规则计算。
|
||||
|
||||
*极简例子:* $X \sim N(2, 9)$,求 $Y = 3X + 5$ 的分布。
|
||||
- $Y \sim N(3 \times 2 + 5, 3^2 \times 9) = N(11, 81)$
|
||||
|
||||
### 七、$3\sigma$ 原则(**应用题高频**)
|
||||
|
||||
> 在 $N(\mu, \sigma^2)$ 中:
|
||||
> - $P(|X - \mu| < \sigma) \approx 68.27\%$
|
||||
> - $P(|X - \mu| < 2\sigma) \approx 95.45\%$
|
||||
> - $P(|X - \mu| < 3\sigma) \approx 99.73\%$
|
||||
|
||||
**应用**:产品质量控制($3\sigma$ 原则),超出 $3\sigma$ 的概率 $< 0.3\%$,视为异常。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **标准化忘除 $\sigma$**:必须除以 $\sigma$,不是除以 $\sigma^2$!
|
||||
- **$\Phi(-x) = 1 - \Phi(x)$ 的反向误用**:$\Phi(-x) \ne \Phi(x)$!
|
||||
- **方差 vs 标准差**:$N(\mu, \sigma^2)$ 中是**方差**,标准差要开方
|
||||
- **查表的方向**:$\Phi$ 表是**正数表**,负数要转换为 $1 - \Phi(|x|)$
|
||||
- **分位数查表反查**:要确认是 $\Phi^{-1}(\alpha)$ 还是 $\Phi^{-1}(1 - \alpha)$
|
||||
- **"上 $\alpha$ 分位数" $z_\alpha$ 的定义**:$\alpha = P(X > z_\alpha)$,即 $\Phi(z_\alpha) = 1 - \alpha$
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目 1(直接求概率)**:设 $X \sim N(10, 4)$,求 $P(|X - 10| < 4)$。
|
||||
|
||||
**解析**:
|
||||
$$
|
||||
P(|X - 10| < 4) = P(6 < X < 14) = \Phi\!\left(\frac{14-10}{2}\right) - \Phi\!\left(\frac{6-10}{2}\right)
|
||||
$$
|
||||
$$
|
||||
= \Phi(2) - \Phi(-2) = \Phi(2) - (1 - \Phi(2)) = 2\Phi(2) - 1
|
||||
$$
|
||||
$$
|
||||
\approx 2 \times 0.9772 - 1 = 0.9544
|
||||
$$
|
||||
|
||||
**结论**:约 95.44% 的概率 $X$ 落在 $\mu \pm 2\sigma$ 内。
|
||||
|
||||
---
|
||||
|
||||
> **题目 2(求分位数)**:某厂生产零件长度 $X \sim N(50, 0.6^2)$。按质量标准,不合格率为 $5\%$。求合格品的下限 $L$(即 $P(X < L) = 5\%$ 时 $L$ 的值)。
|
||||
|
||||
**解析**:
|
||||
- $P(X < L) = \Phi\!\left(\dfrac{L - 50}{0.6}\right) = 0.05$
|
||||
- $\dfrac{L - 50}{0.6} = \Phi^{-1}(0.05) = -1.645$
|
||||
- $L = 50 - 1.645 \times 0.6 = 50 - 0.987 = 49.013$
|
||||
|
||||
**结论**:长度小于 $49.013$ 的零件占 $5\%$。
|
||||
|
||||
---
|
||||
|
||||
> **题目 3(线性变换)**:设 $X \sim N(\mu, \sigma^2)$,求 $Y = \dfrac{X - \mu}{\sigma}$ 的分布。
|
||||
|
||||
**解析**:
|
||||
- $Y = \dfrac{1}{\sigma} X - \dfrac{\mu}{\sigma}$
|
||||
- $Y \sim N\!\left(\dfrac{\mu}{\sigma} - \dfrac{\mu}{\sigma}, \left(\dfrac{1}{\sigma}\right)^2 \sigma^2\right) = N(0, 1)$
|
||||
|
||||
**结论**:**任何正态分布都能标准化为标准正态**。
|
||||
|
||||
---
|
||||
|
||||
> **变式(混合题)**:设 $X \sim N(0, 1)$,求 $P(X > 0), P(X > 1), P(X > 2), P(X > 3)$。
|
||||
|
||||
**答案**:
|
||||
- $P(X > 0) = 0.5$
|
||||
- $P(X > 1) = 1 - \Phi(1) = 0.1587$
|
||||
- $P(X > 2) = 1 - \Phi(2) = 0.0228$
|
||||
- $P(X > 3) = 1 - \Phi(3) \approx 0.0013$
|
||||
|
||||
> **3σ 原则的应用**:超出 $\pm 3\sigma$ 的概率 $< 0.3\%$,视为小概率事件。
|
||||
|
||||
---
|
||||
|
||||
> **口诀速记**:
|
||||
> - "**减均值,除标准差**" → 标准化
|
||||
> - "**$\Phi(-x) = 1 - \Phi(x)$**" → 对称性
|
||||
> - "**2Φ(k) - 1**" → 对称区间概率
|
||||
> - "**1.96 对应 95%**" → 置信区间
|
||||
@@ -0,0 +1,188 @@
|
||||
# 题型六:随机变量函数的分布(离散) ⭐⭐
|
||||
|
||||
## 识别特征
|
||||
|
||||
- $X$ 是**离散型**随机变量,已知 $X$ 的分布律
|
||||
- 求 $Y = g(X)$ 的分布律($g$ 是某个函数)
|
||||
- 题目形如"$Y = aX + b$"、"$Y = X^2$"、"$Y = |X - a|$"
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[已知 X 离散分布律] --> B[1. 列出 X 的取值 x1, x2, ..., xn]
|
||||
B --> C[2. 计算 Y 的取值 yk = g xk]
|
||||
C --> D{是否有多个 X 对应同一 Y?}
|
||||
D -->|否| E[直接写出 Y 的分布律]
|
||||
D -->|是| F[3. 合并: P Y=yk = Σ P X=xi, g xi=yk]
|
||||
F --> E
|
||||
E --> G[4. 验证 Σ P Y = 1]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、"列取值 → 合并"的标准化流程
|
||||
|
||||
**步骤**:
|
||||
1. 列出 $X$ 的所有可能取值 $x_1, x_2, \ldots, x_n$ 及对应概率 $p_k$
|
||||
2. 计算每个 $x_k$ 对应的 $y_k = g(x_k)$
|
||||
3. **关键步骤**:**合并**相同的 $y$ 值(因为不同的 $x$ 可能映射到同一个 $y$)
|
||||
4. 写出 $Y$ 的分布律
|
||||
5. 验证 $\sum P(Y = y_k) = 1$
|
||||
|
||||
### 二、$Y = aX + b$(线性变换)
|
||||
|
||||
设 $X$ 取值 $\{x_1, \ldots, x_n\}$,概率 $\{p_1, \ldots, p_n\}$。
|
||||
|
||||
$Y = aX + b$ 的取值 $\{ax_1 + b, \ldots, ax_n + b\}$,对应概率 $\{p_1, \ldots, p_n\}$。
|
||||
|
||||
*极简例子:* $X$ 取值 $\{0, 1, 2\}$,概率 $\{0.2, 0.5, 0.3\}$,$Y = 2X + 1$。
|
||||
|
||||
| $X$ | 0 | 1 | 2 |
|
||||
|-----|---|---|---|
|
||||
| $Y = 2X+1$ | 1 | 3 | 5 |
|
||||
| $P$ | 0.2 | 0.5 | 0.3 |
|
||||
|
||||
### 三、$Y = X^2$(非线性,需合并)
|
||||
|
||||
*极简例子:* $X$ 取值 $\{-2, -1, 0, 1, 2\}$,概率 $\{0.1, 0.2, 0.4, 0.2, 0.1\}$,$Y = X^2$。
|
||||
|
||||
- $g(-2) = g(2) = 4$,$g(-1) = g(1) = 1$,$g(0) = 0$
|
||||
- $P(Y = 0) = 0.4$
|
||||
- $P(Y = 1) = 0.2 + 0.2 = 0.4$
|
||||
- $P(Y = 4) = 0.1 + 0.1 = 0.2$
|
||||
|
||||
| $Y$ | 0 | 1 | 4 |
|
||||
|-----|---|---|---|
|
||||
| $P$ | 0.4 | 0.4 | 0.2 |
|
||||
|
||||
### 四、$Y = |X|$(取绝对值,需合并正负)
|
||||
|
||||
*极简例子:* $X$ 取值 $\{-2, -1, 0, 1, 3\}$,$Y = |X|$。
|
||||
|
||||
- $P(Y = 0) = P(X = 0)$
|
||||
- $P(Y = 1) = P(X = 1) + P(X = -1)$
|
||||
- $P(Y = 2) = P(X = 2) + P(X = -2)$
|
||||
- $P(Y = 3) = P(X = 3) + P(X = -3)$
|
||||
|
||||
### 五、求 $Y$ 的期望(预览 Ch04)
|
||||
|
||||
$$
|
||||
E(Y) = \sum_k g(x_k) p_k
|
||||
$$
|
||||
|
||||
> 这就是 Ch04 期望的定义 $E(Y) = \sum y_k P(Y = y_k)$。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **忘记合并**:$g$ 不是单射时(如 $X^2, |X|$),必须合并相同 $y$ 值
|
||||
- **$g$ 的值域有限**:$Y$ 的取值只来自 $g$ 的值域,超出 $g$ 范围的 $P(Y) = 0$
|
||||
- **不变函数**:若 $g(X) = c$(常数),则 $P(Y = c) = 1$(退化分布)
|
||||
- **符号错误**:$Y = -X$ 时,$Y$ 的取值是 $X$ 取值的相反数
|
||||
- **混淆"分布律"和"分布函数"**:本题求的是分布律(表格),不是分布函数 $F_Y(y)$
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目 1(线性变换)**:设 $X$ 的分布律为
|
||||
|
||||
| $X$ | -1 | 0 | 1 | 2 |
|
||||
|-----|----|----|----|----|
|
||||
| $P$ | 0.2 | 0.3 | 0.4 | 0.1 |
|
||||
|
||||
求 $Y = 2X + 3$ 的分布律。
|
||||
|
||||
**解析**:
|
||||
|
||||
**第一步**:列出 $X$ 取值及 $Y = 2X + 3$ 的值。
|
||||
|
||||
| $X$ | -1 | 0 | 1 | 2 |
|
||||
|-----|----|----|----|----|
|
||||
| $Y = 2X+3$ | 1 | 3 | 5 | 7 |
|
||||
| $P$ | 0.2 | 0.3 | 0.4 | 0.1 |
|
||||
|
||||
**第二步**:检查 $Y$ 各取值是否相同——都不同,无需合并。
|
||||
|
||||
**$Y$ 的分布律**:
|
||||
|
||||
| $Y$ | 1 | 3 | 5 | 7 |
|
||||
|-----|---|---|---|---|
|
||||
| $P$ | 0.2 | 0.3 | 0.4 | 0.1 |
|
||||
|
||||
**验证**:$0.2 + 0.3 + 0.4 + 0.1 = 1$ ✓
|
||||
|
||||
---
|
||||
|
||||
> **题目 2($X^2$ 需合并)**:设 $X \sim B(2, 0.5)$,求 $Y = X^2$ 的分布律。
|
||||
|
||||
**解析**:
|
||||
|
||||
**第一步**:$X \sim B(2, 0.5)$ 的分布律:
|
||||
|
||||
| $X$ | 0 | 1 | 2 |
|
||||
|-----|---|---|---|
|
||||
| $P$ | 1/4 | 1/2 | 1/4 |
|
||||
|
||||
**第二步**:计算 $Y = X^2$:
|
||||
|
||||
| $X$ | 0 | 1 | 2 |
|
||||
|-----|---|---|---|
|
||||
| $Y$ | 0 | 1 | 4 |
|
||||
| $P$ | 1/4 | 1/2 | 1/4 |
|
||||
|
||||
**第三步**:检查合并——$Y$ 各值都不同,无需合并!
|
||||
|
||||
**$Y$ 的分布律**:
|
||||
|
||||
| $Y$ | 0 | 1 | 4 |
|
||||
|-----|---|---|---|
|
||||
| $P$ | 1/4 | 1/2 | 1/4 |
|
||||
|
||||
**验证**:$1/4 + 1/2 + 1/4 = 1$ ✓
|
||||
|
||||
---
|
||||
|
||||
> **题目 3($|X|$ 需合并)**:设 $X$ 取值 $\{-2, -1, 0, 1, 2\}$,概率 $\{1/8, 1/4, 1/4, 1/4, 1/8\}$,求 $Y = |X|$ 的分布律。
|
||||
|
||||
**解析**:
|
||||
|
||||
**第一步**:列出 $Y = |X|$ 的值。
|
||||
|
||||
| $X$ | -2 | -1 | 0 | 1 | 2 |
|
||||
|-----|----|----|----|----|----|
|
||||
| $Y = \|X\|$ | 2 | 1 | 0 | 1 | 2 |
|
||||
| $P$ | 1/8 | 1/4 | 1/4 | 1/4 | 1/8 |
|
||||
|
||||
**第二步**:合并相同 $Y$ 值:
|
||||
- $P(Y = 0) = P(X = 0) = 1/4$
|
||||
- $P(Y = 1) = P(X = -1) + P(X = 1) = 1/4 + 1/4 = 1/2$
|
||||
- $P(Y = 2) = P(X = -2) + P(X = 2) = 1/8 + 1/8 = 1/4$
|
||||
|
||||
**$Y$ 的分布律**:
|
||||
|
||||
| $Y$ | 0 | 1 | 2 |
|
||||
|-----|---|---|---|
|
||||
| $P$ | 1/4 | 1/2 | 1/4 |
|
||||
|
||||
**验证**:$1/4 + 1/2 + 1/4 = 1$ ✓
|
||||
|
||||
---
|
||||
|
||||
> **变式(更复杂的函数)**:设 $X$ 的分布律为 $P(X = k) = \dfrac{1}{5}$,$k = 0, 1, 2, 3, 4$。求 $Y = (X - 2)^2$ 的分布律。
|
||||
|
||||
**解**:
|
||||
|
||||
| $X$ | 0 | 1 | 2 | 3 | 4 |
|
||||
|-----|---|---|---|---|---|
|
||||
| $Y = (X-2)²$ | 4 | 1 | 0 | 1 | 4 |
|
||||
| $P$ | 1/5 | 1/5 | 1/5 | 1/5 | 1/5 |
|
||||
|
||||
**合并**:
|
||||
- $P(Y = 0) = 1/5$
|
||||
- $P(Y = 1) = 1/5 + 1/5 = 2/5$
|
||||
- $P(Y = 4) = 1/5 + 1/5 = 2/5$
|
||||
|
||||
**$Y$ 的分布律**:
|
||||
|
||||
| $Y$ | 0 | 1 | 4 |
|
||||
|-----|---|---|---|
|
||||
| $P$ | 1/5 | 2/5 | 2/5 |
|
||||
@@ -0,0 +1,189 @@
|
||||
# 题型七:随机变量函数的分布(连续) ⭐⭐⭐
|
||||
|
||||
## 识别特征
|
||||
|
||||
- $X$ 是**连续型**随机变量,已知 $X$ 的密度 $f_X(x)$
|
||||
- 求 $Y = g(X)$ 的密度 $f_Y(y)$
|
||||
- 题目形如"$Y = aX + b$"、"$Y = X^2$"、"$Y = e^X$"、"$Y = -\ln X$"
|
||||
- 题目形如"$Z = X + Y$"(**卷积**——与 Ch03 衔接)
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[已知 X 连续 + g] --> B{g 单调可逆?}
|
||||
B -->|是| C[1. 单调公式]
|
||||
C --> D[反函数 x = h y]
|
||||
D --> E[2. fY y = fX h y · |h' y|]
|
||||
B -->|否| F[1. 分布函数法]
|
||||
F --> G[FY y = P g X ≤ y = P X ∈ ...]
|
||||
G --> H[2. fY y = FY' y]
|
||||
A --> I{Z = X + Y?}
|
||||
I -->|是| J[卷积公式]
|
||||
J --> K[fZ z = ∫ fX x · fY z-x dx]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、**单调函数公式** ⭐⭐⭐(首选技法)
|
||||
|
||||
**条件**:$g(x)$ 在 $X$ 取值范围内**严格单调**,反函数 $g^{-1}(y)$ 有连续导数。
|
||||
|
||||
**公式**:
|
||||
$$
|
||||
f_Y(y) = \begin{cases} f_X(g^{-1}(y)) \cdot |(g^{-1})'(y)|, & y \in g(\mathcal{X}) \\ 0, & \text{其他} \end{cases}
|
||||
$$
|
||||
|
||||
**步骤**:
|
||||
1. 判断 $g$ 是否严格单调(严格递增或递减)
|
||||
2. 求反函数 $x = g^{-1}(y)$,并求导 $(g^{-1})'(y)$
|
||||
3. 代入 $f_X(g^{-1}(y)) \cdot |(g^{-1})'(y)|$
|
||||
4. 确定 $y$ 的取值范围($y \in g$ 的值域)
|
||||
5. 写出 $f_Y(y)$ 的分段表达式
|
||||
|
||||
> 🔑 **核心**:单调公式**直接求密度**,避免分布函数的积分。
|
||||
|
||||
### 二、**分布函数法**(万能但繁琐)
|
||||
|
||||
**步骤**:
|
||||
1. 写 $F_Y(y) = P(Y \le y) = P(g(X) \le y) = P(X \in \{x: g(x) \le y\})$
|
||||
2. 化简 $\{x: g(x) \le y\}$ 为关于 $x$ 的区间
|
||||
3. 利用 $f_X(x)$ 求 $P(X \in \text{区间})$
|
||||
4. 对 $y$ 求导:$f_Y(y) = F_Y'(y)$
|
||||
|
||||
### 三、**卷积公式**($Z = X + Y$)
|
||||
|
||||
$$
|
||||
f_Z(z) = \int_{-\infty}^{+\infty} f_X(x) f_Y(z - x)\, dx = \int_{-\infty}^{+\infty} f_X(z - y) f_Y(y)\, dy
|
||||
$$
|
||||
|
||||
> 此公式将在 Ch03 中详细推导(涉及二维联合分布),本章先建立概念。
|
||||
|
||||
### 四、典型函数举例
|
||||
|
||||
##### 例 1:$Y = aX + b$($a \ne 0$)
|
||||
|
||||
**反函数**:$x = \dfrac{y - b}{a}$,$(g^{-1})'(y) = \dfrac{1}{a}$
|
||||
|
||||
$$
|
||||
f_Y(y) = \frac{1}{|a|} f_X\!\left(\frac{y - b}{a}\right)
|
||||
$$
|
||||
|
||||
> **特例**:若 $X \sim N(\mu, \sigma^2)$,则 $Y = aX + b \sim N(a\mu + b, a^2 \sigma^2)$
|
||||
|
||||
##### 例 2:$Y = X^2$($X$ 关于原点对称)
|
||||
|
||||
$$
|
||||
f_Y(y) = \frac{1}{2\sqrt{y}} \left[ f_X(\sqrt{y}) + f_X(-\sqrt{y}) \right], \quad y > 0
|
||||
$$
|
||||
|
||||
##### 例 3:$Y = e^X$($X$ 取任意实数)
|
||||
|
||||
**反函数**:$x = \ln y$($y > 0$),$(g^{-1})'(y) = \dfrac{1}{y}$
|
||||
|
||||
$$
|
||||
f_Y(y) = \frac{1}{y} f_X(\ln y), \quad y > 0
|
||||
$$
|
||||
|
||||
##### 例 4:$Y = -\ln X$($X > 0$)
|
||||
|
||||
**反函数**:$x = e^{-y}$($y > 0$),$(g^{-1})'(y) = -e^{-y}$
|
||||
|
||||
$$
|
||||
f_Y(y) = f_X(e^{-y}) \cdot e^{-y}, \quad y > 0
|
||||
$$
|
||||
|
||||
### 五、关键公式速记表
|
||||
|
||||
| 函数 $Y = g(X)$ | $f_Y(y)$ | 取值范围 |
|
||||
|------------------|---------|---------|
|
||||
| $aX + b$($a \ne 0$) | $\dfrac{1}{\lvert a \rvert} f_X\!\left(\dfrac{y-b}{a}\right)$ | $y \in g$ 值域 |
|
||||
| $X^2$($X$ 对称) | $\dfrac{f_X(\sqrt{y}) + f_X(-\sqrt{y})}{2\sqrt{y}}$ | $y > 0$ |
|
||||
| $e^X$($X$ 实数) | $\dfrac{1}{y} f_X(\ln y)$ | $y > 0$ |
|
||||
| $-\ln X$($X > 0$) | $f_X(e^{-y}) \cdot e^{-y}$ | $y > 0$ |
|
||||
| $X + Y$ | $\int f_X(x) f_Y(z-x) dx$ | $z$ 范围 |
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **单调公式的**适用前提:**严格单调** + **反函数可导**!否则只能用分布函数法
|
||||
- **忘记绝对值**:$(g^{-1})'(y)$ 必须取**绝对值** $|...|$
|
||||
- **取值范围缺失**:$f_Y(y)$ 必须明确 $y$ 的取值范围,否则为 0
|
||||
- **$Y = X^2$ 的双向合并**:$y > 0$ 时有 $x = \sqrt{y}$ 和 $x = -\sqrt{y}$ 两个原像
|
||||
- **卷积积分限**:要根据 $f_X, f_Y$ 的非零区间确定积分范围
|
||||
- **不单调函数**:如 $Y = X^2$($X$ 在 $(-\infty, +\infty)$),**严格单调只在一段成立**,需用分布函数法
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目 1(单调公式 - 指数变换)**:设 $X \sim U(0, 1)$(即 $f_X(x) = 1$,$0 \le x \le 1$),求 $Y = -\ln X$ 的密度 $f_Y(y)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**第一步**:$Y = -\ln X$ 在 $(0,1)$ 上严格递减。
|
||||
|
||||
**第二步**:求反函数:
|
||||
- $y = -\ln x \Rightarrow x = e^{-y}$
|
||||
- $(g^{-1})'(y) = -e^{-y}$
|
||||
- $|(g^{-1})'(y)| = e^{-y}$
|
||||
|
||||
**第三步**:确定 $y$ 的范围:
|
||||
- $x \in (0, 1)$,$y = -\ln x \in (0, +\infty)$($x \to 0^+$, $y \to +\infty$;$x \to 1^-$, $y \to 0^+$)
|
||||
|
||||
**第四步**:套单调公式:
|
||||
$$
|
||||
f_Y(y) = f_X(e^{-y}) \cdot |(g^{-1})'(y)| = 1 \cdot e^{-y} = e^{-y}, \quad y > 0
|
||||
$$
|
||||
|
||||
**结论**:$Y \sim E(1)$(指数分布!)
|
||||
|
||||
> 这是一个经典结果:**[0,1] 均匀分布的 $-\ln X$ 变换生成标准指数分布**。这是模拟方法的核心。
|
||||
|
||||
---
|
||||
|
||||
> **题目 2(线性变换 - 正态)**:设 $X \sim N(\mu, \sigma^2)$,求 $Y = aX + b$($a \ne 0$)的密度。
|
||||
|
||||
**解析**:
|
||||
|
||||
**反函数**:$x = \dfrac{y - b}{a}$,$(g^{-1})'(y) = \dfrac{1}{a}$,$|...| = \dfrac{1}{|a|}$
|
||||
|
||||
$$
|
||||
f_Y(y) = \frac{1}{|a|} \cdot \frac{1}{\sqrt{2\pi} \sigma} e^{-\frac{((y-b)/a - \mu)^2}{2\sigma^2}} = \frac{1}{\sqrt{2\pi} |a| \sigma} e^{-\frac{(y - a\mu - b)^2}{2 a^2 \sigma^2}}
|
||||
$$
|
||||
|
||||
**结论**:$Y \sim N(a\mu + b, a^2 \sigma^2)$(**正态的线性变换仍是正态!**)
|
||||
|
||||
---
|
||||
|
||||
> **题目 3($X^2$ 变换)**:设 $X \sim N(0, 1)$,求 $Y = X^2$ 的密度 $f_Y(y)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**第一步**:$f_X(x) = \dfrac{1}{\sqrt{2\pi}} e^{-x^2/2}$
|
||||
|
||||
**第二步**:$Y = X^2 \ge 0$。$X = \pm\sqrt{Y}$,所以 $f_Y(y) = \dfrac{f_X(\sqrt{y}) + f_X(-\sqrt{y})}{2\sqrt{y}}$。
|
||||
|
||||
**第三步**:因 $f_X$ 偶对称,$f_X(\sqrt{y}) = f_X(-\sqrt{y})$:
|
||||
$$
|
||||
f_Y(y) = \frac{2 \cdot \frac{1}{\sqrt{2\pi}} e^{-y/2}}{2\sqrt{y}} = \frac{1}{\sqrt{2\pi y}} e^{-y/2}, \quad y > 0
|
||||
$$
|
||||
|
||||
**结论**:$Y \sim \chi^2(1)$(**卡方分布**自由度 1)。
|
||||
|
||||
---
|
||||
|
||||
> **变式(卷积公式 - 简单例子)**:设 $X, Y$ 独立同分布,都服从 $U(0,1)$。求 $Z = X + Y$ 的密度。
|
||||
|
||||
**解**:
|
||||
- $f_X(x) = f_Y(y) = 1$,$x, y \in [0,1]$
|
||||
- 卷积:$f_Z(z) = \int_0^1 f_X(x) f_Y(z - x) dx$
|
||||
- $z \in [0,1]$:$f_Z(z) = \int_0^z 1 \cdot 1\, dx = z$
|
||||
- $z \in [1,2]$:$f_Z(z) = \int_{z-1}^1 1 \cdot 1\, dx = 2 - z$
|
||||
- $f_Z(z) = \begin{cases} z, & 0 \le z < 1 \\ 2 - z, & 1 \le z < 2 \\ 0, & \text{其他} \end{cases}$
|
||||
|
||||
> 这是著名的**三角分布**($X_1 + X_2$ 的卷积)。
|
||||
|
||||
---
|
||||
|
||||
> **口诀速记**:
|
||||
> - "**单调就用公式**"(直接套 $f_Y(y) = f_X(h(y)) \cdot |h'(y)|$)
|
||||
> - "**不单调用分布函数法**"(先求 $F_Y$ 再求导)
|
||||
> - "**加法用卷积**"($Z = X + Y$ 时)
|
||||
@@ -0,0 +1,196 @@
|
||||
# 题型八:混合型分布律 ⭐⭐
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 题目说 $X$ 在某些点有**离散取值**,在某个区间有**连续分布**
|
||||
- 分布函数 $F(x)$ 既有**跳跃**(离散部分),又有**连续上升段**(连续部分)
|
||||
- 题目求混合分布的**期望**或**方差**(衔接 Ch04)
|
||||
- 题干含"以 $1/2$ 概率取 $0$...,其余均匀..."等表述
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[混合型随机变量 X] --> B[1. 识别离散部分: P X = xk]
|
||||
B --> C[2. 识别连续部分: 密度 f x 或分布函数]
|
||||
C --> D[3. 验证总概率 = 1: Σ pk + ∫f dx = 1]
|
||||
D --> E{求什么?}
|
||||
E -->|求 P| F[分情况: 离散点直接用 pk, 区间用积分]
|
||||
E -->|求 F x| G[分段: 跳跃 + 连续段]
|
||||
E -->|求 E X| H[Ch04: E X = Σ xk pk + ∫x f x dx]
|
||||
E -->|求 D X| I[Ch04: D X = E X² - E X²]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、混合型随机变量的定义
|
||||
|
||||
**定义**:若 $X$ 在某些点 $\{a_1, a_2, \ldots\}$ 上有**离散概率**,同时在某个区间 $[c, d]$ 上有**连续分布**,且离散部分与连续部分的概率之和为 1,则 $X$ 为**混合型随机变量**。
|
||||
|
||||
**典型形式**:
|
||||
$$
|
||||
F(x) = p \cdot I(x \ge 0) + (1-p) \cdot \tilde{F}(x)
|
||||
$$
|
||||
|
||||
其中 $\tilde{F}$ 是某个连续分布函数(如均匀、正态等)。
|
||||
|
||||
### 二、混合型分布函数的特点
|
||||
|
||||
- **既有跳跃**(在 $a_k$ 处跳 $p_k$)
|
||||
- **又有连续上升段**(在某区间上严格递增)
|
||||
- **总概率 $= 1$**
|
||||
|
||||
### 三、混合型分布函数 $F(x)$ 的构造
|
||||
|
||||
**步骤**:
|
||||
1. **离散部分**:$P(X = a_k) = p_k$,$F$ 在 $a_k$ 处跳 $p_k$
|
||||
2. **连续部分**:在某区间上 $F$ 连续上升(导数 > 0)
|
||||
3. 离散部分总概率 + 连续部分总概率 = 1
|
||||
|
||||
### 四、典型混合分布示例
|
||||
|
||||
##### 示例 1:$X$ 以 $1/2$ 概率取 0,其余为 $U(0,1)$
|
||||
|
||||
$$
|
||||
F(x) = \begin{cases} 0, & x < 0 \\ 1/2, & 0 \le x < 1 \\ 1, & x \ge 1 \end{cases}
|
||||
$$
|
||||
|
||||
> ⚠️ 注意:在 $0 \le x < 1$ 上 $F$ **不变**(平台),不是连续上升!
|
||||
|
||||
##### 示例 2:$X$ 以 $1/2$ 概率取 0,其余为 $U(0,2)$ 的混合
|
||||
|
||||
$$
|
||||
P(X = 0) = 1/2, \quad X \mid X > 0 \sim U(0, 2)
|
||||
$$
|
||||
|
||||
- 离散部分:$P(X = 0) = 1/2$
|
||||
- 连续部分:$P(0 < X \le x) = 1/2 \cdot \dfrac{x}{2} = \dfrac{x}{4}$($0 < x < 2$)
|
||||
|
||||
$$
|
||||
F(x) = \begin{cases} 0, & x < 0 \\ 1/2, & 0 \le x < 2 \\ 1, & x \ge 2 \end{cases}
|
||||
$$
|
||||
|
||||
> 注意:$F$ 在 $(0, 2)$ 上**不变**(平台),因为连续部分的概率密度集中在 $0 < x < 2$ 内,但 $F$ 是按 $X \le x$ 的累积。
|
||||
|
||||
### 五、求混合分布的期望(**Ch04 衔接**)
|
||||
|
||||
$$
|
||||
E(X) = \sum_k a_k \cdot p_k + \int_a^b x f(x)\, dx
|
||||
$$
|
||||
|
||||
*极简例子:* 上例中 $P(X = 0) = 1/2$,其余 $U(0,2)$:
|
||||
$$
|
||||
E(X) = 0 \cdot \frac{1}{2} + \int_0^2 x \cdot \frac{1/2}{2}\, dx = \frac{1}{4} \cdot \frac{x^2}{2}\Big|_0^2 = \frac{1}{4} \cdot 2 = \frac{1}{2}
|
||||
$$
|
||||
|
||||
### 六、求混合分布的概率
|
||||
|
||||
$$
|
||||
P(X \in I) = \sum_{a_k \in I} p_k + \int_{I \cap \mathcal{C}} f(x)\, dx
|
||||
$$
|
||||
|
||||
其中 $\mathcal{C}$ 是连续部分的支撑区间。
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- **混淆"混合型"和"分段连续型"**:混合型必须有**真正的离散点**($P(X = a_k) > 0$);如果只是分段连续的 $F$,仍属于纯连续型
|
||||
- **平台 vs 上升段**:$F$ 在连续部分的支撑区间内应该是**平台**(因为 $X \le x$ 累积这部分"瞬时"概率)
|
||||
- **总概率验证**:$\sum p_k + \int f = 1$ 是关键检查点
|
||||
- **离散点不能漏**:求 $P(X > 0)$ 时,离散点 $0$ 处的概率不能漏
|
||||
- **$F$ 在跳跃点是否含连续部分**:要仔细看 $F$ 在 $a_k$ 处的跳跃高度是否包含连续部分贡献
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目 1**:设随机变量 $X$ 以 $1/2$ 的概率取 $0$,以 $1/2$ 的概率在 $[1, 3]$ 上均匀分布。求:
|
||||
> (1) $X$ 的分布函数 $F(x)$;
|
||||
> (2) $P(0 < X \le 2)$,$P(1 < X < 3)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**(1)** 分布函数:
|
||||
- $x < 0$:$F(x) = 0$
|
||||
- $0 \le x < 1$:$F(x) = P(X = 0) = 1/2$(连续部分概率全部"瞬时"贡献在 $X \le x$,但因 $x < 1$,连续部分 $\Pr(0 < X \le x) = 0$,所以 $F$ 平台)
|
||||
- $1 \le x < 3$:$F(x) = 1/2 + \dfrac{1}{2} \cdot \dfrac{x - 1}{3 - 1} = \dfrac{1}{2} + \dfrac{x - 1}{4} = \dfrac{x + 1}{4}$
|
||||
- $x \ge 3$:$F(x) = 1$
|
||||
|
||||
$$
|
||||
F(x) = \begin{cases} 0, & x < 0 \\ 1/2, & 0 \le x < 1 \\ \dfrac{x + 1}{4}, & 1 \le x < 3 \\ 1, & x \ge 3 \end{cases}
|
||||
$$
|
||||
|
||||
**(2)** 概率:
|
||||
- $P(0 < X \le 2)$:$F(2) - F(0^+) = F(2) - F(0) = \dfrac{2 + 1}{4} - \dfrac{1}{2} = \dfrac{3}{4} - \dfrac{2}{4} = \dfrac{1}{4}$
|
||||
|
||||
> ⚠️ 注意:$F(0^+) = F(0) = 1/2$(**右连续**!),$F(0^-) = 0$
|
||||
|
||||
- $P(1 < X < 3)$:$F(3^-) - F(1) = 1 - \dfrac{1 + 1}{4} = \dfrac{3}{4}$
|
||||
|
||||
> ⚠️ 注意:$P(X = 3) = F(3) - F(3^-) = 1 - 1 = 0$(连续部分端点无离散概率)
|
||||
|
||||
**结论**:
|
||||
- $F$ 在 $0$ 处跳跃 $1/2$
|
||||
- $F$ 在 $[1, 3]$ 上连续上升
|
||||
- $F$ 在 $3$ 处无跳跃(连续型端点)
|
||||
|
||||
---
|
||||
|
||||
> **题目 2**:设
|
||||
> $$F(x) = \begin{cases} 0, & x < 0 \\ 1/2, & 0 \le x < 1 \\ 1, & x \ge 1 \end{cases}$$
|
||||
> 问 $X$ 是否混合型?求 $X$ 的分布律。
|
||||
|
||||
**解析**:
|
||||
|
||||
**第一步**:分析 $F$
|
||||
- $F$ 在 $0$ 处跳跃:$P(X = 0) = F(0) - F(0^-) = 1/2 - 0 = 1/2$
|
||||
- $F$ 在 $[0, 1)$ 上平台:在 $(0, 1)$ 上 $F(x) = 1/2$,所以 $F$ 没有连续上升段
|
||||
- $F$ 在 $1$ 处跳跃:$P(X = 1) = F(1) - F(1^-) = 1 - 1/2 = 1/2$
|
||||
|
||||
**结论**:这是**纯离散型**,不是混合型!
|
||||
|
||||
**$X$ 的分布律**:
|
||||
|
||||
| $X$ | 0 | 1 |
|
||||
|-----|---|---|
|
||||
| $P$ | 1/2 | 1/2 |
|
||||
|
||||
> **关键判断**:$F$ 在某区间上连续上升(导数 > 0)才是混合型;如果 $F$ 是阶梯跳跃(纯离散),那就是离散型。
|
||||
|
||||
---
|
||||
|
||||
> **题目 3(混合分布的期望,Ch04 衔接)**:设
|
||||
> $$F(x) = \begin{cases} 0, & x < 0 \\ 1/2, & 0 \le x < 1 \\ 1, & x \ge 1 \end{cases}$$
|
||||
> 求 $E(X)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
这是**纯离散型**:$P(X = 0) = P(X = 1) = 1/2$。
|
||||
|
||||
$$
|
||||
E(X) = 0 \times \frac{1}{2} + 1 \times \frac{1}{2} = \frac{1}{2}
|
||||
$$
|
||||
|
||||
---
|
||||
|
||||
> **变式(识别混合型)**:设
|
||||
> $$F(x) = \begin{cases} 0, & x < 0 \\ 1/3, & 0 \le x < 2 \\ 1/3 + \dfrac{x - 2}{6}, & 2 \le x < 5 \\ 1, & x \ge 5 \end{cases}$$
|
||||
> 问 $X$ 的类型,并求 $P(1 < X \le 4)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
- $F$ 在 $0$ 处跳 $1/3$ → $P(X = 0) = 1/3$
|
||||
- $F$ 在 $[0, 2)$ 上平台 → 离散点无连续部分
|
||||
- $F$ 在 $[2, 5]$ 上连续上升 → 连续部分(密度 $1/6$)
|
||||
- $F$ 在 $5$ 处无跳跃 → 连续部分端点
|
||||
|
||||
**$X$ 是混合型**!离散部分 $P(X = 0) = 1/3$,连续部分 $X \mid X > 0$ 在 $[2, 5]$ 上均匀(密度 $1/6$)。
|
||||
|
||||
$P(1 < X \le 4) = F(4) - F(1)$
|
||||
- $F(4) = 1/3 + (4 - 2)/6 = 1/3 + 1/3 = 2/3$
|
||||
- $F(1) = 1/3$
|
||||
- $P(1 < X \le 4) = 2/3 - 1/3 = 1/3$
|
||||
|
||||
---
|
||||
|
||||
> **口诀速记**:
|
||||
> - "**$F$ 有跳 + 有升**" → **混合型**
|
||||
> - "**$F$ 只跳不升**" → **离散型**
|
||||
> - "**$F$ 只升不跳**" → **连续型**
|
||||
Reference in New Issue
Block a user