diff --git a/.workbuddy/tools/md2pdf/fix_gitea_math.py b/.workbuddy/tools/md2pdf/fix_gitea_math.py new file mode 100644 index 0000000..1f9ed11 --- /dev/null +++ b/.workbuddy/tools/md2pdf/fix_gitea_math.py @@ -0,0 +1,224 @@ +#!/usr/bin/env python3 +# -*- coding: utf-8 -*- +""" +fix_gitea_math.py —— 修复 Gitea 网页端 Markdown 公式/加粗不渲染的问题 + +【问题一:行内公式不渲染】 +Gitea 的解析器 modules/markup/markdown/math/inline_parser.go 规则写死: + 收尾 $ 的后一个字节必须 ∈ { 空格, 换行, 行尾, '.', '!', '?', ',', ';', ':', ')', '$' } + 开头 $ 的左邻不能是 ASCII 字母/数字或 . ! ? , ; : +中文字与全角标点(,。、;())都是多字节字符,单字节值 ≥ 0x80,全部落空, +于是整对 $...$ 被当作普通文本原样显示。 +→ 修法:在收尾 $ 与紧跟的非空白字符之间补一个半角空格。 + +【问题二:加粗失效】 +CommonMark 要求收尾 ** 必须是 right-flanking: + 不被空白前导,且(不被标点前导 或 被标点前导但被空白/标点后继)。 +形如 **…"一致性"**的 的写法(收尾 ** 前是标点、后是汉字的)不满足条件, +加粗失效,星号会被原样显示(网页与 PDF 皆然)。 +→ 修法:在收尾 ** 后补一个半角空格。 + +用法: + python fix_gitea_math.py --check # 全文统计 + python fix_gitea_math.py --check --scope=prob # 只看概率论在学练习/小练/知识点 + python fix_gitea_math.py --apply --scope=prob # 就地修复 +""" +import os +import re +import subprocess +import sys +import unicodedata + +ROOT = os.path.abspath(os.path.join(os.path.dirname(os.path.abspath(__file__)), '..', '..', '..')) + +SCOPES = { + 'prob': [ + '基于考研的学习/数学一/在学练习/', + '基于考研的学习/数学一/每日小练/', + '基于考研的学习/数学一/知识点/', + ], +} + + +def iter_md_files(scope=None): + """只处理 git 已跟踪的 .md(排除 参考仓库),与网页上能看到的内容一致。""" + out = subprocess.run(['git', 'ls-files', '-z', '--', '*.md'], + cwd=ROOT, capture_output=True, check=True).stdout.decode('utf-8') + prefixes = SCOPES.get(scope) if scope else None + for rel in out.split('\0'): + if not rel or rel.startswith('参考仓库/') or rel.startswith('.workbuddy/'): + continue + if prefixes and not any(rel.startswith(p) for p in prefixes): + continue + yield os.path.join(ROOT, rel.replace('/', os.sep)) + + +# ------------------------------------------------------------------ 遮罩 + +def mask_code(text): + """遮罩围栏代码块与行内代码,返回等长字符串(被遮位置为 \\x00)。""" + n = len(text) + mask = [''] * n + + def paint(a, b): + for i in range(max(0, a), min(b, n)): + mask[i] = '\x00' + + for m in re.finditer(r'(`+)([^\n]*?)\1', text): + paint(m.start(), m.end()) + + # 围栏代码块:行级状态机(开/闭成对,绝不会误遮到文件末尾) + in_fence = False + pos = 0 + for line in text.split('\n'): + ln = len(line) + if re.match(r'^[ \t]*(```|~~~)', line): + in_fence = not in_fence + paint(pos, pos + ln) + elif in_fence: + paint(pos, pos + ln) + pos += ln + 1 + + return ''.join(c if c else text[i] for i, c in enumerate(mask)) + + +def mask_code_and_math(text): + """在 mask_code 基础上再遮罩公式(用于加粗判定,避免把公式里的 ** 当粗体)。""" + base = mask_code(text) + mask = list(base) + for a, b in find_math_any(text): + if base[a] == '\x00': + continue + for i in range(a, min(b + 1, len(text))): + mask[i] = '\x00' + return ''.join(mask) + + +# ------------------------------------------------------------------ 公式 + +def find_math_any(text): + """返回 (open_idx, close_idx_inclusive) 列表,绝不跨行。""" + spans = [] + i, n = 0, len(text) + while i < n: + c = text[i] + if c == '\\' and i + 1 < n and text[i + 1] == '$': + i += 2 + continue + if c == '$' and i + 1 < n and text[i + 1] == '$': + end = text.find('$$', i + 2) + if end != -1 and '\n' not in text[i:end]: + spans.append((i, end + 1)) + i = end + 2 + continue + if c == '$': + j, close = i + 1, -1 + while j < n and text[j] != '\n': + if text[j] == '\\': + j += 2 + continue + if text[j] == '$': + close = j + break + j += 1 + if close != -1 and close > i + 1: + spans.append((i, close)) + i = close + 1 + continue + i += 1 + return spans + + +# Gitea 认可的收尾字符(单字节) +END_OK = set('.!?,;:') | {')', ' ', '\n', '$'} +# Gitea 不认可的开头左邻(ASCII 字母数字与下列标点) +BAD_OPEN_PREV = set('abcdefghijklmnopqrstuvwxyzABCDEFGHIJKLMNOPQRSTUVWXYZ0123456789.!?,;:') + + +def is_punct(ch): + return unicodedata.category(ch)[0] in ('P', 'S') + + +def fix_math(text, mask): + inserts = [] + for start, end in find_math_any(text): + if mask[start] == '\x00': + continue + if start > 0 and mask[start - 1] != '\x00' and text[start - 1] in BAD_OPEN_PREV: + inserts.append((start, '公式前')) + pos = end + 1 + if pos < len(text) and mask[pos] != '\x00' and text[pos] not in END_OK: + inserts.append((pos, '公式后')) + return inserts + + +# ------------------------------------------------------------------ 加粗 + +def fix_bold(text, mask): + """收尾 ** 被标点前导、被非空白非标点后继 → 右侧补空格,使其成为 right-flanking。""" + stars = [m.start() for m in re.finditer(r'\*\*', text) if mask[m.start()] != '\x00'] + inserts = [] + is_open = True + for idx in stars: + if is_open: + is_open = False + continue + is_open = True + prev = text[idx - 1] if idx > 0 else '' + nxt = text[idx + 2] if idx + 2 < len(text) else '' + if not prev or not nxt: + continue + if mask[idx - 1] == '\x00' or mask[idx + 2] == '\x00': + continue + if is_punct(prev) and not nxt.isspace() and not is_punct(nxt): + inserts.append((idx + 2, '加粗后')) + return inserts + + +# ------------------------------------------------------------------ 主流程 + +def fix_text(text): + mc = mask_code(text) + mcm = mask_code_and_math(text) + inserts = fix_bold(text, mcm) + fix_math(text, mc) + if not inserts: + return text, [] + seen = set() + uniq = [] + for pos, kind in inserts: + if (pos, kind) in seen: + continue + seen.add((pos, kind)) + uniq.append((pos, kind)) + for pos, _ in sorted(uniq, reverse=True): + text = text[:pos] + ' ' + text[pos:] + return text, sorted(uniq, key=lambda x: x[0]) + + +def main(): + apply = '--apply' in sys.argv + scope = None + for a in sys.argv: + if a.startswith('--scope='): + scope = a.split('=', 1)[1] + + total_files = total_hits = 0 + report = [] + for path in sorted(iter_md_files(scope)): + raw = open(path, encoding='utf-8').read() + new, changes = fix_text(raw) + if changes: + total_files += 1 + total_hits += len(changes) + rel = os.path.relpath(path, ROOT) + report.append((rel, len(changes))) + if apply: + open(path, 'w', encoding='utf-8', newline='').write(new) + print(f'== {"已修复" if apply else "待修复(仅统计)"} ==') + for rel, cnt in report: + print(f' {cnt:4d} {rel}') + print(f'--- 共 {total_files} 个文件,{total_hits} 处需要修 ---') + + +if __name__ == '__main__': + main() diff --git a/.workbuddy/tools/md2pdf/rebuild_prob_pdfs.sh b/.workbuddy/tools/md2pdf/rebuild_prob_pdfs.sh new file mode 100644 index 0000000..9097ba9 --- /dev/null +++ b/.workbuddy/tools/md2pdf/rebuild_prob_pdfs.sh @@ -0,0 +1,38 @@ +#!/usr/bin/env bash +# 重新生成概率论在学练习(第3/5/6讲)的全部 PDF +# 用法:bash .workbuddy/tools/md2pdf/rebuild_prob_pdfs.sh +set -u +REPO="D:/考研/第二代数学笔记" +NODE="C:/Users/Wang Ling/.workbuddy/binaries/node/versions/22.22.2-6/node.exe" +TOOL="$REPO/.workbuddy/tools/md2pdf/md2pdf.js" +BASE="$REPO/基于考研的学习/数学一/在学练习" + +build () { # $1=目录 $2=源md $3=输出pdf $4=标题 $5=可选 mode + cd "$BASE/$1" || return 1 + if [ "${5:-}" = "answer" ]; then + "$NODE" "$TOOL" --in "$2" --out "$3" --title "$4" --mode answer + else + "$NODE" "$TOOL" --in "$2" --out "$3" --title "$4" + fi +} + +D3="概率论-第3讲-多维随机变量及其分布" +D5="概率论-第5讲-大数定律与中心极限定理" +D6="概率论-第6讲-数理统计" + +build "$D3" "01-考点手册.md" "PDF/概率论第3讲-考点手册.pdf" "概率论 第3讲 · 考点手册" +build "$D3" "02-试题.md" "PDF/概率论第3讲-试题-答题版.pdf" "概率论 第3讲 · 试题(答题版)" answer +build "$D3" "03-解析.md" "PDF/概率论第3讲-解析.pdf" "概率论 第3讲 · 解析" +build "$D3" "04-答疑笔记.md" "PDF/概率论第3讲-答疑笔记.pdf" "概率论 第3讲 · 答疑笔记" +build "$D3" "05-试题-中高难度.md" "PDF/概率论第3讲-试题-中高难度-答题版.pdf" "概率论 第3讲 · 试题(中高难度卷)" answer +build "$D3" "06-解析-中高难度.md" "PDF/概率论第3讲-解析-中高难度.pdf" "概率论 第3讲 · 中高难度卷 · 解析" + +build "$D5" "01-考点手册.md" "PDF/概率论第5讲-考点手册.pdf" "概率论 第5讲 · 大数定律与中心极限定理 · 考点手册" +build "$D5" "02-试题.md" "PDF/概率论第5讲-试题-答题版.pdf" "概率论 第5讲 · 大数定律与中心极限定理(答题版)" answer +build "$D5" "03-解析.md" "PDF/概率论第5讲-解析.pdf" "概率论 第5讲 · 大数定律与中心极限定理 · 解析" + +build "$D6" "01-考点手册.md" "PDF/概率论第6讲-考点手册.pdf" "概率论 第6讲 · 数理统计 · 考点手册" +build "$D6" "02-试题.md" "PDF/概率论第6讲-试题-答题版.pdf" "概率论 第6讲 · 数理统计(答题版)" answer +build "$D6" "03-解析.md" "PDF/概率论第6讲-解析.pdf" "概率论 第6讲 · 数理统计 · 解析" + +echo "全部完成" diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/01-考点手册.md b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/01-考点手册.md index 2881cd1..257dec3 100644 --- a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/01-考点手册.md +++ b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/01-考点手册.md @@ -46,13 +46,13 @@ $$F(x,y)=P\{X\le x,\ Y\le y\}.$$ **几何意义**:平面上以 $(x,y)$ 为**右上角**、向 $-\infty$ 张开的**无界左下矩形**的概率。 ### 1.3 四条性质(与一维对应,多一条) -1. **单调不减**:对 $x$、对 $y$ 各自单调不减; -2. **右连续**:$F(x+0,y)=F(x,y)$,$F(x,y+0)=F(x,y)$; -3. **有界性**:$F(-\infty,y)=F(x,-\infty)=0$,$F(+\infty,+\infty)=1$; +1. **单调不减**:对 $x$ 、对 $y$ 各自单调不减; +2. **右连续**:$F(x+0,y)=F(x,y)$ ,$F(x,y+0)=F(x,y)$ ; +3. **有界性**:$F(-\infty,y)=F(x,-\infty)=0$ ,$F(+\infty,+\infty)=1$ ; 4. **非负矩形增量**(二维**特有**): $$P\{x_1 **用途**:判断"某二元函数能否当联合分布函数"。反例:$F(x,y)=\begin{cases}1,&x+y\ge0\\0,&x+y<0\end{cases}$ **不合法**——它虽满足前三条,但在 $x_1=-1,x_2=1,y_1=-1,y_2=1$ 上矩形增量为 $F(1,1)-F(1,-1)-F(-1,1)+F(-1,-1)=1-1-1+0=-1<0$。 +> **用途**:判断"某二元函数能否当联合分布函数"。反例:$F(x,y)=\begin{cases}1,&x+y\ge0\\0,&x+y<0\end{cases}$ **不合法**——它虽满足前三条,但在 $x_1=-1,x_2=1,y_1=-1,y_2=1$ 上矩形增量为 $F(1,1)-F(1,-1)-F(-1,1)+F(-1,-1)=1-1-1+0=-1<0$ 。 ### 1.4 边缘分布函数 🟩 $$F_X(x)=F(x,+\infty),\qquad F_Y(y)=F(+\infty,y).$$ @@ -64,7 +64,7 @@ $$F_X(x)=F(x,+\infty),\qquad F_Y(y)=F(+\infty,y).$$ ### 2.1 联合分布律 $$p_{ij}=P\{X=x_i,\ Y=y_j\},\quad i,j=1,2,\cdots$$ -**充要条件**:$p_{ij}\ge0$ 且 $\displaystyle\sum_i\sum_j p_{ij}=1$。 +**充要条件**:$p_{ij}\ge0$ 且 $\displaystyle\sum_i\sum_j p_{ij}=1$ 。 ### 2.2 三类分布(表格记忆法) 把 $p_{ij}$ 写成矩形表: @@ -76,13 +76,13 @@ $$p_{ij}=P\{X=x_i,\ Y=y_j\},\quad i,j=1,2,\cdots$$ | $\vdots$ | | | | | | $p_{\cdot j}$ | $p_{\cdot1}$ | $p_{\cdot2}$ | $\cdots$ | $1$ | -- **边缘**:行和 $p_{i\cdot}=\sum_j p_{ij}$、列和 $p_{\cdot j}=\sum_i p_{ij}$(表格最右列、最下行); -- **条件**:$P\{X=x_i\mid Y=y_j\}=\dfrac{p_{ij}}{p_{\cdot j}}$(要求 $p_{\cdot j}>0$),$P\{Y=y_j\mid X=x_i\}=\dfrac{p_{ij}}{p_{i\cdot}}$; -- **区域概率**:$P\{(X,Y)\in G\}=\sum_{(x_i,y_j)\in G}p_{ij}$。 +- **边缘**:行和 $p_{i\cdot}=\sum_j p_{ij}$ 、列和 $p_{\cdot j}=\sum_i p_{ij}$ (表格最右列、最下行); +- **条件**:$P\{X=x_i\mid Y=y_j\}=\dfrac{p_{ij}}{p_{\cdot j}}$ (要求 $p_{\cdot j}>0$ ),$P\{Y=y_j\mid X=x_i\}=\dfrac{p_{ij}}{p_{i\cdot}}$ ; +- **区域概率**:$P\{(X,Y)\in G\}=\sum_{(x_i,y_j)\in G}p_{ij}$ 。 ### 2.3 常见模型 - **放球模型**🟩:$n$ 封信投 $m$ 个信箱,$(X_1,X_2)$ 为前两箱信封数,联合分布为多项分布型。 -- **多项分布**🟨2016·8:$n$ 次独立试验,$X_i$ 为第 $i$ 类结果次数,$\operatorname{Cov}(X_i,X_j)=-np_ip_j\ (i\ne j)$,$\rho_{X_1X_2}=-\sqrt{\dfrac{p_1p_2}{(1-p_1)(1-p_2)}}$。 +- **多项分布**🟨2016·8:$n$ 次独立试验,$X_i$ 为第 $i$ 类结果次数,$\operatorname{Cov}(X_i,X_j)=-np_ip_j\ (i\ne j)$ ,$\rho_{X_1X_2}=-\sqrt{\dfrac{p_1p_2}{(1-p_1)(1-p_2)}}$ 。 --- @@ -90,9 +90,9 @@ $$p_{ij}=P\{X=x_i,\ Y=y_j\},\quad i,j=1,2,\cdots$$ ### 3.1 联合概率密度 $$F(x,y)=\int_{-\infty}^{x}\!\!\int_{-\infty}^{y}f(u,v)\,\mathrm du\,\mathrm dv.$$ -**充要条件**:$f\ge0$,$\displaystyle\iint_{\mathbb R^2}f=1$。改有限个点的值仍是密度。 -- **区域概率**:$P\{(X,Y)\in G\}=\iint_G f\,\mathrm dx\,\mathrm dy$(**画图定限是全部功夫**); -- 在 $f$ 连续点处 $\dfrac{\partial^2F}{\partial x\partial y}=f(x,y)$。 +**充要条件**:$f\ge0$ ,$\displaystyle\iint_{\mathbb R^2}f=1$ 。改有限个点的值仍是密度。 +- **区域概率**:$P\{(X,Y)\in G\}=\iint_G f\,\mathrm dx\,\mathrm dy$ (**画图定限是全部功夫**); +- 在 $f$ 连续点处 $\dfrac{\partial^2F}{\partial x\partial y}=f(x,y)$ 。 ### 3.2 边缘密度 $$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dy,\qquad f_Y(y)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dx.$$ @@ -102,9 +102,9 @@ $$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dy,\qquad f_Y(y)=\int_{-\infty} ### 3.3 条件密度 $$f_{Y|X}(y\mid x)=\frac{f(x,y)}{f_X(x)}\ (f_X(x)>0),\qquad f_{X|Y}(x\mid y)=\frac{f(x,y)}{f_Y(y)}.$$ -**乘法公式**:$f(x,y)=f_X(x)f_{Y|X}(y\mid x)=f_Y(y)f_{X|Y}(x\mid y)$。 +**乘法公式**:$f(x,y)=f_X(x)f_{Y|X}(y\mid x)=f_Y(y)f_{X|Y}(x\mid y)$ 。 -> **求条件密度的标准动作**:① 先求 $f_X(x)$;② 把 $f(x,y)$ 中 $x$ 视为常数除以 $f_X(x)$;③ 写清 $y$ 的**条件范围**。 +> **求条件密度的标准动作**:① 先求 $f_X(x)$ ;② 把 $f(x,y)$ 中 $x$ 视为常数除以 $f_X(x)$ ;③ 写清 $y$ 的**条件范围**。 ### 3.4 二维均匀分布 $$f(x,y)=\begin{cases}\dfrac1{S_D},&(x,y)\in D\\0,&\text{其他}\end{cases}$$ @@ -114,13 +114,13 @@ $$f(x,y)=\begin{cases}\dfrac1{S_D},&(x,y)\in D\\0,&\text{其他}\end{cases}$$ $$(X,Y)\sim N(\mu_1,\mu_2;\sigma_1^2,\sigma_2^2;\rho),\quad -1<\rho<1.$$ $$f(x,y)=\frac{1}{2\pi\sigma_1\sigma_2\sqrt{1-\rho^2}}\exp\left\{-\frac{1}{2(1-\rho^2)}\left[\Big(\tfrac{x-\mu_1}{\sigma_1}\Big)^2-2\rho\Big(\tfrac{x-\mu_1}{\sigma_1}\Big)\Big(\tfrac{y-\mu_2}{\sigma_2}\Big)+\Big(\tfrac{y-\mu_2}{\sigma_2}\Big)^2\right]\right\}$$ **五条必背性质**: -1. 边缘:$X\sim N(\mu_1,\sigma_1^2)$,$Y\sim N(\mu_2,\sigma_2^2)$; +1. 边缘:$X\sim N(\mu_1,\sigma_1^2)$ ,$Y\sim N(\mu_2,\sigma_2^2)$ ; 2. $\rho=\dfrac{\operatorname{Cov}(X,Y)}{\sigma_1\sigma_2}$ 就是相关系数; -3. **任意线性组合** $aX+bY$($a,b$ 不全为 0)仍服从正态; -4. 条件分布仍是正态:$E(Y\mid X=x)=\mu_2+\rho\dfrac{\sigma_2}{\sigma_1}(x-\mu_1)$; +3. **任意线性组合** $aX+bY$ ($a,b$ 不全为 0)仍服从正态; +4. 条件分布仍是正态:$E(Y\mid X=x)=\mu_2+\rho\dfrac{\sigma_2}{\sigma_1}(x-\mu_1)$ ; 5. **不相关 $\iff$ 独立**(二维正态专属特权)。 -> **识别技巧**🟩:看到 $F(x,y)=\Phi(2x+1)\Phi(2y-1)$ 这种"两个一维分布函数之积",先标准化 $\Phi\Big(\dfrac{x-(-\frac12)}{1/2}\Big)\Phi\Big(\dfrac{y-\frac12}{1/2}\Big)$,立刻读出 $(X,Y)\sim N\!\big(-\tfrac12,\tfrac12;\tfrac14,\tfrac14;0\big)$。 +> **识别技巧**🟩:看到 $F(x,y)=\Phi(2x+1)\Phi(2y-1)$ 这种"两个一维分布函数之积",先标准化 $\Phi\Big(\dfrac{x-(-\frac12)}{1/2}\Big)\Phi\Big(\dfrac{y-\frac12}{1/2}\Big)$ ,立刻读出 $(X,Y)\sim N\!\big(-\tfrac12,\tfrac12;\tfrac14,\tfrac14;0\big)$ 。 --- @@ -131,19 +131,19 @@ $$F(x,y)=F_X(x)F_Y(y)\iff f(x,y)=f_X(x)f_Y(y)\iff p_{ij}=p_{i\cdot}\,p_{\cdot j} ### 4.2 性质 - 独立 ⟹ $f(X)$ 与 $g(Y)$ 独立; -- 独立 ⟹ 任意子组独立;独立 ⟹ $E(XY)=EX\cdot EY$,$D(aX\pm bY)=a^2DX+b^2DY$; -- 独立同分布可加:$B(n,p)+B(m,p)=B(n+m,p)$;$P(\lambda_1)+P(\lambda_2)=P(\lambda_1+\lambda_2)$;$N(\mu_1,\sigma_1^2)+N(\mu_2,\sigma_2^2)=N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)$。 +- 独立 ⟹ 任意子组独立;独立 ⟹ $E(XY)=EX\cdot EY$ ,$D(aX\pm bY)=a^2DX+b^2DY$ ; +- 独立同分布可加:$B(n,p)+B(m,p)=B(n+m,p)$ ;$P(\lambda_1)+P(\lambda_2)=P(\lambda_1+\lambda_2)$ ;$N(\mu_1,\sigma_1^2)+N(\mu_2,\sigma_2^2)=N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)$ 。 ### 4.3 判断独立性三步走(考场流程) -1. 求 $f_X(x)$、$f_Y(y)$; +1. 求 $f_X(x)$ 、$f_Y(y)$ ; 2. **看取值区域**——是不是**矩形**(非矩形基本可判不独立); -3. 验 $f(x,y)\stackrel{?}{=}f_X(x)f_Y(y)$。 +3. 验 $f(x,y)\stackrel{?}{=}f_X(x)f_Y(y)$ 。 > **特例**:圆形域、三角形域、$0 **优点**:万无一失(第 15、18 题用它);**缺点**:分段讨论繁。 --- ### 5.2 雅可比行列式变换法(视频推荐,重点补)🟦05/06 -**二维变换定理**:设 $(X,Y)$ 的联合密度为 $f_{XY}(x,y)$,变换 +**二维变换定理**:设 $(X,Y)$ 的联合密度为 $f_{XY}(x,y)$ ,变换 $$u=u(x,y),\qquad v=v(x,y)$$ -满足:① 在 $(X,Y)$ 的取值区域 $D$ 上存在**唯一的逆变换** $x=x(u,v),\ y=y(u,v)$;② 有连续偏导数;③ 雅可比行列式 $J\ne0$。则 $(U,V)$ 的联合密度为 +满足:① 在 $(X,Y)$ 的取值区域 $D$ 上存在**唯一的逆变换** $x=x(u,v),\ y=y(u,v)$ ;② 有连续偏导数;③ 雅可比行列式 $J\ne0$ 。则 $(U,V)$ 的联合密度为 $$\boxed{\,f_{UV}(u,v)=f_{XY}\big(x(u,v),\,y(u,v)\big)\cdot\lvert J\rvert\,}$$ 其中 $$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}\dfrac{\partial x}{\partial u}&\dfrac{\partial x}{\partial v}\\[8pt]\dfrac{\partial y}{\partial u}&\dfrac{\partial y}{\partial v}\end{vmatrix},$$ 取值区域 $D'$ 是 $D$ 在变换下的**像**(把 $D$ 的边界用 $u,v$ 表示)。 **求单个函数 $Z=g(X,Y)$ 的密度 —— 增补变量三步法**: -1. **增补**一个辅助变量(常取 $V=X$ 或 $V=Y$),凑成二维一一变换; -2. 求联合密度 $f_{UV}(u,v)=f_{XY}(x(u,v),y(u,v))\lvert J\rvert$; -3. 对辅助变量积分得**边缘**:$f_Z(z)=\displaystyle\int f_{UV}(z,v)\,\mathrm dv$。 +1. **增补**一个辅助变量(常取 $V=X$ 或 $V=Y$ ),凑成二维一一变换; +2. 求联合密度 $f_{UV}(u,v)=f_{XY}(x(u,v),y(u,v))\lvert J\rvert$ ; +3. 对辅助变量积分得**边缘**:$f_Z(z)=\displaystyle\int f_{UV}(z,v)\,\mathrm dv$ 。 -**三条常用变换(务必记熟 $J$)**: +**三条常用变换(务必记熟 $J$ )**: | 目标 | 增补 | 反解 | $\lvert J\rvert$ | 密度公式 | |---|---|---|---|---| @@ -191,31 +191,31 @@ $$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}\dfrac{\partial x}{\parti | 积 $Z=XY$ | $V=X$ | $x=v,\ y=z/v$ | $\dfrac1{\lvert v\rvert}$ | $f_Z(z)=\displaystyle\int\frac{1}{\lvert v\rvert}f\big(v,\tfrac zv\big)\,\mathrm dv$ | | 商 $Z=\dfrac YX$ | $V=X$ | $x=v,\ y=zv$ | $\lvert v\rvert$ | $f_Z(z)=\displaystyle\int\lvert v\rvert f(v,zv)\,\mathrm dv$ | -> **验算**:以"和"为例,$x=v,\ y=z-v$;$J=\det\begin{vmatrix}0&1\\1&-1\end{vmatrix}=-1$,$\lvert J\rvert=1$,故 $f_Z(z)=\int f(v,z-v)\mathrm dv$ —— 正是**卷积公式**。**雅可比法把卷积"推导"出来了**,理解后不必死记。 +> **验算**:以"和"为例,$x=v,\ y=z-v$ ;$J=\det\begin{vmatrix}0&1\\1&-1\end{vmatrix}=-1$ ,$\lvert J\rvert=1$ ,故 $f_Z(z)=\int f(v,z-v)\mathrm dv$ —— 正是**卷积公式**。**雅可比法把卷积"推导"出来了**,理解后不必死记。 -**一一性的坑** 🔴:若变换**非一一**(如 $Z=X^2$、$Z=X^2+Y^2$ 反解多值),雅可比法要**按分支求和**: +**一一性的坑** 🔴:若变换**非一一**(如 $Z=X^2$ 、$Z=X^2+Y^2$ 反解多值),雅可比法要**按分支求和**: $$f_Z(z)=\sum_{\text{各分支}} f\big(x_k(z)\big)\left\lvert \frac{\mathrm dx_k}{\mathrm dz}\right\rvert.$$ 否则改用**分布函数法**(第 18 题的 $Z=X^2+Y^2$ 就走定义法)。 -**一维版本**(前置知识):若 $Y=g(X)$ 在 $X$ 的取值区间上**单调可导**且 $g'\ne0$,则 +**一维版本**(前置知识):若 $Y=g(X)$ 在 $X$ 的取值区间上**单调可导**且 $g'\ne0$ ,则 $$f_Y(y)=f_X\big(x(y)\big)\cdot\left\lvert\frac{\mathrm dx}{\mathrm dy}\right\rvert=\frac{f_X\big(x(y)\big)}{\lvert g'(x(y))\rvert}.$$ -> 例:$X\sim U(0,2)$,$Y=X^2$ 在 $(0,2)$ 单调,$x=\sqrt y$,$\left\lvert\dfrac{\mathrm dx}{\mathrm dy}\right\rvert=\dfrac1{2\sqrt y}$,故 $f_Y(y)=\dfrac12\cdot\dfrac1{2\sqrt y}=\dfrac1{4\sqrt y}\ (0 例:$X\sim U(0,2)$ ,$Y=X^2$ 在 $(0,2)$ 单调,$x=\sqrt y$ ,$\left\lvert\dfrac{\mathrm dx}{\mathrm dy}\right\rvert=\dfrac1{2\sqrt y}$ ,故 $f_Y(y)=\dfrac12\cdot\dfrac1{2\sqrt y}=\dfrac1{4\sqrt y}\ (0 凡"到原点距离"的函数($X^2+Y^2$、$\sqrt{X^2+Y^2}$、$\sqrt{X^2+Y^2}\le z$ 的区域)一律先转极坐标。 +> 凡"到原点距离"的函数($X^2+Y^2$ 、$\sqrt{X^2+Y^2}$ 、$\sqrt{X^2+Y^2}\le z$ 的区域)一律先转极坐标。 --- ### 5.3 和的分布(卷积) $$f_Z(z)=\int_{-\infty}^{+\infty}f(x,z-x)\,\mathrm dx\ \xrightarrow{\ X,Y\text{ 独立}\ }\ \int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)\,\mathrm dx.$$ **两个标准结论**(背下来): -- 两个 $U(0,1)$ 之和 → **辛普森(三角形)分布**:$f_Z(z)=z\ (0 正态差:$X-Y\sim N(\mu_1-\mu_2,\sigma_1^2+\sigma_2^2)$。**同方差正态差** $X-Y\sim N(0,2\sigma^2)$,与 $\mu$ 无关 🟨2019·8。 +> 正态差:$X-Y\sim N(\mu_1-\mu_2,\sigma_1^2+\sigma_2^2)$ 。**同方差正态差** $X-Y\sim N(0,2\sigma^2)$ ,与 $\mu$ 无关 🟨2019·8。 ### 5.5 积的分布 $$f_Z(z)=\int_{-\infty}^{+\infty}\frac{1}{\lvert x\rvert}f\Big(x,\frac zx\Big)\mathrm dx\quad(\text{独立时}=\int\frac{1}{\lvert x\rvert}f_X(x)f_Y\Big(\frac zx\Big)\mathrm dx).$$ @@ -225,16 +225,16 @@ $$f_Z(z)=\int_{-\infty}^{+\infty}\lvert x\rvert f(x,zx)\,\mathrm dx\quad(\text{ ### 5.7 最值分布 $$F_{\max}(z)=F_X(z)F_Y(z),\qquad F_{\min}(z)=1-\big[1-F_X(z)\big]\big[1-F_Y(z)\big].$$ -> 若 $X,Y$ 独立同分布(分布函数 $F$、密度 $f$):$f_{\max}(z)=2F(z)f(z)$;$f_{\min}(z)=2[1-F(z)]f(z)$。 +> 若 $X,Y$ 独立同分布(分布函数 $F$ 、密度 $f$ ):$f_{\max}(z)=2F(z)f(z)$ ;$f_{\min}(z)=2[1-F(z)]f(z)$ 。 ### 5.8 混合型(一个离散、一个连续)——全概率公式 🟨2017·22、2020·22、2025·22 -设 $X$ 离散($P\{X=x_i\}=p_i$)、$Y$ 连续: +设 $X$ 离散($P\{X=x_i\}=p_i$ )、$Y$ 连续: $$F_Z(z)=\sum_i p_i\,P\{g(x_i,Y)\le z\}.$$ > **本质**:把离散变量的每个取值当作一个**权重**,分别平移后加权叠加。 -> **例**:$P\{X=0\}=P\{X=1\}=\tfrac12$,$Y\sim U(0,1)$,$Z=X+Y$ ⟹ $F_Z(z)=\tfrac12F_Y(z)+\tfrac12F_Y(z-1)$。 +> **例**:$P\{X=0\}=P\{X=1\}=\tfrac12$ ,$Y\sim U(0,1)$ ,$Z=X+Y$ ⟹ $F_Z(z)=\tfrac12F_Y(z)+\tfrac12F_Y(z-1)$ 。 ### 5.9 混合正态(综合题常客)🟨2020·22 -形如 $Y=X_3X_1+(1-X_3)X_2$($X_3$ 取 0/1,$X_1,X_2\sim N(0,1)$): +形如 $Y=X_3X_1+(1-X_3)X_2$ ($X_3$ 取 0/1,$X_1,X_2\sim N(0,1)$ ): 用**全概率 + $\Phi$ 的乘法**: $$F(x,y)=\sum_k P\{X_3=k\}\,P\{X_1\le x,\ (\text{对应 }Y)\le y\}.$$ 结论常是"**证明 $Y$ 仍服从标准正态**"。 @@ -243,12 +243,12 @@ $$F(x,y)=\sum_k P\{X_3=k\}\,P\{X_1\le x,\ (\text{对应 }Y)\le y\}.$$ ## 6. 与数字特征的耦合(本讲的"配件")🟦07 🟨2022·10、2024·9、2025·8 -- **期望的二维公式**(不必先求分布):$E\big(g(X,Y)\big)=\sum\sum g(x_i,y_j)p_{ij}$ 或 $\iint g(x,y)f\,\mathrm dx\,\mathrm dy$; -- $\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY$;$\rho_{XY}=\dfrac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}\in[-1,1]$; -- $D(aX\pm bY)=a^2DX+b^2DY\pm2ab\operatorname{Cov}(X,Y)$; -- **条件分布求相关**(🟨2022·10、2024·9):先 $f(x,y)=f_X(x)f_{Y|X}(y\mid x)$,再算 $EX,EY,E(XY)$; -- **线性组合方差最值**(🟨2025·8):$(X,Y)\sim N(0,0;1,1;\rho)$,$a^2+b^2=1$ 时 $D(aX+bY)=1+2ab\rho$,最大值 $1+\lvert\rho\rvert$; -- **切比雪夫不等式**:$P\{\lvert Z-EZ\rvert\ge\varepsilon\}\le\dfrac{DZ}{\varepsilon^2}$(完整专题见第 5 讲 [[概率论-第5讲-大数定律与中心极限定理/01-考点手册]] §2)。 +- **期望的二维公式**(不必先求分布):$E\big(g(X,Y)\big)=\sum\sum g(x_i,y_j)p_{ij}$ 或 $\iint g(x,y)f\,\mathrm dx\,\mathrm dy$ ; +- $\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY$ ;$\rho_{XY}=\dfrac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}\in[-1,1]$ ; +- $D(aX\pm bY)=a^2DX+b^2DY\pm2ab\operatorname{Cov}(X,Y)$ ; +- **条件分布求相关**(🟨2022·10、2024·9):先 $f(x,y)=f_X(x)f_{Y|X}(y\mid x)$ ,再算 $EX,EY,E(XY)$ ; +- **线性组合方差最值**(🟨2025·8):$(X,Y)\sim N(0,0;1,1;\rho)$ ,$a^2+b^2=1$ 时 $D(aX+bY)=1+2ab\rho$ ,最大值 $1+\lvert\rho\rvert$ ; +- **切比雪夫不等式**:$P\{\lvert Z-EZ\rvert\ge\varepsilon\}\le\dfrac{DZ}{\varepsilon^2}$ (完整专题见第 5 讲 [[概率论-第5讲-大数定律与中心极限定理/01-考点手册]] §2)。 --- @@ -280,9 +280,9 @@ $$F(x,y)=\sum_k P\{X_3=k\}\,P\{X_1\le x,\ (\text{对应 }Y)\le y\}.$$ 3. **独立 ⟹ 不相关;不相关 ⇏ 独立**(二维正态除外); 4. **混合型 = 全概率公式**(离散变量当权重); 5. **单个函数 → 定义法;多变量 → 雅可比;独立求和差 → 卷积**; -6. **雅可比用反解的行列式** $J=\dfrac{\partial(x,y)}{\partial(u,v)}$,别写成 $\dfrac{\partial(u,v)}{\partial(x,y)}$(互为倒数,取绝对值不影响结果,但要对); +6. **雅可比用反解的行列式** $J=\dfrac{\partial(x,y)}{\partial(u,v)}$ ,别写成 $\dfrac{\partial(u,v)}{\partial(x,y)}$ (互为倒数,取绝对值不影响结果,但要对); 7. **非一一变换要按分支求和**,否则漏项; -8. **圆形域先极坐标**,$J=r$; +8. **圆形域先极坐标**,$J=r$ ; 9. **条件密度是对另一个变量求导/积分的商**,注意条件范围; 10. **二维正态 $\sigma$ 是标准差**,代公式别把 $\sigma^2$ 用错。 @@ -290,11 +290,11 @@ $$F(x,y)=\sum_k P\{X_3=k\}\,P\{X_1\le x,\ (\text{对应 }Y)\le y\}.$$ | 陷阱 | 正确做法 | |---|---| | 边缘积分上下限照抄联合定义域 | **画图**取交集,分段讨论 | -| 判独立只看一个点就下"独立"结论 | 独立要**全部** $p_{ij}=p_{i\cdot}p_{\cdot j}$;不独立**找一个反例**即可 | -| 雅可比漏绝对值 / 符号搞反 | $f_{UV}=f\cdot\lvert J\rvert$,行列式用**反解**的 | +| 判独立只看一个点就下"独立"结论 | 独立要**全部** $p_{ij}=p_{i\cdot}p_{\cdot j}$ ;不独立**找一个反例**即可 | +| 雅可比漏绝对值 / 符号搞反 | $f_{UV}=f\cdot\lvert J\rvert$ ,行列式用**反解**的 | | $Z=X^2+Y^2$ 硬套雅可比 | 反解多值,**改走分布函数法** | -| 混合型只算一半权重 | 全概率 $\sum_i p_i(\cdots)$,权重和必须为 1 | -| 相关系数公式分母用方差 | 分母是 $\sqrt{DX}\sqrt{DY}$(都是标准差之积) | +| 混合型只算一半权重 | 全概率 $\sum_i p_i(\cdots)$ ,权重和必须为 1 | +| 相关系数公式分母用方差 | 分母是 $\sqrt{DX}\sqrt{DY}$ (都是标准差之积) | | 正态线性组合忘了 $\rho$ 交叉项 | $D(aX+bY)=a^2DX+b^2DY+2ab\operatorname{Cov}$ | --- diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/02-试题.md b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/02-试题.md index ac2f462..5f83e9f 100644 --- a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/02-试题.md +++ b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/02-试题.md @@ -32,60 +32,60 @@ tags: (Ⅰ)求 $X,Y$ 的边缘分布律;(Ⅱ)判断 $X$ 与 $Y$ 是否相互独立。 **2.** 【二维均匀分布 🟦01】设 $(X,Y)$ 在区域 $D=\{(x,y)\mid 0\le x\le1,\ 0\le y\le x\}$ 上服从均匀分布。 -(Ⅰ)写出 $(X,Y)$ 的概率密度 $f(x,y)$;(Ⅱ)求 $P\{X+Y\le1\}$。 +(Ⅰ)写出 $(X,Y)$ 的概率密度 $f(x,y)$ ;(Ⅱ)求 $P\{X+Y\le1\}$ 。 **3.** 【边缘密度 + 独立性 🟦02】设 $(X,Y)$ 的概率密度为 $$f(x,y)=\begin{cases}c\,xy,&01\}$。 +**7.** 【商分布 🟦05】设 $X\sim U(0,1)$ ,$Y\sim U(0,1)$ 且相互独立,$Z=\dfrac YX$ 。求 $f_Z(z)$ 及 $P\{Z>1\}$ 。 -**8.** 【连续型独立性 🟦03】设 $(X,Y)$ 在单位圆 $D=\{(x,y)\mid x^2+y^2\le1\}$ 上服从均匀分布。(Ⅰ)求 $f_X(x)$;(Ⅱ)判断 $X,Y$ 是否独立。 +**8.** 【连续型独立性 🟦03】设 $(X,Y)$ 在单位圆 $D=\{(x,y)\mid x^2+y^2\le1\}$ 上服从均匀分布。(Ⅰ)求 $f_X(x)$ ;(Ⅱ)判断 $X,Y$ 是否独立。 -**9.** 【积分布 🟦05】设 $X\sim U(0,1)$,$Y\sim U(0,2)$ 且相互独立,$Z=XY$。求 $f_Z(z)$。 +**9.** 【积分布 🟦05】设 $X\sim U(0,1)$ ,$Y\sim U(0,2)$ 且相互独立,$Z=XY$ 。求 $f_Z(z)$ 。 -**10.** 【混合型 · 和 🟦05】设 $X$ 的分布律为 $P\{X=0\}=P\{X=1\}=\tfrac12$,$Y\sim U(0,1)$,$X$ 与 $Y$ 相互独立,$Z=X+Y$。求 $Z$ 的分布函数 $F_Z(z)$ 与密度 $f_Z(z)$。 +**10.** 【混合型 · 和 🟦05】设 $X$ 的分布律为 $P\{X=0\}=P\{X=1\}=\tfrac12$ ,$Y\sim U(0,1)$ ,$X$ 与 $Y$ 相互独立,$Z=X+Y$ 。求 $Z$ 的分布函数 $F_Z(z)$ 与密度 $f_Z(z)$ 。 -**11.** 【不相关但不独立 🟦04】设 $X\sim U(-1,1)$,$Y=X^2$。求 $\operatorname{Cov}(X,Y)$ 与相关系数 $\rho_{XY}$,并判断 $X,Y$ 是否独立。 +**11.** 【不相关但不独立 🟦04】设 $X\sim U(-1,1)$ ,$Y=X^2$ 。求 $\operatorname{Cov}(X,Y)$ 与相关系数 $\rho_{XY}$ ,并判断 $X,Y$ 是否独立。 -**12.** 【最值分布 🟩】设 $X,Y$ 相互独立且都服从参数为 $\lambda$ 的指数分布,$Z=\max(X,Y)$。求 $Z$ 的分布函数与概率密度。 +**12.** 【最值分布 🟩】设 $X,Y$ 相互独立且都服从参数为 $\lambda$ 的指数分布,$Z=\max(X,Y)$ 。求 $Z$ 的分布函数与概率密度。 -**13.** 【二维正态综合 🟩】设 $(X,Y)\sim N(1,2;1,4;0.5)$。(Ⅰ)写出 $X,Y$ 的边缘分布;(Ⅱ)求 $\operatorname{Cov}(X,Y)$ 与 $D(X+Y)$;(Ⅲ)求 $E(Y\mid X=x)$。 +**13.** 【二维正态综合 🟩】设 $(X,Y)\sim N(1,2;1,4;0.5)$ 。(Ⅰ)写出 $X,Y$ 的边缘分布;(Ⅱ)求 $\operatorname{Cov}(X,Y)$ 与 $D(X+Y)$ ;(Ⅲ)求 $E(Y\mid X=x)$ 。 -**14.** 【取点分段 · 几何概型 🟦07】在区间 $(0,1)$ 上随机取一点,将区间分成两段,较短的一段长度为 $X$。求 $X$ 的概率密度。 +**14.** 【取点分段 · 几何概型 🟦07】在区间 $(0,1)$ 上随机取一点,将区间分成两段,较短的一段长度为 $X$ 。求 $X$ 的概率密度。 ## C 组 · 拔高(综合与辨析,★★★) **15.** 【二维均匀 + 离散化 + 分布函数法 · **真题骨架 2016·22** 🟨】设 $(X,Y)$ 在三角形区域 $D=\{(x,y)\mid 0\dfrac X2\end{cases}$$ -(Ⅰ)写出 $f(x,y)$;(Ⅱ)求 $P\{U=1,\,X\le x\}$,并判断 $U$ 与 $X$ 是否独立;(Ⅲ)求 $Z=U+X$ 的分布函数 $F_Z(z)$ 与密度 $f_Z(z)$。 +(Ⅰ)写出 $f(x,y)$ ;(Ⅱ)求 $P\{U=1,\,X\le x\}$ ,并判断 $U$ 与 $X$ 是否独立;(Ⅲ)求 $Z=U+X$ 的分布函数 $F_Z(z)$ 与密度 $f_Z(z)$ 。 -**16.** 【条件均匀分布 → 相关系数 · **真题骨架 2022·10 / 2024·9** 🟨】设 $X\sim U(0,1)$,在 $X=x$ 条件下 $Y\sim U(0,x)$。求相关系数 $\rho_{XY}$。 +**16.** 【条件均匀分布 → 相关系数 · **真题骨架 2022·10 / 2024·9** 🟨】设 $X\sim U(0,1)$ ,在 $X=x$ 条件下 $Y\sim U(0,x)$ 。求相关系数 $\rho_{XY}$ 。 -**17.** 【混合正态 · **真题骨架 2020·22** 🟨】设 $X_1,X_2,X_3$ 相互独立,$X_1,X_2\sim N(0,1)$,且 $P\{X_3=1\}=P\{X_3=-1\}=\dfrac12$。令 +**17.** 【混合正态 · **真题骨架 2020·22** 🟨】设 $X_1,X_2,X_3$ 相互独立,$X_1,X_2\sim N(0,1)$ ,且 $P\{X_3=1\}=P\{X_3=-1\}=\dfrac12$ 。令 $$Y=\frac{1+X_3}{2}X_1+\frac{1-X_3}{2}X_2.$$ -(Ⅰ)求 $(X_1,Y)$ 的分布函数 $F(x,y)$(用标准正态分布函数 $\Phi$ 表示);(Ⅱ)证明 $Y\sim N(0,1)$。 +(Ⅰ)求 $(X_1,Y)$ 的分布函数 $F(x,y)$ (用标准正态分布函数 $\Phi$ 表示);(Ⅱ)证明 $Y\sim N(0,1)$ 。 **18.** 【圆形区域密度 + 函数分布 · **真题骨架 2023·22** 🟨】设 $(X,Y)$ 的概率密度为 $$f(x,y)=\begin{cases}c\sqrt{x^2+y^2},&x^2+y^2\le1\\0,&\text{其他}\end{cases}$$ -(Ⅰ)求常数 $c$;(Ⅱ)求 $\operatorname{Cov}(X,Y)$;(Ⅲ)判断 $X$ 与 $Y$ 是否独立;(Ⅳ)求 $Z=X^2+Y^2$ 的概率密度 $f_Z(z)$。 +(Ⅰ)求常数 $c$ ;(Ⅱ)求 $\operatorname{Cov}(X,Y)$ ;(Ⅲ)判断 $X$ 与 $Y$ 是否独立;(Ⅳ)求 $Z=X^2+Y^2$ 的概率密度 $f_Z(z)$ 。 **19.** 【雅可比行列式变换法 · 视频推荐 🟦05/06】设 $(X,Y)$ 的概率密度为 $$f(x,y)=\begin{cases}e^{-(x+y)},&x>0,\ y>0\\0,&\text{其他}\end{cases}$$ -令 $U=X+Y$,$V=\dfrac{X}{X+Y}$。 -(Ⅰ)用**雅可比行列式变换法**求 $(U,V)$ 的联合密度 $f_{UV}(u,v)$; +令 $U=X+Y$ ,$V=\dfrac{X}{X+Y}$ 。 +(Ⅰ)用**雅可比行列式变换法**求 $(U,V)$ 的联合密度 $f_{UV}(u,v)$ ; (Ⅱ)判断 $U$ 与 $V$ 是否独立,并写出各自的分布($U$ 服从什么分布、$V$ 服从什么分布)。 diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/03-解析.md b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/03-解析.md index 823779a..246bb37 100644 --- a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/03-解析.md +++ b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/03-解析.md @@ -26,36 +26,36 @@ tags: | **2** | 0.2 | 0.3 | 0.1 | **0.6** | | $p_{\cdot j}$ | **0.3** | **0.5** | **0.2** | 1 | -$X\sim\begin{pmatrix}1&2\\0.4&0.6\end{pmatrix}$,$Y\sim\begin{pmatrix}0&1&2\\0.3&0.5&0.2\end{pmatrix}$。 +$X\sim\begin{pmatrix}1&2\\0.4&0.6\end{pmatrix}$ ,$Y\sim\begin{pmatrix}0&1&2\\0.3&0.5&0.2\end{pmatrix}$ 。 -**(Ⅱ)** 取 $p_{11}=0.1$,而 $p_{1\cdot}p_{\cdot1}=0.4\times0.5=0.2\ne0.1$,故 **$X$ 与 $Y$ 不相互独立**。 +**(Ⅱ)** 取 $p_{11}=0.1$ ,而 $p_{1\cdot}p_{\cdot1}=0.4\times0.5=0.2\ne0.1$ ,故 **$X$ 与 $Y$ 不相互独立**。 > **思路**:判独立要"全部成立",否定只需**找一对反例**。 > **易错点**:$p_{ij}$ 与 $p_{i\cdot}p_{\cdot j}$ 下标要对齐($X=1$ 是第 1 行、$Y=0$ 是第 1 列)。 -### 2.(Ⅰ)$S_D=\dfrac12$, +### 2.(Ⅰ)$S_D=\dfrac12$ , $$f(x,y)=\begin{cases}2,&0\le x\le1,\ 0\le y\le x\\0,&\text{其他}\end{cases}$$ -**(Ⅱ)** 在 $D$ 内 $x+y\le1\Rightarrow y\le\min(x,1-x)$:$0\le x\le\frac12$ 上限 $x$;$\frac12\le x\le1$ 上限 $1-x$。 +**(Ⅱ)** 在 $D$ 内 $x+y\le1\Rightarrow y\le\min(x,1-x)$ :$0\le x\le\frac12$ 上限 $x$ ;$\frac12\le x\le1$ 上限 $1-x$ 。 $$P\{X+Y\le1\}=2\left[\int_0^{1/2}x\,\mathrm dx+\int_{1/2}^{1}(1-x)\,\mathrm dx\right]=2\left(\frac18+\frac18\right)=\frac12.$$ > **易错点**:**先画图再定限**,$y=x$ 与 $y=1-x$ 把区域切成两段。 -### 3.(Ⅰ)$\displaystyle\iint f=c\int_0^1x\,\mathrm dx\int_0^2y\,\mathrm dy=c\cdot\frac12\cdot2=c=1\Rightarrow c=1$。 +### 3.(Ⅰ)$\displaystyle\iint f=c\int_0^1x\,\mathrm dx\int_0^2y\,\mathrm dy=c\cdot\frac12\cdot2=c=1\Rightarrow c=1$ 。 -**(Ⅱ)** $f_X(x)=\displaystyle\int_0^2xy\,\mathrm dy=2x\ (0 **思路**:矩形域 + 密度可分离 ⟹ 一眼独立。 -### 4.(Ⅰ)$f_X(x)=\displaystyle\int_0^x3x\,\mathrm dy=3x^2\ (0 **易错点**:条件密度是 $y$ 的函数(对 $x$ 是常数);$\tfrac12<\tfrac34$ 故上限直接取 $\tfrac12$。 +**(Ⅲ)** $P\{Y<\tfrac12\mid X=\tfrac34\}=\displaystyle\int_0^{1/2}\frac{1}{3/4}\,\mathrm dy=\frac43\cdot\frac12=\frac23$ 。 +> **易错点**:条件密度是 $y$ 的函数(对 $x$ 是常数);$\tfrac12<\tfrac34$ 故上限直接取 $\tfrac12$ 。 -### 5. $f(x,y)=1$(单位正方形)。$f_Y(z-x)=1\iff z-1 **真题骨架**:🟨2017·22 同款和分布(离散+连续),见第 10 题混合版。 @@ -63,60 +63,60 @@ $$f_Z(z)=\begin{cases}z,&01\}=\int_1^{+\infty}\frac{1}{2z^2}\,\mathrm dz=\frac12.$$ > **真题骨架**:🟨2021·22(Ⅱ) 求 $Z=Y/X$ 密度。 -> **雅可比视角**:增补 $V=X$,$x=v,y=zv$,$\lvert J\rvert=\lvert v\rvert$,$f_{ZV}(z,v)=\lvert v\rvert f(v,zv)$,再对 $v$ 积分,结果一致。 +> **雅可比视角**:增补 $V=X$ ,$x=v,y=zv$ ,$\lvert J\rvert=\lvert v\rvert$ ,$f_{ZV}(z,v)=\lvert v\rvert f(v,zv)$ ,再对 $v$ 积分,结果一致。 -### 8.(Ⅰ)圆盘均匀 $f=\dfrac1\pi$,对 $y$ 积分($-\sqrt{1-x^2}\sim\sqrt{1-x^2}$): +### 8.(Ⅰ)圆盘均匀 $f=\dfrac1\pi$ ,对 $y$ 积分($-\sqrt{1-x^2}\sim\sqrt{1-x^2}$ ): $$f_X(x)=\frac1\pi\cdot2\sqrt{1-x^2}=\frac{2}{\pi}\sqrt{1-x^2}\quad(-1 **秒杀**:取值区域是**圆**(非矩形),一步否定。 -### 9. $f(x,y)=\dfrac12$($0\frac z2.$$ -对 $0 **真题骨架**:🟨2018·22、2019·22 的 $Z=XY$。 -> **雅可比视角**:增补 $V=X$,$x=v,y=z/v$,$\lvert J\rvert=1/\lvert v\rvert$,结果一致。 +> **真题骨架**:🟨2018·22、2019·22 的 $Z=XY$ 。 +> **雅可比视角**:增补 $V=X$ ,$x=v,y=z/v$ ,$\lvert J\rvert=1/\lvert v\rvert$ ,结果一致。 ### 10. 全概率(离散 $X$ 拆权重): $$F_Z(z)=\frac12F_Y(z)+\frac12F_Y(z-1),\qquad F_Y(t)=0\,(t<0),\ t\,(0\le t<1),\ 1\,(t\ge1).$$ -- $z<0$:$0$;$0\le z<1$:$\dfrac z2$;$1\le z<2$:$\dfrac12+\dfrac{z-1}{2}=\dfrac z2$;$z\ge2$:$1$。 +- $z<0$ :$0$ ;$0\le z<1$ :$\dfrac z2$ ;$1\le z<2$ :$\dfrac12+\dfrac{z-1}{2}=\dfrac z2$ ;$z\ge2$ :$1$ 。 $$F_Z(z)=\begin{cases}0,&z<0\\ \dfrac z2,&0\le z<2\\1,&z\ge2\end{cases}\ \Longrightarrow\ f_Z(z)=\begin{cases}\dfrac12,&0 **易错点**:$F_Y(z-1)$ 也要分段;两段在 $z=1$ 处须连续(此处恰好拼成 $\frac z2$)。 +> **易错点**:$F_Y(z-1)$ 也要分段;两段在 $z=1$ 处须连续(此处恰好拼成 $\frac z2$ )。 -### 11. $EX=0$,$EY=E(X^2)=\displaystyle\int_{-1}^1x^2\cdot\frac12\mathrm dx=\frac13$,$E(XY)=E(X^3)=0$。 +### 11. $EX=0$ ,$EY=E(X^2)=\displaystyle\int_{-1}^1x^2\cdot\frac12\mathrm dx=\frac13$ ,$E(XY)=E(X^3)=0$ 。 $$\operatorname{Cov}(X,Y)=0,\qquad \rho_{XY}=0.$$ 但 $Y=X^2$ 是 $X$ 的函数,二者**不独立**。 > **结论**:**不相关 $\ne$ 独立**的教科书反例(偶函数型)。 -### 12. $F_Z(z)=F_X(z)F_Y(z)=(1-e^{-\lambda z})^2\ (z>0)$,$z\le0$ 为 0。求导: +### 12. $F_Z(z)=F_X(z)F_Y(z)=(1-e^{-\lambda z})^2\ (z>0)$ ,$z\le0$ 为 0。求导: $$f_Z(z)=2\lambda e^{-\lambda z}(1-e^{-\lambda z})=2\lambda\big(e^{-\lambda z}-e^{-2\lambda z}\big)\quad(z>0).$$ -> **配套**:$\min$ 用 $F_{\min}(z)=1-e^{-2\lambda z}$(仍服从指数分布,参数 $2\lambda$)。 +> **配套**:$\min$ 用 $F_{\min}(z)=1-e^{-2\lambda z}$ (仍服从指数分布,参数 $2\lambda$ )。 -### 13.(Ⅰ)$X\sim N(1,1)$,$Y\sim N(2,4)$。 +### 13.(Ⅰ)$X\sim N(1,1)$ ,$Y\sim N(2,4)$ 。 -**(Ⅱ)** $\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times1\times2=1$;$D(X+Y)=1+4+2\times1=7$。 +**(Ⅱ)** $\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times1\times2=1$ ;$D(X+Y)=1+4+2\times1=7$ 。 -**(Ⅲ)** $E(Y\mid X=x)=2+0.5\times2\times(x-1)=x+1$。 -> **易错点**:$\dfrac{\sigma_2}{\sigma_1}=\dfrac21$(**标准差**),不是 $\dfrac41$。 +**(Ⅲ)** $E(Y\mid X=x)=2+0.5\times2\times(x-1)=x+1$ 。 +> **易错点**:$\dfrac{\sigma_2}{\sigma_1}=\dfrac21$ (**标准差**),不是 $\dfrac41$ 。 -### 14. 设切点 $U\sim U(0,1)$,$X=\min(U,1-U)\in(0,\tfrac12)$: +### 14. 设切点 $U\sim U(0,1)$ ,$X=\min(U,1-U)\in(0,\tfrac12)$ : $$F_X(x)=P\{U\le x\}+P\{U\ge1-x\}=2x\quad(0 **真题骨架**:🟨2021·22(Ⅰ)。 @@ -124,60 +124,60 @@ $$F_X(x)=P\{U\le x\}+P\{U\ge1-x\}=2x\quad(0 **反直觉点**:$U$ 是 $(X,Y)$ 的函数却与 $X$ 独立——因为在三角形内 $P\{U=1\mid X=x\}=\dfrac{x/2}{x}=\dfrac12$ **与 $x$ 无关**。 -**(Ⅲ)** 由独立,$f_Z(z)=\dfrac12f_X(z)+\dfrac12f_X(z-1)$,$f_X(x)=2x\ (0 **真题骨架**:🟨2016·22(均匀域 → 离散化 $U$ → 判独立 → $Z=U+X$ 分布函数),仅区域/分界改为 $y=x/2$。 +> **真题骨架**:🟨2016·22(均匀域 → 离散化 $U$ → 判独立 → $Z=U+X$ 分布函数),仅区域/分界改为 $y=x/2$ 。 -### 16. $f(x,y)=\dfrac1x\ (0 **思路**:条件分布型先写 $f=f_Xf_{Y|X}$,再算三个期望。 -> **常用积分**:$\displaystyle\int_0^1 t^n(-\ln t)\,\mathrm dt=\frac{1}{(n+1)^2}$。 +> **思路**:条件分布型先写 $f=f_Xf_{Y|X}$ ,再算三个期望。 +> **常用积分**:$\displaystyle\int_0^1 t^n(-\ln t)\,\mathrm dt=\frac{1}{(n+1)^2}$ 。 -### 17.(Ⅰ)$X_3$ 取 $\pm1$,用全概率: -- $X_3=1$:$Y=X_1$,贡献 $P\{X_1\le x,\ X_1\le y\}=\Phi(\min\{x,y\})$; -- $X_3=-1$:$Y=X_2$,由独立贡献 $\Phi(x)\Phi(y)$。 +### 17.(Ⅰ)$X_3$ 取 $\pm1$ ,用全概率: +- $X_3=1$ :$Y=X_1$ ,贡献 $P\{X_1\le x,\ X_1\le y\}=\Phi(\min\{x,y\})$ ; +- $X_3=-1$ :$Y=X_2$ ,由独立贡献 $\Phi(x)\Phi(y)$ 。 $$F(x,y)=\frac12\Phi(\min\{x,y\})+\frac12\Phi(x)\Phi(y).$$ -**(Ⅱ)** $x\to+\infty$ 得 $F_Y(y)=\dfrac12\Phi(y)+\dfrac12\Phi(y)=\Phi(y)$,故 **$Y\sim N(0,1)$**。 -> **真题骨架**:🟨2020·22(原题 $X_3\in\{0,1\}$,此处对称化为 $\pm1$)。 +**(Ⅱ)** $x\to+\infty$ 得 $F_Y(y)=\dfrac12\Phi(y)+\dfrac12\Phi(y)=\Phi(y)$ ,故 **$Y\sim N(0,1)$ **。 +> **真题骨架**:🟨2020·22(原题 $X_3\in\{0,1\}$ ,此处对称化为 $\pm1$ )。 -### 18.(Ⅰ)极坐标 $\mathrm dx\,\mathrm dy=r\,\mathrm dr\,\mathrm d\theta$: +### 18.(Ⅰ)极坐标 $\mathrm dx\,\mathrm dy=r\,\mathrm dr\,\mathrm d\theta$ : $$1=c\int_0^{2\pi}\!\!\int_0^1 r\cdot r\,\mathrm dr\,\mathrm d\theta=c\cdot2\pi\cdot\frac13\ \Rightarrow\ c=\frac{3}{2\pi}.$$ -**(Ⅱ)** 区域对称 + 密度偶 ⟹ $EX=EY=0$,$E(XY)=0$,故 $\operatorname{Cov}(X,Y)=0$。 +**(Ⅱ)** 区域对称 + 密度偶 ⟹ $EX=EY=0$ ,$E(XY)=0$ ,故 $\operatorname{Cov}(X,Y)=0$ 。 -**(Ⅲ)** $f_X(x)$ 不是 $f_X(x)f_Y(y)$ 的分解形式,$f(x,y)=c\sqrt{x^2+y^2}\ne f_Xf_Y$,故 **$X,Y$ 不独立**。 +**(Ⅲ)** $f_X(x)$ 不是 $f_X(x)f_Y(y)$ 的分解形式,$f(x,y)=c\sqrt{x^2+y^2}\ne f_Xf_Y$ ,故 **$X,Y$ 不独立**。 -**(Ⅳ)** $0 **真题骨架**:🟨2023·22(把原题 $f=c(x^2+y^2)$ 改为 $c\sqrt{x^2+y^2}$)。 -> **技巧**:$Z$ 是"到原点距离的函数" ⟹ **极坐标 + 面积法**,不必硬求 $f_Z$。 +> **真题骨架**:🟨2023·22(把原题 $f=c(x^2+y^2)$ 改为 $c\sqrt{x^2+y^2}$ )。 +> **技巧**:$Z$ 是"到原点距离的函数" ⟹ **极坐标 + 面积法**,不必硬求 $f_Z$ 。 ### 19.(Ⅰ)反解:由 $u=x+y,\ v=\dfrac{x}{x+y}$ 得 $$x=uv,\qquad y=u(1-v).$$ 雅可比行列式(注意是**反解** $(x,y)$ 对 $(u,v)$ 的行列式): $$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}\dfrac{\partial x}{\partial u}&\dfrac{\partial x}{\partial v}\\[8pt]\dfrac{\partial y}{\partial u}&\dfrac{\partial y}{\partial v}\end{vmatrix}=\begin{vmatrix}v&u\\1-v&-u\end{vmatrix}=v(-u)-u(1-v)=-uv-u+uv=-u.$$ -故 $\lvert J\rvert=u$。取值区域:$x>0,y>0\Rightarrow u>0,\ 00,y>0\Rightarrow u>0,\ 00,\ 00),\qquad f_V(v)=\int_0^{+\infty} u e^{-u}\,\mathrm du=1\ (0 **方法总结(雅可比三步)**:① 反解 $x=x(u,v),y=y(u,v)$;② 算 $\lvert J\rvert=\left\lvert\dfrac{\partial(x,y)}{\partial(u,v)}\right\rvert$;③ $f_{UV}=f\cdot\lvert J\rvert$,并把定义域一并变换。 -> **真题骨架**:本题是"指数分布之和 + 比值"的经典结构,$\Gamma(2,1)$ 的分解结论也是**证明"泊松过程的到达时刻与均匀次序"**的核心引理。 +因 $f_{UV}(u,v)=f_U(u)f_V(v)$ ,故 **$U$ 与 $V$ 相互独立**;且 $U\sim\Gamma(2,1)$ (即参数为 1 的 $\chi^2(4)$ ),$V\sim U(0,1)$ 。 +> **方法总结(雅可比三步)**:① 反解 $x=x(u,v),y=y(u,v)$ ;② 算 $\lvert J\rvert=\left\lvert\dfrac{\partial(x,y)}{\partial(u,v)}\right\rvert$ ;③ $f_{UV}=f\cdot\lvert J\rvert$ ,并把定义域一并变换。 +> **真题骨架**:本题是"指数分布之和 + 比值"的经典结构,$\Gamma(2,1)$ 的分解结论也是**证明"泊松过程的到达时刻与均匀次序"** 的核心引理。 --- @@ -187,11 +187,11 @@ $$f_U(u)=\int_0^1 u e^{-u}\,\mathrm dv=u e^{-u}\ (u>0),\qquad f_V(v)=\int_0^{+\i | 真题 | 考法 | 对应题 | 覆盖 | |---|---|---|---| -| 2016·22 | 均匀分布+离散化 $U$+函数分布 | **15** | ✅ | +| 2016·22 | 均匀分布+离散化 $U$ +函数分布 | **15** | ✅ | | 2017·22 | 混合型 $Z=X+Y$ | **5 + 10** | ✅ | -| 2018·22 | $Z=XY$+协方差 | **9** | ✅ | +| 2018·22 | $Z=XY$ +协方差 | **9** | ✅ | | 2019·8 | 正态差 $\lvert X-Y\rvert$ 分布 | **13** | ◐ 部分 | -| 2019·22 | $Z=XY$+不相关+独立性 | **9 + 11** | ✅ | +| 2019·22 | $Z=XY$ +不相关+独立性 | **9 + 11** | ✅ | | 2020·22 | 混合正态+证明 | **17** | ✅ | | 2021·22 | 取点分段+商分布 | **14 + 7** | ✅ | | 2022·10 | 条件分布求相关系数 | **16** | ✅ | @@ -206,5 +206,5 @@ $$f_U(u)=\int_0^1 u e^{-u}\,\mathrm dv=u e^{-u}\ (u>0),\qquad f_V(v)=\int_0^{+\i 1. 离散型二维函数分布(两离散变量之和的表格题); 2. $\lvert X-Y\rvert$ 的正态差完整选择题(2019·8); 3. 条件期望/全期望递推(留到数字特征章); -4. 一般二维函数联合分布(如 $Y_1=2X_1,\ Y_2=\tfrac13X_2$)——本题第 19 题已示范雅可比通法,可自行扩展; +4. 一般二维函数联合分布(如 $Y_1=2X_1,\ Y_2=\tfrac13X_2$ )——本题第 19 题已示范雅可比通法,可自行扩展; 5. 2025·22 保险赔付应用建模。 diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/04-答疑笔记.md b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/04-答疑笔记.md index 36a2a04..6d7d82c 100644 --- a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/04-答疑笔记.md +++ b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/04-答疑笔记.md @@ -25,7 +25,7 @@ tags: **题目回顾** 设 $(X,Y)$ 在区域 $D=\{(x,y)\mid 0\le x\le1,\ 0\le y\le x\}$ 上服从均匀分布。 -(Ⅰ)写出 $f(x,y)$;(Ⅱ)求 $P\{X+Y\le1\}$。 +(Ⅰ)写出 $f(x,y)$ ;(Ⅱ)求 $P\{X+Y\le1\}$ 。 ## 一、先认题型:这是"二维均匀分布" @@ -36,24 +36,24 @@ $$f(x,y)=\begin{cases}\dfrac{1}{S_D},&(x,y)\in D\\[4pt]0,&\text{其他}\end{case ## 二、第(Ⅰ)问:画图 → 求面积 → 写密度 -把不等式翻译成图形:$0\le x\le1$(左右夹在 0 和 1 之间)、$0\le y\le x$(在直线 $y=x$ 下方)、$y\ge0$(在 $x$ 轴上方)。 +把不等式翻译成图形:$0\le x\le1$ (左右夹在 0 和 1 之间)、$0\le y\le x$ (在直线 $y=x$ 下方)、$y\ge0$ (在 $x$ 轴上方)。 三者合起来是一个**三角形**,三个顶点: $$(0,0),\quad (1,0),\quad (1,1).$$ -> 记忆:**"$0\le y\le x\le1$" = 三角形 $(0,0),(1,0),(1,1)$**,这是最高频的二维区域。 +> 记忆:**"$0\le y\le x\le1$ " = 三角形 $(0,0),(1,0),(1,1)$ **,这是最高频的二维区域。 -面积 $S_D=\dfrac12\times$ 底 $\times$ 高 $=\dfrac12\times1\times1=\dfrac12$。于是 +面积 $S_D=\dfrac12\times$ 底 $\times$ 高 $=\dfrac12\times1\times1=\dfrac12$ 。于是 $$f(x,y)=\begin{cases}2,&(x,y)\in D\\0,&\text{其他}\end{cases}$$ ## 三、第(Ⅱ)问:画图定限(真正的坎) **通用三步**: -1. **画全域 $D$**(三角形,已画); -2. **把条件线画上去**:$x+y=1$ 是一条斜线,过 $(0,1)$ 与 $(1,0)$; -3. **找交集 $G=D\cap\{x+y\le1\}$**:看这条线**在 $D$ 内部**从哪穿进去、又从哪穿出来。 - - 与 $y=0$(底边)交于 $(1,0)$; - - 与 $y=x$(斜边)交于 $\big(\tfrac12,\tfrac12\big)$。 - 于是 $G$ 是三角形 $(0,0),(1,0),\big(\tfrac12,\tfrac12\big)$。 +1. **画全域 $D$ **(三角形,已画); +2. **把条件线画上去**:$x+y=1$ 是一条斜线,过 $(0,1)$ 与 $(1,0)$ ; +3. **找交集 $G=D\cap\{x+y\le1\}$ **:看这条线**在 $D$ 内部**从哪穿进去、又从哪穿出来。 + - 与 $y=0$ (底边)交于 $(1,0)$ ; + - 与 $y=x$ (斜边)交于 $\big(\tfrac12,\tfrac12\big)$ 。 + 于是 $G$ 是三角形 $(0,0),(1,0),\big(\tfrac12,\tfrac12\big)$ 。 ### 算法 A:面积比法(均匀分布专属捷径) @@ -64,21 +64,21 @@ $$S_G=\frac12\times1\times\frac12=\frac14,\qquad P\{X+Y\le1\}=\frac{S_G}{S_D}=\f $$P=\iint_G f\,\mathrm dx\,\mathrm dy=\iint_G 2\,\mathrm dx\,\mathrm dy=2S_G=\frac12$$ -**竖直切片**(要分段!):固定 $x$,$y$ 从 $0$ 到 $\min(x,\,1-x)$。 -- $0\le x\le\tfrac12$:$y$ 上限是 $x$(此时 $x<1-x$); -- $\tfrac12\le x\le1$:$y$ 上限是 $1-x$(此时 $1-x\tfrac12$ 后要换成 $1-x$ | **先画图**,看条件线从哪里切断区域;切断点就是**分段点** | +| **坑 1:忘记先算面积** | 直接把 $f$ 写错(比如写成 $f=1$ ) | 均匀分布**第一步必求 $S_D$ **,$f=1/S_D$ | +| **坑 2:不画图就套上下限** | 竖直切片时把 $y$ 上限一路写成 $x$ ,漏了 $x>\tfrac12$ 后要换成 $1-x$ | **先画图**,看条件线从哪里切断区域;切断点就是**分段点** | > **口诀**(来自 [[01-考点手册]]): > **求谁不积谁,不积先定限,限内画条线,先交写下限,后交写上限。** @@ -87,7 +87,7 @@ $$P=2\int_0^{1/2}\!\!\int_{y}^{1-y}\mathrm dx\,\mathrm dy=2\int_0^{1/2}(1-2y)\,\ ## 五、举一反三 遇到"二维均匀 + 求区域概率",标准动作永远是: -1. **画 $D$** → 求 $S_D$ → 写 $f=1/S_D$; +1. **画 $D$ ** → 求 $S_D$ → 写 $f=1/S_D$ ; 2. **画条件曲线** → 找与 $D$ 边界的**交点**; 3. **面积比**(最快)或 **二重积分**(保险); 4. 积分时能换到**水平切片不分段**的方向,就别硬用竖直切片。 @@ -106,8 +106,8 @@ $$0\le x\le1\ (\text{关于 }x),\qquad 0\le y\le x\ (\text{关于 }y).$$ **正确图像("线动成面")**: -- 固定 $x=0.5$:$y\in[0,0.5]$ —— 一条**竖线段**; -- 令 $x$ 从 $0$ 连续变到 $1$:这条竖线段不断变长,**扫出一个三角形** $S_D=\tfrac12$。 +- 固定 $x=0.5$ :$y\in[0,0.5]$ —— 一条**竖线段**; +- 令 $x$ 从 $0$ 连续变到 $1$ :这条竖线段不断变长,**扫出一个三角形** $S_D=\tfrac12$ 。 > **铁律:不等式里有几个变量,图就画几维。** > 一个变量 → 数轴上一段区间(长度);两个变量 → 平面上一个区域(**面积**)。 @@ -116,7 +116,7 @@ $$0\le x\le1\ (\text{关于 }x),\qquad 0\le y\le x\ (\text{关于 }y).$$ **用户原话**:「没想到 $g(x,y) 每次写 $\{g\le z\}$,**第一反应先跟 $D$ 求交**。这正是"画图定限"背后的数学——找的就是 $\{g\le z\}\cap D$ 这块区域的形状和边界。 +> 每次写 $\{g\le z\}$ ,**第一反应先跟 $D$ 求交**。这正是"画图定限"背后的数学——找的就是 $\{g\le z\}\cap D$ 这块区域的形状和边界。 ## 八、两个误解并列对照(速查) @@ -154,11 +154,11 @@ $$F_Z(z)=P\{g(X,Y)\le z\}=\iint_{g\le z}f\,\mathrm d\sigma\xrightarrow[\text{对 **用户原话**:「第四题是我算错了还是出错了?我算的 $x,y$ 围成的面积的值不为 1。」 -**结论**:**题目无误,用户算的"面积 $=\frac12$"也对** —— 错的只是"面积应该等于 1"这个**前提**。 +**结论**:**题目无误,用户算的"面积 $=\frac12$ "也对** —— 错的只是"面积应该等于 1"这个**前提**。 ### 症结:把「均匀分布」的规则当成了通用规则 -用户把第 2 题的 $f=1/S_D$(面积进分母)套到了第 4 题。但第 4 题是**非均匀分布**,常数与面积无关。 +用户把第 2 题的 $f=1/S_D$ (面积进分母)套到了第 4 题。但第 4 题是**非均匀分布**,常数与面积无关。 > **归一化的对象是「密度的积分」,不是「区域的面积」**: > $$\iint_D f(x,y)\,\mathrm dx\,\mathrm dy=1,\qquad\textbf{而不是}\ S_D=1.$$ @@ -173,43 +173,43 @@ $$\iint_D 3x\,\mathrm dx\,\mathrm dy=\int_0^1\!\!\int_0^x 3x\,\mathrm dy\,\mathr | 题 | 分布 | 区域面积 | 常数 | 常数来源 | |---|---|---|---|---| -| **2** | 均匀($f\equiv2$) | $\frac12$ | $2=\frac{1}{1/2}$ | 常数 × 面积 = 1 ⟹ $f=1/S_D$ | -| **3** | 非均匀($f=cxy$) | $2$(矩形) | $c=1$ | $\iint cxy=c\cdot1=1$,**面积 2 未进分母** | -| **4** | 非均匀($f=3x$) | $\frac12$ | $3$ | $\iint 3x=1$,**面积 $\frac12$ 未进分母** | +| **2** | 均匀($f\equiv2$ ) | $\frac12$ | $2=\frac{1}{1/2}$ | 常数 × 面积 = 1 ⟹ $f=1/S_D$ | +| **3** | 非均匀($f=cxy$ ) | $2$ (矩形) | $c=1$ | $\iint cxy=c\cdot1=1$ ,**面积 2 未进分母** | +| **4** | 非均匀($f=3x$ ) | $\frac12$ | $3$ | $\iint 3x=1$ ,**面积 $\frac12$ 未进分母** | -> **第 3 题是最强的反例**:面积 $=2$,若按"面积进分母"会得 $c=\frac12$,正确答案却是 $c=1$。 +> **第 3 题是最强的反例**:面积 $=2$ ,若按"面积进分母"会得 $c=\frac12$ ,正确答案却是 $c=1$ 。 ### 附带纠正:密度可以大于 1 -第 2 题 $f=2$、第 4 题 $x\to1^-$ 时 $f=3x\to3$,**均 > 1**,完全正常。密度不是概率,**只有积分才是概率**。须丢弃"密度值必小于 1""常数必等于 $1/$面积"这类直觉。 +第 2 题 $f=2$ 、第 4 题 $x\to1^-$ 时 $f=3x\to3$ ,**均 > 1**,完全正常。密度不是概率,**只有积分才是概率**。须丢弃"密度值必小于 1""常数必等于 $1/$ 面积"这类直觉。 ### 判别口诀 -> **只有题干出现"在 $D$ 上服从均匀分布"才可用 $f=1/S_D$;其余一律用 $\iint_D f=1$ 反解常数。** +> **只有题干出现"在 $D$ 上服从均匀分布"才可用 $f=1/S_D$ ;其余一律用 $\iint_D f=1$ 反解常数。** ### 第 4 题三问核对(均正确) -- (Ⅰ)$f_X(x)=\int_0^x 3x\,\mathrm dy=3x^2$($\int_0^1 3x^2\mathrm dx=1\ \checkmark$);$f_Y(y)=\int_y^1 3x\,\mathrm dx=\frac32(1-y^2)$($\int_0^1=\frac32\cdot\frac23=1\ \checkmark$)。 -- (Ⅱ)$f_{Y|X}(y\mid x)=\dfrac{3x}{3x^2}=\dfrac1x\ (0 **与第 16 题同构**:第 4 题即"条件均匀型",$f_X(x)=3x^2$ 配 $Y\mid X=x\sim U(0,x)$,验证 $3x^2\cdot\frac1x=3x$ ✓。 +> **与第 16 题同构**:第 4 题即"条件均匀型",$f_X(x)=3x^2$ 配 $Y\mid X=x\sim U(0,x)$ ,验证 $3x^2\cdot\frac1x=3x$ ✓。 --- -## 十、第 7 题答疑:商的分布 $Z=Y/X$(雅可比行列式法) +## 十、第 7 题答疑:商的分布 $Z=Y/X$ (雅可比行列式法) -**题目**:$X\sim U(0,1)$,$Y\sim U(0,1)$ 且相互独立,$Z=\dfrac YX$。求 $f_Z(z)$ 及 $P\{Z>1\}$。 +**题目**:$X\sim U(0,1)$ ,$Y\sim U(0,1)$ 且相互独立,$Z=\dfrac YX$ 。求 $f_Z(z)$ 及 $P\{Z>1\}$ 。 -**已知**:$f_{XY}(x,y)=1,\ (x,y)\in(0,1)^2$。 +**已知**:$f_{XY}(x,y)=1,\ (x,y)\in(0,1)^2$ 。 ### 总思路:增补变量三步法 -$Z=g(X,Y)$ 只是**一个**变量,要凑成可逆变换,须**再补一个辅助变量 $V$**:$(X,Y)\leftrightarrow(Z,V)$,用雅可比得 $f_{ZV}$,最后**积掉 $V$**。 +$Z=g(X,Y)$ 只是**一个**变量,要凑成可逆变换,须**再补一个辅助变量 $V$ **:$(X,Y)\leftrightarrow(Z,V)$ ,用雅可比得 $f_{ZV}$ ,最后**积掉 $V$ **。 ### 第 ①步 · 选辅助变量 -取 $V=X$(最省事,因 $Z=Y/X$ 中已含 $X$): +取 $V=X$ (最省事,因 $Z=Y/X$ 中已含 $X$ ): $$Z=\frac YX,\qquad V=X .$$ @@ -228,15 +228,15 @@ $$J=\frac{\partial(x,y)}{\partial(z,v)} $$f_{ZV}(z,v)=f_{XY}(v,zv)\cdot|J|=1\cdot v=v .$$ -定义域:$0 **$(z,v)$ 平面上的积分区域**:竖条 $01$ 只剩 $v\in(0,1/z)$。**支撑集在 $z$ 方向延伸到 $+\infty$**。 +> **$(z,v)$ 平面上的积分区域**:竖条 $01$ 只剩 $v\in(0,1/z)$ 。**支撑集在 $z$ 方向延伸到 $+\infty$ **。 ### 第 ④步 · 积掉 $v$ -对固定 $z>0$,$v$ 上限为 $\min(1,\,1/z)$: +对固定 $z>0$ ,$v$ 上限为 $\min(1,\,1/z)$ : $$f_Z(z)=\int_0^{\min(1,1/z)}v\,\mathrm dv=\frac12\min\!\left(1,\frac1z\right)^2$$ @@ -248,27 +248,27 @@ $$\boxed{\ f_Z(z)=\begin{cases}\dfrac12,&01\}=\int_1^{+\infty}\frac{1}{2z^2}\mathrm dz=\left[-\frac{1}{2z}\right]_1^{+\infty}=\frac12 .$$ -> **几何秒验**:$Z>1\iff Y>X$,单位正方形中 $y>x$ 的面积 $=\frac12$ ✓。 +> **几何秒验**:$Z>1\iff Y>X$ ,单位正方形中 $y>x$ 的面积 $=\frac12$ ✓。 ### 几何对照($F_Z(z)$ 即面积) -- $01\}=\int_1^{+\infty}\frac{1}{2z^2}\mathrm dz=\left[-\frac{1}{2z}\right]_1 记号 $\dfrac{\partial(x,y)}{\partial(z,v)}$ **本身就把答案写好了**: -- **分子** $(x,y)$ → **决定行**(第 1 行 $x$,第 2 行 $y$); -- **分母** $(z,v)$ → **决定列**(第 1 列对 $z$,第 2 列对 $v$); +- **分子** $(x,y)$ → **决定行**(第 1 行 $x$ ,第 2 行 $y$ ); +- **分母** $(z,v)$ → **决定列**(第 1 列对 $z$ ,第 2 列对 $v$ ); - **第 $i$ 行第 $j$ 列** = 分子第 $i$ 个变量**对**分母第 $j$ 个变量求偏导。 $$\frac{\partial(x,y)}{\partial(z,v)}=\begin{vmatrix}\dfrac{\partial x}{\partial z} & \dfrac{\partial x}{\partial v}\\[6pt] \dfrac{\partial y}{\partial z} & \dfrac{\partial y}{\partial v}\end{vmatrix},\qquad \text{展开}=(\partial_zx)(\partial_vy)-(\partial_vx)(\partial_zy).$$ -**方向问题**:两个雅可比互为倒数 $\dfrac{\partial(x,y)}{\partial(u,v)}\cdot\dfrac{\partial(u,v)}{\partial(x,y)}=1$;密度公式要的是 $\left|\dfrac{\partial(\text{旧})}{\partial(\text{新})}\right|$(即 $dx\,dy=|J|\,du\,dv$ 中的因子)。 +**方向问题**:两个雅可比互为倒数 $\dfrac{\partial(x,y)}{\partial(u,v)}\cdot\dfrac{\partial(u,v)}{\partial(x,y)}=1$ ;密度公式要的是 $\left|\dfrac{\partial(\text{旧})}{\partial(\text{新})}\right|$ (即 $dx\,dy=|J|\,du\,dv$ 中的因子)。 > **⚡ 考场捷径**:**哪边好算先算哪边,最后取倒数。** > 本题 $u=y/x,\ v=x$ 由 $x,y$ **直接给出**,故先算正方向: > $$\frac{\partial(u,v)}{\partial(x,y)}=\begin{vmatrix}-\frac{y}{x^2} & \frac1x\\ 1 & 0\end{vmatrix}=-\frac1x\ \Longrightarrow\ \left|\frac{\partial(x,y)}{\partial(u,v)}\right|=\frac{1}{|-1/x|}=|x|=v\ \checkmark$$ -> 与反解路线(得 $-v$)一致。 +> 与反解路线(得 $-v$ )一致。 -> **🛡 定心丸**:公式取 **$|J|$(绝对值)**,所以**分子内部、分母内部谁先谁后都无所谓**(写反只差一个负号);**唯一不能错的是"方向"**——分子分母整体颠倒必须**取倒数**。 +> **🛡 定心丸**:公式取 **$|J|$ (绝对值)**,所以**分子内部、分母内部谁先谁后都无所谓**(写反只差一个负号);**唯一不能错的是"方向"**——分子分母整体颠倒必须**取倒数**。 ### 基本功 B:$z$ 的取值范围 —— 四步法 -**核心**:$Z$ 的取值范围 = **让不等式组有解的那些 $z$**(即把区域**投影到 $z$ 轴**)。 +**核心**:$Z$ 的取值范围 = **让不等式组有解的那些 $z$ **(即把区域**投影到 $z$ 轴**)。 -1. **抄全 $f\ne0$ 的不等式**(唯一信息来源):$0 下界" ⟹ $z$ 的范围**:$\min(1,1/z)>0$ ⟺ $z>0$,故 $z\in(0,+\infty)$。 +4. **"上界 > 下界" ⟹ $z$ 的范围**:$\min(1,1/z)>0$ ⟺ $z>0$ ,故 $z\in(0,+\infty)$ 。 -> ⚠️ **除 $v$ 之前必须确认 $v$ 的符号**:若 $v$ 可负,除过去要**变号**并分类讨论。本题 $v=x\in(0,1)>0$,安全。 +> ⚠️ **除 $v$ 之前必须确认 $v$ 的符号**:若 $v$ 可负,除过去要**变号**并分类讨论。本题 $v=x\in(0,1)>0$ ,安全。 **💡 关键洞察:那个 $\min$ 一次干了两件事** | 看 $\min(1,1/z)$ 的什么 | 得到什么 | |---|---| -| **非空性**(上界 $>0$) | $z$ 的取值范围 $z>0$ | -| **切换点**($1$ 与 $1/z$ 交点 $z=1$) | $f_Z$ 的**分段点** $z=1$ | +| **非空性**(上界 $>0$ ) | $z$ 的取值范围 $z>0$ | +| **切换点**($1$ 与 $1/z$ 交点 $z=1$ ) | $f_Z$ 的**分段点** $z=1$ | ⇒ **范围与分段不必分两处算**,写成一个 $\min$ 表达式即可一次到手。 -**备用视角**:$Z$ 的范围 = $g$ 在支撑集上的**值域**;上下界出现在**边界/退化处**。$z=y/x$:$y\to0^+$ 给下确界 $0$;$x\to0^+$ 给上确界 $+\infty$。 +**备用视角**:$Z$ 的范围 = $g$ 在支撑集上的**值域**;上下界出现在**边界/退化处**。$z=y/x$ :$y\to0^+$ 给下确界 $0$ ;$x\to0^+$ 给上确界 $+\infty$ 。 -**举一反三(同一正方形 $(0,1)^2$)**:$X+Y\in(0,2)$、$XY\in(0,1)$、$Y/X\in(0,+\infty)$。**分式型只要分母能趋于 0,范围即无界。** +**举一反三(同一正方形 $(0,1)^2$ )**:$X+Y\in(0,2)$ 、$XY\in(0,1)$ 、$Y/X\in(0,+\infty)$ 。**分式型只要分母能趋于 0,范围即无界。** diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/05-试题-中高难度.md b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/05-试题-中高难度.md index af77158..ca77fa0 100644 --- a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/05-试题-中高难度.md +++ b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/05-试题-中高难度.md @@ -33,52 +33,52 @@ tags: (Ⅰ)求 $X,Y$ 的边缘分布律;(Ⅱ)判断 $X$ 与 $Y$ 是否相互独立;(Ⅲ)求 $Z=X+Y$ 的分布律。 -**2.** 【正态差的分布 · **真题骨架 2019·8** 🟨】设 $X$ 与 $Y$ 相互独立,$X\sim N(1,4)$,$Y\sim N(2,9)$。 +**2.** 【正态差的分布 · **真题骨架 2019·8** 🟨】设 $X$ 与 $Y$ 相互独立,$X\sim N(1,4)$ ,$Y\sim N(2,9)$ 。 (Ⅰ)写出 $X-Y$ 服从的分布; -(Ⅱ)求 $P\{X>Y\}$(用标准正态分布函数 $\Phi$ 表示); -(Ⅲ)若改为 $X,Y$ 相互独立且**同分布** $N(\mu,\sigma^2)$,问 $P\{|X-Y|<2\}$ 是否与 $\mu$ 有关?是否与 $\sigma^2$ 有关?说明理由。 +(Ⅱ)求 $P\{X>Y\}$ (用标准正态分布函数 $\Phi$ 表示); +(Ⅲ)若改为 $X,Y$ 相互独立且**同分布** $N(\mu,\sigma^2)$ ,问 $P\{|X-Y|<2\}$ 是否与 $\mu$ 有关?是否与 $\sigma^2$ 有关?说明理由。 **3.** 【条件密度 + 条件期望 · **真题骨架 2024·9** 🟨】设 $(X,Y)$ 的概率密度为 $$f(x,y)=\begin{cases}c\,xy,&x>0,\ y>0,\ x+y<1\\0,&\text{其他}\end{cases}$$ -(Ⅰ)求常数 $c$; -(Ⅱ)求 $f_X(x)$ 与条件密度 $f_{Y|X}(y\mid x)$; -(Ⅲ)求 $E(Y\mid X=x)$ 与 $E(Y)$。 +(Ⅰ)求常数 $c$ ; +(Ⅱ)求 $f_X(x)$ 与条件密度 $f_{Y|X}(y\mid x)$ ; +(Ⅲ)求 $E(Y\mid X=x)$ 与 $E(Y)$ 。 -**4.** 【商的分布 · **真题骨架 2021·22** 🟨】设 $X\sim U(0,1)$,$Y$ 服从参数为 $1$ 的指数分布,$X$ 与 $Y$ 相互独立,$Z=\dfrac YX$。求 $Z$ 的概率密度 $f_Z(z)$。 +**4.** 【商的分布 · **真题骨架 2021·22** 🟨】设 $X\sim U(0,1)$ ,$Y$ 服从参数为 $1$ 的指数分布,$X$ 与 $Y$ 相互独立,$Z=\dfrac YX$ 。求 $Z$ 的概率密度 $f_Z(z)$ 。 **5.** 【非矩形域上的均匀分布 🟦02】设 $(X,Y)$ 在区域 $$D=\{(x,y)\mid x^2+y^2\le1,\ y\ge0\}$$ 上服从均匀分布。 -(Ⅰ)写出 $f(x,y)$;(Ⅱ)求 $f_X(x)$ 与 $f_Y(y)$;(Ⅲ)判断 $X$ 与 $Y$ 是否相互独立;(Ⅳ)求 $P\{X>Y\}$。 +(Ⅰ)写出 $f(x,y)$ ;(Ⅱ)求 $f_X(x)$ 与 $f_Y(y)$ ;(Ⅲ)判断 $X$ 与 $Y$ 是否相互独立;(Ⅳ)求 $P\{X>Y\}$ 。 -**6.** 【离散 × 连续 的乘积 · **真题骨架 2019·22** 🟨】设 $X\sim U(0,1)$,离散型随机变量 $Y$ 满足 $P\{Y=-1\}=p$,$P\{Y=1\}=1-p$($0 **思路**:离散"和的分布"= 沿**反对角线**求和($X+Y=k$ 的那条线)。 @@ -43,16 +43,16 @@ $$X-Y\sim N\big(1-2,\ 4+9\big)=N(-1,\ 13).$$ **(Ⅱ)** $$P\{X>Y\}=P\{X-Y>0\}=1-\Phi\!\left(\frac{0-(-1)}{\sqrt{13}}\right)=1-\Phi\!\left(\frac{1}{\sqrt{13}}\right)\approx0.391.$$ -**(Ⅲ)** 同分布时 $X-Y\sim N(0,\ 2\sigma^2)$,故 +**(Ⅲ)** 同分布时 $X-Y\sim N(0,\ 2\sigma^2)$ ,故 $$P\{|X-Y|<2\}=\Phi\!\left(\frac{2}{\sigma\sqrt2}\right)-\Phi\!\left(-\frac{2}{\sigma\sqrt2}\right)=2\Phi\!\left(\frac{\sqrt2}{\sigma}\right)-1.$$ -结果里**不含 $\mu$、含 $\sigma$** ⟹ **与 $\mu$ 无关,与 $\sigma^2$ 有关**(即真题 2019·8 的选项 A)。 -> **思路(中心化)**:$X-Y$ 的分布只由**差的均值**($0$)与**差的方差**($2\sigma^2$)决定;$|X-Y|<2$ 是关于 $X-Y$ 的**对称区间**概率,只依赖 $2\sigma^2$。 -> **易错点**:$D(X-Y)=DX+DY$(**独立才可加**),不是 $DX-DY$;求 $P\{X>Y\}$ 时别忘减均值 $-1$ 已含在里面。 +结果里**不含 $\mu$ 、含 $\sigma$ ** ⟹ **与 $\mu$ 无关,与 $\sigma^2$ 有关**(即真题 2019·8 的选项 A)。 +> **思路(中心化)**:$X-Y$ 的分布只由**差的均值**($0$ )与**差的方差**($2\sigma^2$ )决定;$|X-Y|<2$ 是关于 $X-Y$ 的**对称区间**概率,只依赖 $2\sigma^2$ 。 +> **易错点**:$D(X-Y)=DX+DY$ (**独立才可加**),不是 $DX-DY$ ;求 $P\{X>Y\}$ 时别忘减均值 $-1$ 已含在里面。 ### 3.(Ⅰ) $$\iint_{\!D}cxy\,\mathrm dx\mathrm dy=c\int_0^1\!\!\int_0^{1-x}xy\,\mathrm dy\,\mathrm dx=c\int_0^1 x\cdot\frac{(1-x)^2}{2}\,\mathrm dx=c\cdot\frac12 B(2,3)=c\cdot\frac{1}{24}=1\ \Rightarrow\ \boxed{c=24}$$ -**(Ⅱ)** $D$ 是三角形 $x+y<1$,故 +**(Ⅱ)** $D$ 是三角形 $x+y<1$ ,故 $$f_X(x)=\int_0^{1-x}24xy\,\mathrm dy=12x(1-x)^2\quad(0 **思路**:条件密度型问题三步走——**先定域($0 **易错点**:区域是**三角形**不是矩形,内层上限是 $1-x$;$B(2,4)=\dfrac{1!\,3!}{5!}=\dfrac{1}{20}$。 +> **思路**:条件密度型问题三步走——**先定域($0 **易错点**:区域是**三角形**不是矩形,内层上限是 $1-x$ ;$B(2,4)=\dfrac{1!\,3!}{5!}=\dfrac{1}{20}$ 。 -### 4. $f_{XY}(x,y)=1\cdot e^{-y}$($00$)。用**商的密度公式**(其 $|x|$ 即雅可比): +### 4. $f_{XY}(x,y)=1\cdot e^{-y}$ ($00$ )。用**商的密度公式**(其 $|x|$ 即雅可比): $$f_Z(z)=\int_{-\infty}^{+\infty}|x|\,f(x,zx)\,\mathrm dx=\int_0^1 x\,e^{-zx}\,\mathrm dx\quad(z>0).$$ -两次分部积分(或用 $\int_0^1xe^{-zx}\mathrm dx=\dfrac{1-(1+z)e^{-z}}{z^{2}}$): +两次分部积分(或用 $\int_0^1xe^{-zx}\mathrm dx=\dfrac{1-(1+z)e^{-z}}{z^{2}}$ ): $$\boxed{\ f_Z(z)=\begin{cases}\dfrac{1-(1+z)e^{-z}}{z^{2}},&z>0\\[6pt]0,&z\le0\end{cases}\ }$$ -**自检**:$z\to0^+$ 时分子 $\sim\dfrac{z^2}{2}$,故 $f_Z\to\dfrac12=\displaystyle\int_0^1x\,\mathrm dx$ ✓ -> **思路**:商 $Z=Y/X$ 取辅助变量 $V=X$,$|J|=|x|$,故公式里出现 $|x|$;本题也可用"先求 $F_Z$ 再求导":$P\{Y\le zX\}=\int_0^1(1-e^{-zx})\mathrm dx$,求导结果相同。 -> **易错点**:支撑集 $z>0$(公式里 $e^{-zx}$ 的收敛要求 $z>0$,与 $Y>0,X>0$ 一致);不要漏掉分母 $z^2$。 +**自检**:$z\to0^+$ 时分子 $\sim\dfrac{z^2}{2}$ ,故 $f_Z\to\dfrac12=\displaystyle\int_0^1x\,\mathrm dx$ ✓ +> **思路**:商 $Z=Y/X$ 取辅助变量 $V=X$ ,$|J|=|x|$ ,故公式里出现 $|x|$ ;本题也可用"先求 $F_Z$ 再求导":$P\{Y\le zX\}=\int_0^1(1-e^{-zx})\mathrm dx$ ,求导结果相同。 +> **易错点**:支撑集 $z>0$ (公式里 $e^{-zx}$ 的收敛要求 $z>0$ ,与 $Y>0,X>0$ 一致);不要漏掉分母 $z^2$ 。 -### 5.(Ⅰ)$S_D=\dfrac{\pi}{2}$(上半圆),故 +### 5.(Ⅰ)$S_D=\dfrac{\pi}{2}$ (上半圆),故 $$f(x,y)=\begin{cases}\dfrac{2}{\pi},&x^2+y^2\le1,\ y\ge0\\0,&\text{其他}\end{cases}$$ **(Ⅱ)** $$f_X(x)=\int_0^{\sqrt{1-x^2}}\frac{2}{\pi}\,\mathrm dy=\frac{2}{\pi}\sqrt{1-x^2}\quad(-1y\iff\cos\theta>\sin\theta\iff\theta<\frac{\pi}{4}\quad\Big(\theta\in\Big[0,\frac\pi2\Big]\Big),$$ -故 $\{x>y\}\cap D$ 是扇形 $\theta\in\big[0,\frac\pi4\big)$,面积 $\dfrac12\cdot1^2\cdot\dfrac\pi4=\dfrac\pi8$。 +故 $\{x>y\}\cap D$ 是扇形 $\theta\in\big[0,\frac\pi4\big)$ ,面积 $\dfrac12\cdot1^2\cdot\dfrac\pi4=\dfrac\pi8$ 。 $$P\{X>Y\}=\frac{S_{\{x>y\}\cap D}}{S_D}=\frac{\pi/8}{\pi/2}=\frac14.$$ > **思路**:均匀分布求概率 = **面积比**;区域带圆就用**极坐标数角度**,比硬积分快得多。 -> **易错点**:上半圆的面积是 $\pi/2$ 不是 $\pi$;$\theta\in[\frac\pi2,\pi]$ 那半扇形里 $x<0\le y$,也算进 $\{x **易错点**:上半圆的面积是 $\pi/2$ 不是 $\pi$ ;$\theta\in[\frac\pi2,\pi]$ 那半扇形里 $x<0\le y$ ,也算进 $\{x **易错点**:$Z$ 的密度是**两块拼接**(正半轴权重 $1-p$、负半轴权重 $p$),不是常规光滑密度;求 $E(XZ)$ 必须用**独立性**拆成 $E(X^2)E(Y)$。 +**(Ⅳ)$X$ 与 $Z$ 不相互独立**。理由:给定 $X=x$ ,$Z=xY$ 只取 $\pm x$ 两个值,条件分布**依赖 $x$ **(如 $P\{Z=x\mid X=x\}=1-p$ ,$P\{Z=-x\mid X=x\}=p$ ),故不独立。 +> **易错点**:$Z$ 的密度是**两块拼接**(正半轴权重 $1-p$ 、负半轴权重 $p$ ),不是常规光滑密度;求 $E(XZ)$ 必须用**独立性**拆成 $E(X^2)E(Y)$ 。 > **结论**:本题与真题同构——**"不相关"可以靠调参数凑出来,但"独立"凑不出来**。 -### 7.(Ⅰ)$\sigma_1=1,\ \sigma_2=2,\ \rho=-0.5$,$\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=-1$。 +### 7.(Ⅰ)$\sigma_1=1,\ \sigma_2=2,\ \rho=-0.5$ ,$\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=-1$ 。 $$D(X+Y)=DX+DY+2\operatorname{Cov}(X,Y)=1+4+2(-1)=3\ \Rightarrow\ X+Y\sim N(0,3).$$ -**(Ⅱ)** $D(X-Y)=DX+DY-2\operatorname{Cov}(X,Y)=1+4-2(-1)=7$。 +**(Ⅱ)** $D(X-Y)=DX+DY-2\operatorname{Cov}(X,Y)=1+4-2(-1)=7$ 。 **(Ⅲ)** 线性组合的协方差(交叉项抵消): $$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY=1-4=-3\ne0.$$ 因 $(X+Y,\ X-Y)$ 仍是 $(X,Y)$ 的线性变换,**仍服从二维正态**,对二维正态"不相关 $\iff$ 独立",故 **$X+Y$ 与 $X-Y$ 不相互独立**。 -> **易错点**:$\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=-1$(**负号别丢**),直接导致 $D(X+Y)=3$ 而非 $5$。 -> **通用结论**:二维正态下 —— 线性组合仍联合正态;**不相关即独立**;$\operatorname{Cov}(aX+bY,\,cX+dY)=ac\,DX+(ad+bc)\operatorname{Cov}+bd\,DY$。 +> **易错点**:$\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=-1$ (**负号别丢**),直接导致 $D(X+Y)=3$ 而非 $5$ 。 +> **通用结论**:二维正态下 —— 线性组合仍联合正态;**不相关即独立**;$\operatorname{Cov}(aX+bY,\,cX+dY)=ac\,DX+(ad+bc)\operatorname{Cov}+bd\,DY$ 。 --- @@ -124,80 +124,80 @@ $$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY=1-4=-3\ne0.$$ $$u=x+y,\quad v=x-y\ \Longrightarrow\ x=\frac{u+v}{2},\qquad y=\frac{u-v}{2}.$$ 雅可比行列式(**反解的行列式**): $$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}\dfrac{\partial x}{\partial u}&\dfrac{\partial x}{\partial v}\\[8pt]\dfrac{\partial y}{\partial u}&\dfrac{\partial y}{\partial v}\end{vmatrix}=\begin{vmatrix}\tfrac12&\tfrac12\\[4pt]\tfrac12&-\tfrac12\end{vmatrix}=-\frac14-\frac14=-\frac12,\qquad|J|=\frac12.$$ -**定义域一起变换**:$0 **思路(雅可比三步)**:① 反解 $x=x(u,v),y=y(u,v)$;② 算 $\left|\dfrac{\partial(x,y)}{\partial(u,v)}\right|$;③ $f_{UV}=f\cdot|J|$,**定义域一并变换**(这一步决定了菱形的四条边)。 +**(Ⅲ)$U$ 与 $V$ 不相互独立**。$f_{UV}$ 在菱形上恒为 $\dfrac12$ (常数),而 $f_U(u)=u$ 在 $(0,1)$ 上并非常数,$f_U(u)f_V(v)\ne f_{UV}$ ,故不独立。 +> **思路(雅可比三步)**:① 反解 $x=x(u,v),y=y(u,v)$ ;② 算 $\left|\dfrac{\partial(x,y)}{\partial(u,v)}\right|$ ;③ $f_{UV}=f\cdot|J|$ ,**定义域一并变换**(这一步决定了菱形的四条边)。 > **易错点**:$|J|=\tfrac12$ 是**常数**,很容易被误当成"$f_{UV}$ 也是常数所以独立"——**判断独立必须比较边缘之积**,支撑集是斜菱形这一点就足以否定独立。 > **与 02-试题 第 19 题的分工**:第 19 题练"和非一一→按分支"的比值变换,本题练**一一变换 + 支撑集形状**。 -### 9.(Ⅰ)$(U,V)=(\min,\max)$ 的取值必满足 $0 **思路**:$n$ 个 iid 连续变量的顺序统计量,联合密度 $=n!\,f(x_1)\cdots f(x_n)$(限在 $x_{(1)}<\cdots **巧记**:$U(0,1)$ 两样本的 $\min,\max$ 均值是 $\frac13,\frac23$——正好是 $[0,1]$ 上两个等分点的位置。 +> **思路**:$n$ 个 iid 连续变量的顺序统计量,联合密度 $=n!\,f(x_1)\cdots f(x_n)$ (限在 $x_{(1)}<\cdots **巧记**:$U(0,1)$ 两样本的 $\min,\max$ 均值是 $\frac13,\frac23$ ——正好是 $[0,1]$ 上两个等分点的位置。 ### 10. 卷积(对 $x$ 积分,注意 $f_X$ 只在 $(0,1)$ 非零): $$f_Z(z)=\int_0^1 f_Y(z-x)\,\mathrm dx=\int_0^1 e^{-(z-x)}\,\mathbf 1\{x **思路**:卷积的**分段点来自两个支撑集边界**($x$ 的上限取 $\min(1,z)$),本题分界点就是 $z=1$。 -> **易错点**:$00$。 +> **思路**:卷积的**分段点来自两个支撑集边界**($x$ 的上限取 $\min(1,z)$ ),本题分界点就是 $z=1$ 。 +> **易错点**:$00$ 。 -### 11. 先写联合密度:$f_X(x)=1\ (0 **思路**:条件分布型**永远先写 $f=f_Xf_{Y|X}$**;求 $E(XY)$ 用**条件期望**最快——$E(XY)=E[X\,E(Y\mid X)]$。 -> **易错点**:$U(x,2x)$ 的 $E(U^2)=\dfrac{x^2+2x^2+4x^2}{3}$(均值**不一定对称**时别写错,此式只在 $a=x,b=2x$ 时代入);分界 $x **真题骨架**:🟨2022·10 / 2024·9(条件分布 → 相关系数),本题把 $U(0,x)$ 换成 $U(x,2x)$。 +> **思路**:条件分布型**永远先写 $f=f_Xf_{Y|X}$ **;求 $E(XY)$ 用**条件期望**最快——$E(XY)=E[X\,E(Y\mid X)]$ 。 +> **易错点**:$U(x,2x)$ 的 $E(U^2)=\dfrac{x^2+2x^2+4x^2}{3}$ (均值**不一定对称**时别写错,此式只在 $a=x,b=2x$ 时代入);分界 $x **真题骨架**:🟨2022·10 / 2024·9(条件分布 → 相关系数),本题把 $U(0,x)$ 换成 $U(x,2x)$ 。 -### 12.(Ⅰ)**串联** $T_1=\min(X,Y)$: +### 12.(Ⅰ)**串联** $T_1=\min(X,Y)$ : $$F_{T_1}(t)=1-P\{X>t\}P\{Y>t\}=1-\big(e^{-\lambda t}\big)^2=1-e^{-2\lambda t}\ (t>0),$$ $$\boxed{f_{T_1}(t)=2\lambda e^{-2\lambda t}\ (t>0)}\ \Longrightarrow\ T_1\sim E(2\lambda),\qquad E(T_1)=\frac{1}{2\lambda}.$$ > **结论**:独立同分布指数取 **min 仍是指数**,参数**相加**——"最短寿命"是串联系统的招牌性质。 -**(Ⅱ)** **并联** $T_2=\max(X,Y)$: +**(Ⅱ)** **并联** $T_2=\max(X,Y)$ : $$F_{T_2}(t)=\big(1-e^{-\lambda t}\big)^2\ (t>0),\qquad f_{T_2}(t)=2\big(1-e^{-\lambda t}\big)\lambda e^{-\lambda t}=2\lambda e^{-\lambda t}\big(1-e^{-\lambda t}\big).$$ -用**期望的可加性**($\max+\min=X+Y$): +用**期望的可加性**($\max+\min=X+Y$ ): $$E(T_2)=E(X)+E(Y)-E(T_1)=\frac1\lambda+\frac1\lambda-\frac{1}{2\lambda}=\frac{3}{2\lambda}.$$ -**(Ⅲ)** 门槛 $\dfrac{1.5}{\lambda}=\dfrac{3}{2\lambda}$: +**(Ⅲ)** 门槛 $\dfrac{1.5}{\lambda}=\dfrac{3}{2\lambda}$ : $$E(T_1)=\frac{1}{2\lambda}<\frac{3}{2\lambda},\qquad E(T_2)=\frac{3}{2\lambda}\ \text{恰好达标}\ \checkmark$$ **并联方案达标**(且恰好取等)。 > **思路(最省力的期望算法)**:恒等式 $\max(X,Y)+\min(X,Y)=X+Y$ 两边取期望即可,**不必再做一次积分**。 -> **易错点**:$E(\max)$ 不能写成 $\max(EX,EY)$;$E(\min)\ge$ 与 $\le$ 的方向记牢:串联寿命更短。 +> **易错点**:$E(\max)$ 不能写成 $\max(EX,EY)$ ;$E(\min)\ge$ 与 $\le$ 的方向记牢:串联寿命更短。 > **真题骨架**:🟨2025·22("分段赔付额 + 复合模型"的应用建模风格),本题改为**可靠性工程**情境。 --- @@ -208,7 +208,7 @@ $$E(T_1)=\frac{1}{2\lambda}<\frac{3}{2\lambda},\qquad E(T_2)=\frac{3}{2\lambda}\ | 本章已被 02-试题 覆盖 | 本卷的定位 | |---|---| -| 均匀域离散化(15)、条件均匀相关系数(16)、混合正态(17)、圆域 $X^2+Y^2$(18)、雅可比比值(19) | 避开上述结构,改从下述**真题空档**切入 | +| 均匀域离散化(15)、条件均匀相关系数(16)、混合正态(17)、圆域 $X^2+Y^2$ (18)、雅可比比值(19) | 避开上述结构,改从下述**真题空档**切入 | ### 二、真题覆盖(对照 ch17 的 11 题) @@ -217,10 +217,10 @@ $$E(T_1)=\frac{1}{2\lambda}<\frac{3}{2\lambda},\qquad E(T_2)=\frac{3}{2\lambda}\ | 2016·22 | 均匀域 + 离散化 + 函数分布 | 5 | 同域精神,改为**半圆** | | 2017·22 | 混合型 $Z=X+Y$ | 1、10 | 离散型(1)+ **卷积**(10) | | 2018·22 | $Z=XY$ + 协方差 | — | 已由 02-试题 第 9 题覆盖 | -| **2019·8** | **正态差 $\lvert X-Y\rvert$** | **2** | ✅ **本卷重点补** | +| **2019·8** | **正态差 $\lvert X-Y\rvert$ ** | **2** | ✅ **本卷重点补** | | 2019·22 | 离散×连续乘积 + 不相关 + 独立 | 6 | ✅ 完整复刻考法 | | 2020·22 | 混合正态证明 | — | 已由 02-试题 第 17 题覆盖 | -| 2021·22 | 取点分段 + 商分布 | 4 | 商分布换分布组合($U(0,1)$ 与 $E(1)$) | +| 2021·22 | 取点分段 + 商分布 | 4 | 商分布换分布组合($U(0,1)$ 与 $E(1)$ ) | | 2022·10 / 2024·9 | 条件分布 → 相关系数 | **3、11** | 条件期望(3)+ 相关系数(11) | | 2023·22 | 圆域 + Cov + 独立 + 函数分布 | 5、7 | 拆到"边缘 + 独立"与"二维正态线性组合" | | **2025·22** | **复合分布应用建模** | **12** | ✅ **本卷重点补** | diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-答疑笔记.pdf b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-答疑笔记.pdf index 51715b8..9d5d21d 100644 Binary files a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-答疑笔记.pdf and b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-答疑笔记.pdf differ diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-考点手册.pdf b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-考点手册.pdf index e60a9db..6b57af9 100644 Binary files a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-考点手册.pdf and b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-考点手册.pdf differ diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-解析-中高难度.pdf b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-解析-中高难度.pdf index 6aa7c9a..4602883 100644 Binary files a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-解析-中高难度.pdf and b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-解析-中高难度.pdf differ diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-解析.pdf b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-解析.pdf index 223b741..e28e966 100644 Binary files a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-解析.pdf and b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-解析.pdf differ diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-试题-中高难度-答题版.pdf b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-试题-中高难度-答题版.pdf index a1d0bf9..bdf697a 100644 Binary files a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-试题-中高难度-答题版.pdf and b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-试题-中高难度-答题版.pdf differ diff --git a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-试题-答题版.pdf b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-试题-答题版.pdf index 0990284..4eb8cfa 100644 Binary files a/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-试题-答题版.pdf and b/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/PDF/概率论第3讲-试题-答题版.pdf differ diff --git a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/01-考点手册.md b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/01-考点手册.md index 4af693e..9ffb74a 100644 --- a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/01-考点手册.md +++ b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/01-考点手册.md @@ -53,11 +53,11 @@ tags: ### 1.1 定义 -设随机变量 $X$ 与随机变量序列 $\{X_n\}\ (n=1,2,\cdots)$。若对**任意** $\varepsilon>0$, +设随机变量 $X$ 与随机变量序列 $\{X_n\}\ (n=1,2,\cdots)$ 。若对**任意** $\varepsilon>0$ , $$\lim_{n\to\infty}P\{\lvert X_n-X\rvert\ge\varepsilon\}=0\qquad\Longleftrightarrow\qquad \lim_{n\to\infty}P\{\lvert X_n-X\rvert<\varepsilon\}=1,$$ -则称 $\{X_n\}$ **依概率收敛**于 $X$,记作 +则称 $\{X_n\}$ **依概率收敛**于 $X$ ,记作 $$X_n\overset{P}{\longrightarrow}X\quad(n\to\infty).$$ @@ -67,16 +67,16 @@ $$X_n\overset{P}{\longrightarrow}X\quad(n\to\infty).$$ > **经典反例**(必看):设 > $$P\left\{X_n=\frac1n\right\}=1-\frac1n,\qquad P\{X_n=n\}=\frac1n .$$ -> 则对任意 $\varepsilon>0$,当 $n>\dfrac1\varepsilon$ 时 $\lvert X_n\rvert\ge\varepsilon$ 只在 $X_n=n$ 时发生,故 +> 则对任意 $\varepsilon>0$ ,当 $n>\dfrac1\varepsilon$ 时 $\lvert X_n\rvert\ge\varepsilon$ 只在 $X_n=n$ 时发生,故 > $$P\{\lvert X_n\rvert\ge\varepsilon\}=\frac1n\longrightarrow0,$$ -> 即 $X_n\overset{P}{\longrightarrow}0$。但 $E X_n=\dfrac1n\left(1-\dfrac1n\right)+n\cdot\dfrac1n\to1\ne0$。 +> 即 $X_n\overset{P}{\longrightarrow}0$ 。但 $E X_n=\dfrac1n\left(1-\dfrac1n\right)+n\cdot\dfrac1n\to1\ne0$ 。 > **结论**:**依概率收敛 ⇏ 期望收敛**。这是本讲最容易被忽略的一点。 ### 1.3 常用推论 -- 若 $X_n\overset{P}{\longrightarrow}X$,则 $X_n-X\overset{P}{\longrightarrow}0$; -- 若 $X_n\overset{P}{\longrightarrow}c$(**常数**),则 $X_n^2\overset{P}{\longrightarrow}c^2$、$g(X_n)\overset{P}{\longrightarrow}g(c)$($g$ 连续); -- 依概率收敛是**大数定律、数理统计中"一致性"**的统一语言。 +- 若 $X_n\overset{P}{\longrightarrow}X$ ,则 $X_n-X\overset{P}{\longrightarrow}0$ ; +- 若 $X_n\overset{P}{\longrightarrow}c$ (**常数**),则 $X_n^2\overset{P}{\longrightarrow}c^2$ 、$g(X_n)\overset{P}{\longrightarrow}g(c)$ ($g$ 连续); +- 依概率收敛是**大数定律、数理统计中"一致性"** 的统一语言。 --- @@ -84,7 +84,7 @@ $$X_n\overset{P}{\longrightarrow}X\quad(n\to\infty).$$ ### 2.1 不等式 -设随机变量 $X$ 的 $E X=\mu$、$D X=\sigma^2$ **存在**,则对**任意** $\varepsilon>0$, +设随机变量 $X$ 的 $E X=\mu$ 、$D X=\sigma^2$ **存在**,则对**任意** $\varepsilon>0$ , $$\boxed{\ P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\frac{\sigma^2}{\varepsilon^2}\ }\qquad\text{等价于}\qquad P\{\lvert X-\mu\rvert<\varepsilon\}\ge1-\frac{\sigma^2}{\varepsilon^2}.$$ @@ -92,7 +92,7 @@ $$\boxed{\ P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\frac{\sigma^2}{\varepsilon^2 ### 2.2 由来(理解即可,不必背证明) -设 $X$ 连续、密度 $f$,记 $D=\{\lvert x-\mu\rvert\ge\varepsilon\}$。由"在 $D$ 上 $\dfrac{(x-\mu)^2}{\varepsilon^2}\ge1$": +设 $X$ 连续、密度 $f$ ,记 $D=\{\lvert x-\mu\rvert\ge\varepsilon\}$ 。由"在 $D$ 上 $\dfrac{(x-\mu)^2}{\varepsilon^2}\ge1$ ": $$\sigma^2=\int_{-\infty}^{+\infty}(x-\mu)^2f(x)\,\mathrm dx\ \ge\ \int_{D}(x-\mu)^2f(x)\,\mathrm dx\ \ge\ \varepsilon^2\!\!\int_{D}f(x)\,\mathrm dx=\varepsilon^2P\{\lvert X-\mu\rvert\ge\varepsilon\}.$$ @@ -103,25 +103,25 @@ $$\sigma^2=\int_{-\infty}^{+\infty}(x-\mu)^2f(x)\,\mathrm dx\ \ge\ \int_{D}(x-\m | 场景 | 结论 | |---|---| | 一般形式 | $P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{\varepsilon^2}$ | -| 取 $\varepsilon=k\sigma$($k>0$) | $P\{\lvert X-\mu\rvert\ge k\sigma\}\le\dfrac{1}{k^2}$ | +| 取 $\varepsilon=k\sigma$ ($k>0$ ) | $P\{\lvert X-\mu\rvert\ge k\sigma\}\le\dfrac{1}{k^2}$ | | **样本均值** $\bar X$ | $E\bar X=\mu,\ D\bar X=\dfrac{\sigma^2}{n}\ \Rightarrow\ P\{\lvert\bar X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{n\varepsilon^2}$ | | 二项 $X\sim B(n,p)$ | $P\left\{\left\lvert\dfrac Xn-p\right\rvert\ge\varepsilon\right\}\le\dfrac{p(1-p)}{n\varepsilon^2}$ | -| 线性组合 $Z=X-Y$ | 先算 $EZ,\ DZ$,再代公式(要用 $\operatorname{Cov}$) | +| 线性组合 $Z=X-Y$ | 先算 $EZ,\ DZ$ ,再代公式(要用 $\operatorname{Cov}$ ) | ### 2.4 使用三步 -1. **锁定**被估计的随机变量 $Y$,算出 $EY,\ DY$(**不给就自己求**); -2. 目标概率写成 $P\{\lvert Y-EY\rvert\ge\varepsilon\}$(**偏离大 → 上界**)或 $P\{\lvert Y-EY\rvert<\varepsilon\}$(**落在附近 → 下界**),定出 $\varepsilon$; -3. 代入。要"至少"写下界($1-\cdots$),要"至多"写上界。 +1. **锁定**被估计的随机变量 $Y$ ,算出 $EY,\ DY$ (**不给就自己求**); +2. 目标概率写成 $P\{\lvert Y-EY\rvert\ge\varepsilon\}$ (**偏离大 → 上界**)或 $P\{\lvert Y-EY\rvert<\varepsilon\}$ (**落在附近 → 下界**),定出 $\varepsilon$ ; +3. 代入。要"至少"写下界($1-\cdots$ ),要"至多"写上界。 ### 2.5 陷阱清单 | 陷阱 | 正确做法 | |---|---| -| 方向搞反 | $\ge\varepsilon$ 用 $\dfrac{\sigma^2}{\varepsilon^2}$;$<\varepsilon$ 用 $1-\dfrac{\sigma^2}{\varepsilon^2}$(**对立事件**) | +| 方向搞反 | $\ge\varepsilon$ 用 $\dfrac{\sigma^2}{\varepsilon^2}$ ;$<\varepsilon$ 用 $1-\dfrac{\sigma^2}{\varepsilon^2}$ (**对立事件**) | | 以为能求精确值 | 只给**界**,通常**很宽松**;优点是**不依赖具体分布** | | $\bar X$ 的方差写成 $\sigma^2$ | 是 $\dfrac{\sigma^2}{n}$ | -| $\frac1n\sum Y_i$ 漏除 $n^2$ | $D\!\left(\frac1n\sum Y_i\right)=\dfrac{1}{n^2}\sum DY_i$(独立/不相关时才可加) | +| $\frac1n\sum Y_i$ 漏除 $n^2$ | $D\!\left(\frac1n\sum Y_i\right)=\dfrac{1}{n^2}\sum DY_i$ (独立/不相关时才可加) | | 不检查矩存在 | 必须 $EY,DY$ **存在** | | 二项方差写成 $np$ | 是 $np(1-p)$ | @@ -139,28 +139,28 @@ $$\frac1n\sum_{i=1}^nX_i\ \overset{P}{\longrightarrow}\ \frac1n\sum_{i=1}^nE X_i ### 3.2 切比雪夫大数定律 -**条件**:$\{X_n\}$ **相互独立**(不要求同分布);$E X_i$ 存在,且 $D X_i$ **存在且一致有上界**($\exists C$,使 $D X_i\le C$ 对一切 $i$ 成立)。 +**条件**:$\{X_n\}$ **相互独立**(不要求同分布);$E X_i$ 存在,且 $D X_i$ **存在且一致有上界**($\exists C$ ,使 $D X_i\le C$ 对一切 $i$ 成立)。 -**结论**:$\forall\varepsilon>0$,$\lim\limits_{n\to\infty}P\left\{\left\lvert\dfrac1n\sum\limits_{i=1}^nX_i-\dfrac1n\sum\limits_{i=1}^nE X_i\right\rvert<\varepsilon\right\}=1$。 +**结论**:$\forall\varepsilon>0$ ,$\lim\limits_{n\to\infty}P\left\{\left\lvert\dfrac1n\sum\limits_{i=1}^nX_i-\dfrac1n\sum\limits_{i=1}^nE X_i\right\rvert<\varepsilon\right\}=1$ 。 **证明**(用切比雪夫不等式 + 夹逼): $$E\!\left(\frac1n\sum X_i\right)=\frac1n\sum E X_i,\qquad D\!\left(\frac1n\sum X_i\right)=\frac{1}{n^2}\sum D X_i\le\frac{nC}{n^2}=\frac Cn .$$ $$1\ \ge\ P\left\{\left\lvert\frac1n\sum X_i-\frac1n\sum EX_i\right\rvert<\varepsilon\right\}\ \ge\ 1-\frac{C}{n\varepsilon^2}\ \xrightarrow{\ n\to\infty\ }\ 1 .$$ 由**夹逼定理**得结论。$\blacksquare$ -> **证明的钥匙**:**「不相关」用来消掉协方差项**,使 $D\!\left(\sum X_i\right)=\sum DX_i$;再除以 $n^2$ 得 $\dfrac Cn\to0$。 +> **证明的钥匙**:**「不相关」用来消掉协方差项**,使 $D\!\left(\sum X_i\right)=\sum DX_i$ ;再除以 $n^2$ 得 $\dfrac Cn\to0$ 。 -**例题**(🟩 仓库):设 $\{X_n\}$ 相互独立,$X_n\sim E(n)$(参数为 $n$ 的指数分布),则下列序列中**不**服从切比雪夫大数定律的是( )。 -(A)$X_1,\frac12X_2,\cdots,\frac1nX_n,\cdots$ (B)$X_1,X_2,\cdots,X_n,\cdots$ (C)$X_1,2X_2,\cdots,nX_n,\cdots$ (D)$X_1,2^2X_2,\cdots,n^2X_n,\cdots$ → **D**。 -(因 $X_n\sim E(n)$ 时 $DX_n=\frac1{n^2}$,四个选项的方差依次为 $\frac1{n^4},\frac1{n^2},1,n^2$,只有 D 无界。) +**例题**(🟩 仓库):设 $\{X_n\}$ 相互独立,$X_n\sim E(n)$ (参数为 $n$ 的指数分布),则下列序列中**不**服从切比雪夫大数定律的是( )。 +(A)$X_1,\frac12X_2,\cdots,\frac1nX_n,\cdots$  (B)$X_1,X_2,\cdots,X_n,\cdots$  (C)$X_1,2X_2,\cdots,nX_n,\cdots$  (D)$X_1,2^2X_2,\cdots,n^2X_n,\cdots$  → **D**。 +(因 $X_n\sim E(n)$ 时 $DX_n=\frac1{n^2}$ ,四个选项的方差依次为 $\frac1{n^4},\frac1{n^2},1,n^2$ ,只有 D 无界。) ### 3.3 伯努利大数定律 -**条件**:$\mu_n$ 为 $n$ 重伯努利试验中事件 $A$(每次概率 $p$,$0 **意义**:这是"**频率稳定于概率**"的严格表述,也是概率的频率定义的依据。 @@ -168,23 +168,23 @@ $$1\ \ge\ P\left\{\left\lvert\frac1n\sum X_i-\frac1n\sum EX_i\right\rvert<\varep **条件**:$\{X_n\}$ **相互独立**且**同分布**;$E X_i=\mu$ **存在**(**不要求方差存在**)。 -**结论**:$\dfrac1n\sum\limits_{i=1}^nX_i\overset{P}{\longrightarrow}\mu$。 +**结论**:$\dfrac1n\sum\limits_{i=1}^nX_i\overset{P}{\longrightarrow}\mu$ 。 > **与切比雪夫的区别**:辛钦要求**同分布**但**不要求方差**;切比雪夫**不要求同分布**但要求**方差一致有界**。因为不要求方差,辛钦**不能**用切比雪夫不等式证明。 -**例题**(🟩 仓库):设 $X_1,X_2,\cdots$ 相互独立,根据辛钦大数定律,当 $n\to\infty$ 时 $\dfrac1n\sum X_i$ 依概率收敛于数学期望,只要 $\{X_n\}$( )。 +**例题**(🟩 仓库):设 $X_1,X_2,\cdots$ 相互独立,根据辛钦大数定律,当 $n\to\infty$ 时 $\dfrac1n\sum X_i$ 依概率收敛于数学期望,只要 $\{X_n\}$ ( )。 (A)有相同的数学期望 (B)服从同一离散型分布 (C)服从同一泊松分布 (D)服从同一连续型分布 → **C**。 (辛钦要**同分布 + 期望存在**。B、D 只说"同一类型分布"不保证期望存在;A 只是"期望相同"不保证同分布;C 既同分布(泊松)又期望存在。) **例题**:将一枚骰子重复投掷 $n$ 次,$\bar X$ 为点数的算术平均,则 $\bar X\overset{P}{\longrightarrow}?$ -(独立、同分布、期望存在 $\mu=\frac16\sum_{i=1}^6i=3.5$ ⟹ 由辛钦,$\bar X\overset{P}{\longrightarrow}3.5$。) +(独立、同分布、期望存在 $\mu=\frac16\sum_{i=1}^6i=3.5$ ⟹ 由辛钦,$\bar X\overset{P}{\longrightarrow}3.5$ 。) ### 3.5 三条定律对照(高频辨析) | 定律 | 独立/相关 | 同分布 | 期望 | 方差 | |---|---|---|---|---| | **切比雪夫** | 相互独立(或两两不相关) | **不要求** | 存在 | **存在且一致有界** | -| **伯努利** | 伯努利试验(天然独立) | 是(0–1 分布) | 存在 | 存在($p(1-p)$) | +| **伯努利** | 伯努利试验(天然独立) | 是(0–1 分布) | 存在 | 存在($p(1-p)$ ) | | **辛钦** | 相互独立 | **要求** | **存在** | **不要求** | > **记忆**:**"切比雪夫看方差、辛钦看分布"**——两者都不要同分布/不要方差,正好互补;伯努利是二项的特例。 @@ -204,9 +204,9 @@ $$\sum_{i=1}^nX_i\ \overset{\text{近似}}{\sim}\ N(n\mu,\ n\sigma^2)\qquad(n\ \ ### 4.2 列维–林德伯格定理(独立同分布版) -**条件**:$\{X_n\}$ **独立同分布**,$E X_i=\mu$、$D X_i=\sigma^2>0$(**存在**)。 +**条件**:$\{X_n\}$ **独立同分布**,$E X_i=\mu$ 、$D X_i=\sigma^2>0$ (**存在**)。 -**结论**:对任意实数 $x$, +**结论**:对任意实数 $x$ , $$\lim_{n\to\infty}P\left\{\frac{\sum\limits_{i=1}^nX_i-n\mu}{\sqrt n\,\sigma}\le x\right\}=\Phi(x),$$ @@ -216,7 +216,7 @@ $$\frac{\sum_{i=1}^nX_i-n\mu}{\sqrt n\,\sigma}\ \overset{\text{近似}}{\sim}\ N ### 4.3 棣莫弗–拉普拉斯定理(二项版) -**条件**:$Y_n\sim B(n,p)$($0z\}=1-\Phi(z)$、$P\{\lvert Z\rvert\le z\}=2\Phi(z)-1$。 +1. **定 $T$ **:把要求的概率写成"**和**"的形式 $T=\sum X_i$ (或 $Y_n$ ); +2. **算 $ET,\ DT$ **:$ET=n\mu$ ,$DT=n\sigma^2$ (二项:$np$ 、$np(1-p)$ ); +3. **标准化**:$\dfrac{T-ET}{\sqrt{DT}}\approx N(0,1)$ ,把不等式两边同减同除; +4. **查 $\Phi$ **:$P\{Z\le z\}=\Phi(z)$ 、$P\{Z>z\}=1-\Phi(z)$ 、$P\{\lvert Z\rvert\le z\}=2\Phi(z)-1$ 。 > ⚠️ **连续性修正**一般不要求(考研多数不修正);若题目给的 $\Phi$ 值与"严格/非严格不等号"有关,按 $P\{T\le k\}\approx\Phi\!\left(\dfrac{k-ET}{\sqrt{DT}}\right)$ 处理。 ### 4.5 例题(🟩 仓库) -某生产线每件产品重量随机,平均 $50$ kg、标准差 $5$ kg。载重 $5$ 吨的汽车承运,问**最多**装多少箱可保证**不超载**的概率大于 $0.977$?($\Phi(2)=0.977$) +某生产线每件产品重量随机,平均 $50$ kg、标准差 $5$ kg。载重 $5$ 吨的汽车承运,问**最多**装多少箱可保证**不超载**的概率大于 $0.977$ ?($\Phi(2)=0.977$ ) -设第 $i$ 箱重量 $X_i$,$E X_i=50$、$D X_i=25$。记 $T_n=\sum_{i=1}^nX_i$,则 $ET_n=50n$、$DT_n=25n$、$\sqrt{DT_n}=5\sqrt n$。 +设第 $i$ 箱重量 $X_i$ ,$E X_i=50$ 、$D X_i=25$ 。记 $T_n=\sum_{i=1}^nX_i$ ,则 $ET_n=50n$ 、$DT_n=25n$ 、$\sqrt{DT_n}=5\sqrt n$ 。 $$P\{T_n\le5000\}\approx\Phi\!\left(\frac{5000-50n}{5\sqrt n}\right)>0.977=\Phi(2)\ \Longrightarrow\ \frac{5000-50n}{5\sqrt n}\ge2\ \Longrightarrow\ n\le98 .$$ @@ -249,16 +249,16 @@ $$P\{T_n\le5000\}\approx\Phi\!\left(\frac{5000-50n}{5\sqrt n}\right)>0.977=\Phi( | 近似 | 适用条件 | 结果 | 典型题 | |---|---|---|---| -| **正态近似**(棣莫弗–拉普拉斯) | $n$ 大,$p$ **不太小也不太大**($np(1-p)$ 较大,经验 $np\ge5,n(1-p)\ge5$) | $\dfrac{Y_n-np}{\sqrt{np(1-p)}}\approx N(0,1)$ | 🟨2020·8 | +| **正态近似**(棣莫弗–拉普拉斯) | $n$ 大,$p$ **不太小也不太大**($np(1-p)$ 较大,经验 $np\ge5,n(1-p)\ge5$ ) | $\dfrac{Y_n-np}{\sqrt{np(1-p)}}\approx N(0,1)$ | 🟨2020·8 | | **泊松近似** | $n$ 大,$p$ **很小**($np=\lambda$ 适中) | $Y_n\approx P(\lambda),\ \lambda=np$ | 🟨2025·9 | **判别口诀**:**"$n$ 大 $p$ 不极端 → 正态;$n$ 大 $p$ 很小 → 泊松。"** -**例题**(🟨 2025·9 骨架):$X_i\sim B(1,0.01)$($i=1,\cdots,300$),$T=\sum X_i$,求 $P\{T\le1\}$ 的近似值。 -$T\sim B(300,0.01)$,$p$ 很小,取 $\lambda=np=3$,$T\approx P(3)$: +**例题**(🟨 2025·9 骨架):$X_i\sim B(1,0.01)$ ($i=1,\cdots,300$ ),$T=\sum X_i$ ,求 $P\{T\le1\}$ 的近似值。 +$T\sim B(300,0.01)$ ,$p$ 很小,取 $\lambda=np=3$ ,$T\approx P(3)$ : $$P\{T\le1\}\approx P\{T=0\}+P\{T=1\}=e^{-3}(1+3)=4e^{-3}.$$ -**对照**(🟨 2025·9 原题):$X_i\sim B(1,0.1)$,$n=20$,$\lambda=2$,$P\{T\le1\}\approx e^{-2}(1+2)=3e^{-2}$。 +**对照**(🟨 2025·9 原题):$X_i\sim B(1,0.1)$ ,$n=20$ ,$\lambda=2$ ,$P\{T\le1\}\approx e^{-2}(1+2)=3e^{-2}$ 。 --- @@ -267,8 +267,8 @@ $$P\{T\le1\}\approx P\{T=0\}+P\{T=1\}=e^{-3}(1+3)=4e^{-3}.$$ | 年份·题号 | 分值 | 考法 | 关键动作 | 本手册节 | |---|---|---|---|---| | **2020·8** | 4 | 中心极限定理(0–1 变量求和) | 标准化 + 查 $\Phi$ | §4.4 | -| **2022·9** | 5 | 大数定律(切比雪夫不等式) | 换 $Y_i=X_i^2$,$D Y_i=\mu_4-\mu_2^2$ | §2.3 | -| **2025·9** | 5 | 泊松近似(二项分布) | $\lambda=np$,$P\{T\le1\}=e^{-\lambda}(1+\lambda)$ | §5 | +| **2022·9** | 5 | 大数定律(切比雪夫不等式) | 换 $Y_i=X_i^2$ ,$D Y_i=\mu_4-\mu_2^2$ | §2.3 | +| **2025·9** | 5 | 泊松近似(二项分布) | $\lambda=np$ ,$P\{T\le1\}=e^{-\lambda}(1+\lambda)$ | §5 | **跨章牵连**(数字特征):2017·14(期望)、2020·14(协方差)、2022·8(方差)、2025·8(线性组合方差最值)——本讲所有计算都建立在这些之上。 @@ -280,13 +280,13 @@ $$P\{T\le1\}\approx P\{T=0\}+P\{T=1\}=e^{-3}(1+3)=4e^{-3}.$$ ### 7.1 速记八条 -1. **依概率收敛**:$\forall\varepsilon>0$,$P\{\lvert X_n-X\rvert\ge\varepsilon\}\to0$;**允许个别项跑飞**; -2. **依概率收敛 ⇏ 期望收敛**($X_n=\frac1n$ 概率 $1-\frac1n$、$=n$ 概率 $\frac1n$); -3. **切比雪夫不等式**:$\ge\varepsilon$ 给上界 $\frac{\sigma^2}{\varepsilon^2}$,$<\varepsilon$ 给下界 $1-\frac{\sigma^2}{\varepsilon^2}$,**只给界不给精确值**; +1. **依概率收敛**:$\forall\varepsilon>0$ ,$P\{\lvert X_n-X\rvert\ge\varepsilon\}\to0$ ;**允许个别项跑飞**; +2. **依概率收敛 ⇏ 期望收敛**($X_n=\frac1n$ 概率 $1-\frac1n$ 、$=n$ 概率 $\frac1n$ ); +3. **切比雪夫不等式**:$\ge\varepsilon$ 给上界 $\frac{\sigma^2}{\varepsilon^2}$ ,$<\varepsilon$ 给下界 $1-\frac{\sigma^2}{\varepsilon^2}$ ,**只给界不给精确值**; 4. **切比雪夫大数定律**:不相关 + 方差**一致有界**;**辛钦**:独立同分布 + 期望存在(**不要方差**); 5. **伯努利大数定律** = "频率稳定于概率"; -6. **中心极限定理**:$\dfrac{\sum X_i-n\mu}{\sqrt n\sigma}\approx N(0,1)$,$n\ge30$ 可用; -7. **二项近似二选一**:$p$ 不极端 → **正态**;$p$ 很小 → **泊松**($\lambda=np$); +6. **中心极限定理**:$\dfrac{\sum X_i-n\mu}{\sqrt n\sigma}\approx N(0,1)$ ,$n\ge30$ 可用; +7. **二项近似二选一**:$p$ 不极端 → **正态**;$p$ 很小 → **泊松**($\lambda=np$ ); 8. **大数定律考条件、中心极限定理考计算**。 ### 7.2 高频陷阱 @@ -295,12 +295,12 @@ $$P\{T\le1\}\approx P\{T=0\}+P\{T=1\}=e^{-3}(1+3)=4e^{-3}.$$ |---|---| | 把"依概率收敛"当"处处收敛" | 是**概率**趋于 0,不是每一项都收敛 | | 用依概率收敛推期望收敛 | **不成立**(见速记 2) | -| 切比雪夫不等式方向搞反 | 要"$\ge\varepsilon$"写上界;要"$<\varepsilon$"写 $1-$ | +| 切比雪夫不等式方向搞反 | 要"$\ge\varepsilon$ "写上界;要"$<\varepsilon$ "写 $1-$ | | 反解 $n$ 时忘记 $\bar X$ 方差是 $\sigma^2/n$ | $D\bar X=\dfrac{\sigma^2}{n}$ | | 辛钦大数定律要求方差 | **不要求**,只要求独立同分布 + 期望存在 | -| 二项用泊松近似时 $\lambda$ 取错 | $\lambda=np$(不是 $n$ 也不是 $p$) | -| 正态近似时方差用 $\sigma^2$ 而非 $n\sigma^2$ | $D\!\left(\sum X_i\right)=n\sigma^2$,标准差是 $\sqrt n\,\sigma$ | -| 样本均值型题忘记 $D\bar X=\frac{\sigma^2}{n}$ | 先除 $n^{2}$:$D\!\left(\frac1n\sum Y_i\right)=\frac{1}{n^2}\sum DY_i$ | +| 二项用泊松近似时 $\lambda$ 取错 | $\lambda=np$ (不是 $n$ 也不是 $p$ ) | +| 正态近似时方差用 $\sigma^2$ 而非 $n\sigma^2$ | $D\!\left(\sum X_i\right)=n\sigma^2$ ,标准差是 $\sqrt n\,\sigma$ | +| 样本均值型题忘记 $D\bar X=\frac{\sigma^2}{n}$ | 先除 $n^{2}$ :$D\!\left(\frac1n\sum Y_i\right)=\frac{1}{n^2}\sum DY_i$ | --- diff --git a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/02-试题.md b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/02-试题.md index e196bdb..0c8564f 100644 --- a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/02-试题.md +++ b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/02-试题.md @@ -28,67 +28,67 @@ tags: $$P\left\{X_n=\frac1n\right\}=1-\frac1n,\qquad P\{X_n=n\}=\frac1n\quad(n=1,2,\cdots).$$ -(Ⅰ)证明 $X_n\overset{P}{\longrightarrow}0$; +(Ⅰ)证明 $X_n\overset{P}{\longrightarrow}0$ ; -(Ⅱ)求 $E X_n$,并说明它是否收敛于 $0$。由此可得什么结论? +(Ⅱ)求 $E X_n$ ,并说明它是否收敛于 $0$ 。由此可得什么结论? -**2.** 【切比雪夫不等式】设随机变量 $X$ 的 $E X=5$,$D X=2$。用切比雪夫不等式估计: +**2.** 【切比雪夫不等式】设随机变量 $X$ 的 $E X=5$ ,$D X=2$ 。用切比雪夫不等式估计: (Ⅰ)$P\{\lvert X-5\rvert\ge4\}$ 的上界; (Ⅱ)$P\{\lvert X-5\rvert<4\}$ 的下界。 -**3.** 【二项 + 切比雪夫】设 $X\sim B(1000,0.5)$。用切比雪夫不等式估计 $P\{4500$, +**14.** 【切比雪夫大数定律的证明】设随机变量序列 $X_1,X_2,\cdots,X_n,\cdots$ **两两不相关**,且存在常数 $C$ 使 $D X_i\le C\ (i=1,2,\cdots)$ 。证明:对任意 $\varepsilon>0$ , $$\lim_{n\to\infty}P\left\{\left\lvert\frac1n\sum_{i=1}^nX_i-\frac1n\sum_{i=1}^nE X_i\right\rvert\ge\varepsilon\right\}=0 .$$ -**15.** 【中心极限定理 · 反解 $n$】某型号零件寿命 $X_i$ 独立同分布,平均寿命 $100$ 小时、标准差 $10$ 小时。求最小的 $n$,使 $P\left\{\sum\limits_{i=1}^nX_i\ge10000\right\}\ge0.95$。($\Phi(1.645)=0.95$) +**15.** 【中心极限定理 · 反解 $n$ 】某型号零件寿命 $X_i$ 独立同分布,平均寿命 $100$ 小时、标准差 $10$ 小时。求最小的 $n$ ,使 $P\left\{\sum\limits_{i=1}^nX_i\ge10000\right\}\ge0.95$ 。($\Phi(1.645)=0.95$ ) -**16.** 【综合辨析】设 $X_1,X_2,\cdots,X_n$ 独立同分布,$E X_i=\mu$、$D X_i=\sigma^2\in(0,+\infty)$,$\bar X=\dfrac1n\sum\limits_{i=1}^nX_i$。 +**16.** 【综合辨析】设 $X_1,X_2,\cdots,X_n$ 独立同分布,$E X_i=\mu$ 、$D X_i=\sigma^2\in(0,+\infty)$ ,$\bar X=\dfrac1n\sum\limits_{i=1}^nX_i$ 。 -(Ⅰ)用切比雪夫不等式证明 $\bar X\overset{P}{\longrightarrow}\mu$; +(Ⅰ)用切比雪夫不等式证明 $\bar X\overset{P}{\longrightarrow}\mu$ ; -(Ⅱ)用中心极限定理写出 $P\{\lvert\bar X-\mu\rvert<\varepsilon\}$ 的近似表达式(用 $\Phi$ 表示),并说明当 $n\to\infty$ 时它趋于 $1$; +(Ⅱ)用中心极限定理写出 $P\{\lvert\bar X-\mu\rvert<\varepsilon\}$ 的近似表达式(用 $\Phi$ 表示),并说明当 $n\to\infty$ 时它趋于 $1$ ; (Ⅲ)比较(Ⅰ)(Ⅱ)两种估计:哪一个更精确?各自需要什么条件? diff --git a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/03-解析.md b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/03-解析.md index 79ab937..05c7042 100644 --- a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/03-解析.md +++ b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/03-解析.md @@ -25,13 +25,13 @@ $$P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\frac{\sigma^2}{\varepsilon^2},\qquad ### 第 1 题 -**答案**:(Ⅰ)见证明;(Ⅱ)$E X_n=1+\dfrac1n-\dfrac1{n^2}\to1\ne0$,**依概率收敛 ⇏ 期望收敛**。 +**答案**:(Ⅰ)见证明;(Ⅱ)$E X_n=1+\dfrac1n-\dfrac1{n^2}\to1\ne0$ ,**依概率收敛 ⇏ 期望收敛**。 **思路**: -(Ⅰ)对任意 $\varepsilon>0$,取 $n>\dfrac1\varepsilon$,则 $\dfrac1n<\varepsilon$。此时 $\lvert X_n\rvert\ge\varepsilon$ **只可能在** $X_n=n$ 时发生($\lvert X_n\rvert=n$),故 +(Ⅰ)对任意 $\varepsilon>0$ ,取 $n>\dfrac1\varepsilon$ ,则 $\dfrac1n<\varepsilon$ 。此时 $\lvert X_n\rvert\ge\varepsilon$ **只可能在** $X_n=n$ 时发生($\lvert X_n\rvert=n$ ),故 $$P\{\lvert X_n-0\rvert\ge\varepsilon\}=P\{X_n=n\}=\frac1n\longrightarrow0 .$$ -所以 $X_n\overset{P}{\longrightarrow}0$。 +所以 $X_n\overset{P}{\longrightarrow}0$ 。 (Ⅱ)$$E X_n=\frac1n\left(1-\frac1n\right)+n\cdot\frac1n=1+\frac1n-\frac1{n^2}\ \xrightarrow{\ n\to\infty\ }\ 1\ne0 .$$ @@ -43,36 +43,36 @@ $$P\{\lvert X_n-0\rvert\ge\varepsilon\}=P\{X_n=n\}=\frac1n\longrightarrow0 .$$ ### 第 2 题 -**答案**:(Ⅰ)$\le\dfrac18$;(Ⅱ)$\ge\dfrac78$。 +**答案**:(Ⅰ)$\le\dfrac18$ ;(Ⅱ)$\ge\dfrac78$ 。 -**思路**:$\varepsilon=4$, +**思路**:$\varepsilon=4$ , $$P\{\lvert X-5\rvert\ge4\}\le\frac{D X}{\varepsilon^2}=\frac{2}{16}=\frac18,\qquad P\{\lvert X-5\rvert<4\}=1-P\{\lvert X-5\rvert\ge4\}\ge1-\frac18=\frac78 .$$ -**易错点**:**方向**——"$\ge$"用上界 $\frac{DX}{\varepsilon^2}$;"$<$"用 $1-\frac{DX}{\varepsilon^2}$(对立事件)。 +**易错点**:**方向**——"$\ge$ "用上界 $\frac{DX}{\varepsilon^2}$ ;"$<$ "用 $1-\frac{DX}{\varepsilon^2}$ (对立事件)。 --- ### 第 3 题 -**答案**:$\ge0.9$。 +**答案**:$\ge0.9$ 。 -**思路**:$E X=np=500$,$D X=np(1-p)=1000\times0.25=250$。 -$4500.977=\Phi(2)$$ $$\Longrightarrow\ \frac{1000-10n}{0.5\sqrt n}\ge2\ \Longrightarrow\ 1000-10n\ge\sqrt n .$$ -解不等式:令 $t=\sqrt n$,得 $10t^2+t-1000\le0$,$t\le\dfrac{-1+\sqrt{40001}}{20}\approx9.95$,故 $n\le99.0$,即**最多 99 件**。 +解不等式:令 $t=\sqrt n$ ,得 $10t^2+t-1000\le0$ ,$t\le\dfrac{-1+\sqrt{40001}}{20}\approx9.95$ ,故 $n\le99.0$ ,即**最多 99 件**。 -**验证**:$n=99$:$\dfrac{1000-990}{0.5\sqrt{99}}\approx\dfrac{10}{4.975}\approx2.01>2$ ✓;$n=100$:$\dfrac{0}{5}=0$ ✗。 +**验证**:$n=99$ :$\dfrac{1000-990}{0.5\sqrt{99}}\approx\dfrac{10}{4.975}\approx2.01>2$ ✓;$n=100$ :$\dfrac{0}{5}=0$ ✗。 **易错点**: -- 标准差是 $\sqrt{n}\cdot0.5$,**不是** $n\cdot0.5$;方差是 $n\cdot0.25$; -- $\Phi(2)=0.977$ 给出的是**关于 $z$ 的单调性**:$\Phi(z)>0.977\iff z>2$,方向别反; -- 答案是"最多"故**向下取整**($99$,不是 $100$)。 +- 标准差是 $\sqrt{n}\cdot0.5$ ,**不是** $n\cdot0.5$ ;方差是 $n\cdot0.25$ ; +- $\Phi(2)=0.977$ 给出的是**关于 $z$ 的单调性**:$\Phi(z)>0.977\iff z>2$ ,方向别反; +- 答案是"最多"故**向下取整**($99$ ,不是 $100$ )。 --- ### 第 10 题 【真题骨架 2020·8】 -**答案**:$\approx\Phi(1)$。 +**答案**:$\approx\Phi(1)$ 。 -**思路**:$\sum X_i\sim B(400,0.5)$,$E=400\times0.5=200$,$D=400\times0.5\times0.5=100$,标准差 $=10$。由棣莫弗–拉普拉斯定理 +**思路**:$\sum X_i\sim B(400,0.5)$ ,$E=400\times0.5=200$ ,$D=400\times0.5\times0.5=100$ ,标准差 $=10$ 。由棣莫弗–拉普拉斯定理 $$P\left\{\sum_{i=1}^{400}X_i\le210\right\}\approx\Phi\!\left(\frac{210-200}{10}\right)=\Phi(1).$$ -**易错点**:二项的正态近似用**二项自己的期望方差**($np$、$np(1-p)$),不要另算。 +**易错点**:二项的正态近似用**二项自己的期望方差**($np$ 、$np(1-p)$ ),不要另算。 -**真题**:2020·8(单选 4 分)结构完全一致($n=100$、阈值 $55$,答案 $\Phi(1)$)。 +**真题**:2020·8(单选 4 分)结构完全一致($n=100$ 、阈值 $55$ ,答案 $\Phi(1)$ )。 --- ### 第 11 题 【真题骨架 2025·9】 -**答案**:$\approx4e^{-3}\approx0.199$。 +**答案**:$\approx4e^{-3}\approx0.199$ 。 -**思路**:$T\sim B(300,0.01)$。$n=300$ 大、$p=0.01$ 很小,用**泊松近似**,$\lambda=np=3$,$T\approx P(3)$: +**思路**:$T\sim B(300,0.01)$ 。$n=300$ 大、$p=0.01$ 很小,用**泊松近似**,$\lambda=np=3$ ,$T\approx P(3)$ : $$P\{T\le1\}\approx P\{T=0\}+P\{T=1\}=e^{-3}\cdot\frac{3^0}{0!}+e^{-3}\cdot\frac{3^1}{1!}=e^{-3}(1+3)=4e^{-3}.$$ -**易错点**:$\lambda=np=300\times0.01=3$(**不是** $n=300$,也**不是** $p=0.01$);$P\{T\le1\}$ 是"$0$ 或 $1$",别只算一项。 +**易错点**:$\lambda=np=300\times0.01=3$ (**不是** $n=300$ ,也**不是** $p=0.01$ );$P\{T\le1\}$ 是"$0$ 或 $1$ ",别只算一项。 -**真题**:2025·9(单选 5 分)同结构($n=20,p=0.1,\lambda=2$,答案 $3e^{-2}$,即选项 C)。 +**真题**:2025·9(单选 5 分)同结构($n=20,p=0.1,\lambda=2$ ,答案 $3e^{-2}$ ,即选项 C)。 --- ### 第 12 题 -**答案**:$\le\dfrac{1}{16}$。 +**答案**:$\le\dfrac{1}{16}$ 。 -**思路**:令 $Z=X-Y$。由 $E X=E Y$ 得 $E Z=0$。 +**思路**:令 $Z=X-Y$ 。由 $E X=E Y$ 得 $E Z=0$ 。 $$\operatorname{Cov}(X,Y)=\rho_{XY}\sqrt{D X}\sqrt{D Y}=\frac12\cdot1\cdot1=\frac12,$$ $$D Z=D(X-Y)=D X+D Y-2\operatorname{Cov}(X,Y)=1+1-2\times\frac12=1 .$$ -取 $\varepsilon=4$: +取 $\varepsilon=4$ : $$P\{\lvert X-Y\rvert\ge4\}=P\{\lvert Z-E Z\rvert\ge4\}\le\frac{D Z}{16}=\frac1{16}.$$ **易错点**: -- 方差**不能**直接相加($DX+DY=2$),必须**减去** $2\operatorname{Cov}$; -- $\operatorname{Cov}=\rho\sqrt{DX}\sqrt{DY}$,分母是**标准差之积**。 +- 方差**不能**直接相加($DX+DY=2$ ),必须**减去** $2\operatorname{Cov}$ ; +- $\operatorname{Cov}=\rho\sqrt{DX}\sqrt{DY}$ ,分母是**标准差之积**。 --- @@ -202,7 +202,7 @@ $$P\{\lvert X-Y\rvert\ge4\}=P\{\lvert Z-E Z\rvert\ge4\}\le\frac{D Z}{16}=\frac1{ **答案**:**D**。 -**思路**:$X_n\sim E(n)$ ⟹ $E X_n=\dfrac1n$(存在),$D X_n=\dfrac1{n^2}$。切比雪夫大数定律只差"**方差一致有界**"这一条(独立性题干已给)。逐项算方差: +**思路**:$X_n\sim E(n)$ ⟹ $E X_n=\dfrac1n$ (存在),$D X_n=\dfrac1{n^2}$ 。切比雪夫大数定律只差"**方差一致有界**"这一条(独立性题干已给)。逐项算方差: | 选项 | 序列 | $D(\cdot)$ | 是否有界 | |---|---|---|---| @@ -213,46 +213,46 @@ $$P\{\lvert X-Y\rvert\ge4\}=P\{\lvert Z-E Z\rvert\ge4\}\le\frac{D Z}{16}=\frac1{ **故 D 不服从切比雪夫大数定律。** -**易错点**:$D(aX_n)=a^2D X_n$——**系数要平方**;本题 D 项系数 $n^2$ 平方后是 $n^4$,恰好把 $DX_n=\frac1{n^2}$ 抵消成 $n^2$(发散)。这是本类题的标准设计手法。 +**易错点**:$D(aX_n)=a^2D X_n$ ——**系数要平方**;本题 D 项系数 $n^2$ 平方后是 $n^4$ ,恰好把 $DX_n=\frac1{n^2}$ 抵消成 $n^2$ (发散)。这是本类题的标准设计手法。 --- ### 第 14 题 【切比雪夫大数定律】 -**证明**:记 $\bar X=\dfrac1n\sum\limits_{i=1}^nX_i$。由期望的线性性 $E\bar X=\dfrac1n\sum E X_i$。由**两两不相关**($\operatorname{Cov}(X_i,X_j)=0,\ i\ne j$): +**证明**:记 $\bar X=\dfrac1n\sum\limits_{i=1}^nX_i$ 。由期望的线性性 $E\bar X=\dfrac1n\sum E X_i$ 。由**两两不相关**($\operatorname{Cov}(X_i,X_j)=0,\ i\ne j$ ): $$D\bar X=\frac{1}{n^2}D\!\left(\sum_{i=1}^nX_i\right)=\frac{1}{n^2}\left[\sum_{i=1}^nD X_i+2\!\!\sum_{i-1.645$ ✗;$n=102$:$z\approx-1.98\le-1.645$ ✓。 +**验证**:$n=101$ :$z=\dfrac{10000-10100}{10\sqrt{101}}\approx-0.995>-1.645$ ✗;$n=102$ :$z\approx-1.98\le-1.645$ ✓。 **易错点**: -- 是"**和 ≥ 10000**",故用**右尾** $1-\Phi(\cdot)$,**不要**错写成 $\Phi$; -- $\Phi(z)\le0.05\iff z\le-1.645$(**负号**易漏); -- 标准差 $\sqrt{n\sigma^2}=\sigma\sqrt n$,**不是** $\sigma n$。 +- 是"**和 ≥ 10000**",故用**右尾** $1-\Phi(\cdot)$ ,**不要**错写成 $\Phi$ ; +- $\Phi(z)\le0.05\iff z\le-1.645$ (**负号**易漏); +- 标准差 $\sqrt{n\sigma^2}=\sigma\sqrt n$ ,**不是** $\sigma n$ 。 --- @@ -260,21 +260,21 @@ $$t\ge\frac{16.45+\sqrt{16.45^2+4\,000\,000}}{200}\approx10.082\ \Longrightarrow **答案**: -(Ⅰ)$D\bar X=\dfrac{1}{n^2}\sum D X_i=\dfrac{\sigma^2}{n}$,由切比雪夫不等式 +(Ⅰ)$D\bar X=\dfrac{1}{n^2}\sum D X_i=\dfrac{\sigma^2}{n}$ ,由切比雪夫不等式 $$P\{\lvert\bar X-\mu\rvert\ge\varepsilon\}\le\frac{D\bar X}{\varepsilon^2}=\frac{\sigma^2}{n\varepsilon^2}\ \xrightarrow{\ n\to\infty\ }\ 0,$$ -即 $\bar X\overset{P}{\longrightarrow}\mu$。(这是**辛钦大数定律**的一个特例——多了"方差存在"的条件。) +即 $\bar X\overset{P}{\longrightarrow}\mu$ 。(这是**辛钦大数定律**的一个特例——多了"方差存在"的条件。) -(Ⅱ)由中心极限定理 $\dfrac{\bar X-\mu}{\sigma/\sqrt n}\overset{\text{近似}}{\sim}N(0,1)$,故 +(Ⅱ)由中心极限定理 $\dfrac{\bar X-\mu}{\sigma/\sqrt n}\overset{\text{近似}}{\sim}N(0,1)$ ,故 $$P\{\lvert\bar X-\mu\rvert<\varepsilon\}=P\left\{\left\lvert\frac{\bar X-\mu}{\sigma/\sqrt n}\right\rvert<\frac{\varepsilon\sqrt n}{\sigma}\right\}\approx2\Phi\!\left(\frac{\varepsilon\sqrt n}{\sigma}\right)-1 .$$ -当 $n\to\infty$ 时 $\dfrac{\varepsilon\sqrt n}{\sigma}\to+\infty$,$\Phi\to1$,故该概率 $\to1$。 +当 $n\to\infty$ 时 $\dfrac{\varepsilon\sqrt n}{\sigma}\to+\infty$ ,$\Phi\to1$ ,故该概率 $\to1$ 。 (Ⅲ)**中心极限定理更精确**: -- **(Ⅱ)**利用"和的分布趋正态"这一**更深**的信息,给出的是**近似值**(可以很接近真值),但要求 $n$ **充分大**、且 $\sigma^2$ **有限存在**; -- **(Ⅰ)**只用到期望与方差,**对任意 $n$ 都能用、无条件普适**,但只能给**宽松的上界**(界 $\dfrac{\sigma^2}{n\varepsilon^2}$ 往往远大于真值),**给不出近似值**。 +- **(Ⅱ)** 利用"和的分布趋正态"这一**更深**的信息,给出的是**近似值**(可以很接近真值),但要求 $n$ **充分大**、且 $\sigma^2$ **有限存在**; +- **(Ⅰ)** 只用到期望与方差,**对任意 $n$ 都能用、无条件普适**,但只能给**宽松的上界**(界 $\dfrac{\sigma^2}{n\varepsilon^2}$ 往往远大于真值),**给不出近似值**。 > **一句话**:**切比雪夫"普适但粗糙",中心极限定理"精确但要求高"。** 前者证明"收敛",后者刻画"收敛的速度与形态"。 -**易错点**:$\Phi$ 的变量是 $\dfrac{\varepsilon\sqrt n}{\sigma}$(**除以标准差 $\sigma$**,不是 $\sigma^2$)。 +**易错点**:$\Phi$ 的变量是 $\dfrac{\varepsilon\sqrt n}{\sigma}$ (**除以标准差 $\sigma$ **,不是 $\sigma^2$ )。 --- @@ -291,11 +291,11 @@ $$P\{\lvert\bar X-\mu\rvert<\varepsilon\}=P\left\{\left\lvert\frac{\bar X-\mu}{\ | 辛钦大数定律:**条件辨析** | 5 | ✅ | | 中心极限定理:iid 求和标准化 | 6 | ✅ | | **2022·9 骨架**(样本均值 + 四阶矩) | 7 | ✅ | -| 反解样本量 $n$(切比雪夫) | 8 | ✅ | +| 反解样本量 $n$ (切比雪夫) | 8 | ✅ | | 中心极限定理:应用建模(装箱) | 9 | ✅ | | **2020·8 骨架**(0–1 变量求和) | 10 | ✅ | | **2025·9 骨架**(泊松近似) | 11 | ✅ | -| 切比雪夫 + 协方差($Z=X-Y$) | 12 | ✅ | +| 切比雪夫 + 协方差($Z=X-Y$ ) | 12 | ✅ | | 切比雪夫大数定律:**条件辨析** | 13 | ✅ | | 切比雪夫大数定律:**证明** | 14 | ✅ | | 中心极限定理:反解 $n$ | 15 | ✅ | @@ -321,7 +321,7 @@ $$P\{\lvert\bar X-\mu\rvert<\varepsilon\}=P\left\{\left\lvert\frac{\bar X-\mu}{\ ### 四、仍未覆盖方向(诚实列出) -1. **依概率收敛的运算性质**(如 $X_n\overset{P}{\to}a,\ Y_n\overset{P}{\to}b\Rightarrow X_nY_n\overset{P}{\to}ab$)——考研几乎不单独考; +1. **依概率收敛的运算性质**(如 $X_n\overset{P}{\to}a,\ Y_n\overset{P}{\to}b\Rightarrow X_nY_n\overset{P}{\to}ab$ )——考研几乎不单独考; 2. **李雅普诺夫中心极限定理**(不要求同分布,只要求某阶矩有界)——边缘内容,本讲未涉及; 3. **用切比雪夫不等式讨论估计量的"一致性"**——会在第 21 章(参数估计)中用到,届时回看 §2 即可; 4. **大数定律的建模应用**(如用频率估计概率、保险定价)——属应用题,非本讲主线。 diff --git a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-考点手册.pdf b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-考点手册.pdf index 968b1d8..7788ab7 100644 Binary files a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-考点手册.pdf and b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-考点手册.pdf differ diff --git a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-解析.pdf b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-解析.pdf index 4126cda..e1fefc8 100644 Binary files a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-解析.pdf and b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-解析.pdf differ diff --git a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-试题-答题版.pdf b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-试题-答题版.pdf index c054259..c0eca9a 100644 Binary files a/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-试题-答题版.pdf and b/基于考研的学习/数学一/在学练习/概率论-第5讲-大数定律与中心极限定理/PDF/概率论第5讲-试题-答题版.pdf differ diff --git a/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/02-试题.md b/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/02-试题.md index 9c62dde..01503ef 100644 --- a/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/02-试题.md +++ b/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/02-试题.md @@ -28,39 +28,39 @@ tags: $$2,\quad3,\quad5,\quad6,\quad9 .$$ -(Ⅰ)求样本均值 $\bar X$、样本方差 $S^2$、样本二阶中心矩 $B_2$; +(Ⅰ)求样本均值 $\bar X$ 、样本方差 $S^2$ 、样本二阶中心矩 $B_2$ ; -(Ⅱ)设总体均值 $\mu$ 与总体方差 $\sigma^2$ **均未知**。判断下列各量哪些是**统计量**,哪些不是:$\ \bar X+\mu$;$\ S^2$;$\ X_1+X_2-\mu$;$\ \max\{X_1,\cdots,X_5\}$;$\ \sum\limits_{i=1}^{5}(X_i-\mu)^2$。 +(Ⅱ)设总体均值 $\mu$ 与总体方差 $\sigma^2$ **均未知**。判断下列各量哪些是**统计量**,哪些不是:$\ \bar X+\mu$ ;$\ S^2$ ;$\ X_1+X_2-\mu$ ;$\ \max\{X_1,\cdots,X_5\}$ ;$\ \sum\limits_{i=1}^{5}(X_i-\mu)^2$ 。 **2.** 【三大分布辨析与构造】设 $X_1,X_2,\cdots,X_6$ 为来自总体 $N(0,4)$ 的简单随机样本。判断下列统计量各服从什么分布(写出名称与自由度);**不服从三大分布的,请说明理由**: -(Ⅰ)$Y_1=\dfrac14\sum\limits_{i=1}^{6}X_i^2$; +(Ⅰ)$Y_1=\dfrac14\sum\limits_{i=1}^{6}X_i^2$ ; -(Ⅱ)$Y_2=\dfrac{(X_1+X_2+X_3)^2}{12}$; +(Ⅱ)$Y_2=\dfrac{(X_1+X_2+X_3)^2}{12}$ ; -(Ⅲ)$Y_3=\dfrac{\sqrt3\,X_1}{\sqrt{X_2^2+X_3^2+X_4^2}}$; +(Ⅲ)$Y_3=\dfrac{\sqrt3\,X_1}{\sqrt{X_2^2+X_3^2+X_4^2}}$ ; -(Ⅳ)$Y_4=2(X_1-X_2)^2$。 +(Ⅳ)$Y_4=2(X_1-X_2)^2$ 。 -**3.** 【样本均值与样本方差的数字特征】设总体 $X$ 的 $EX=\mu$,$DX=\sigma^2$ 均存在,$X_1,\cdots,X_n$ 为简单随机样本,$\bar X$、$S^2$ 为样本均值与样本方差。 +**3.** 【样本均值与样本方差的数字特征】设总体 $X$ 的 $EX=\mu$ ,$DX=\sigma^2$ 均存在,$X_1,\cdots,X_n$ 为简单随机样本,$\bar X$ 、$S^2$ 为样本均值与样本方差。 -(Ⅰ)求 $E\bar X$、$D\bar X$、$ES^2$; +(Ⅰ)求 $E\bar X$ 、$D\bar X$ 、$ES^2$ ; -(Ⅱ)说明为什么样本方差 $S^2$ 定义为 $\dfrac{1}{n-1}\sum(X_i-\bar X)^2$ 而不是 $\dfrac1n\sum(X_i-\bar X)^2$。 +(Ⅱ)说明为什么样本方差 $S^2$ 定义为 $\dfrac{1}{n-1}\sum(X_i-\bar X)^2$ 而不是 $\dfrac1n\sum(X_i-\bar X)^2$ 。 **4.** 【矩估计】设总体 $X$ 的分布律为 $$P\{X=-1\}=2\theta,\qquad P\{X=0\}=\theta,\qquad P\{X=1\}=1-3\theta,\qquad 0<\theta<\frac13 .$$ -$\theta$ 未知,$X_1,\cdots,X_n$ 为简单随机样本。求 $\theta$ 的矩估计量 $\hat\theta$。 +$\theta$ 未知,$X_1,\cdots,X_n$ 为简单随机样本。求 $\theta$ 的矩估计量 $\hat\theta$ 。 **5.** 【极大似然估计】设总体 $X$ 的概率密度为 $$f(x;\theta)=\begin{cases}\theta x^{\theta-1},&00\ \text{未知})$$ -$X_1,\cdots,X_n$ 为简单随机样本。求 $\theta$ 的极大似然估计量 $\hat\theta$。 +$X_1,\cdots,X_n$ 为简单随机样本。求 $\theta$ 的极大似然估计量 $\hat\theta$ 。 -**6.** 【无偏性定常数】🟩 设 $X_1,\cdots,X_n$ 为来自总体 $X$ 的简单随机样本,$EX=\mu$,$DX=\sigma^2$。求常数 $k$,使 +**6.** 【无偏性定常数】🟩 设 $X_1,\cdots,X_n$ 为来自总体 $X$ 的简单随机样本,$EX=\mu$ ,$DX=\sigma^2$ 。求常数 $k$ ,使 $$\hat\sigma^2=k\sum_{i=1}^{n-1}(X_{i+1}-X_i)^2$$ @@ -74,49 +74,49 @@ $$\hat\sigma^2=k\sum_{i=1}^{n-1}(X_{i+1}-X_i)^2$$ $$f(x;\lambda)=\frac{1}{2\lambda}\mathrm e^{-\frac{\lvert x\rvert}{\lambda}},\qquad x\in\mathbb R,\quad\lambda>0\ \text{未知},$$ -$X_1,\cdots,X_n$ 为简单随机样本,记 $\lambda$ 的极大似然估计量为 $\hat\lambda$。 +$X_1,\cdots,X_n$ 为简单随机样本,记 $\lambda$ 的极大似然估计量为 $\hat\lambda$ 。 -(Ⅰ)求 $\hat\lambda$; +(Ⅰ)求 $\hat\lambda$ ; -(Ⅱ)求 $E\hat\lambda$ 与 $D\hat\lambda$。 +(Ⅱ)求 $E\hat\lambda$ 与 $D\hat\lambda$ 。 **8.** 【次序统计量 · 最大值分布 + 无偏】🟨**真题骨架 2016·23** 设总体 $X$ 的概率密度为 $$f(x;\theta)=\begin{cases}\dfrac{2x}{\theta^2},&00\ \text{未知}),$$ -$X_1,X_2,X_3$ 为简单随机样本,令 $T=\max\{X_1,X_2,X_3\}$。 +$X_1,X_2,X_3$ 为简单随机样本,令 $T=\max\{X_1,X_2,X_3\}$ 。 -(Ⅰ)求 $T$ 的概率密度 $f_T(x)$; +(Ⅰ)求 $T$ 的概率密度 $f_T(x)$ ; -(Ⅱ)确定常数 $a$,使 $aT$ 为 $\theta$ 的无偏估计。 +(Ⅱ)确定常数 $a$ ,使 $aT$ 为 $\theta$ 的无偏估计。 -**9.** 【区间估计】🟨**真题骨架 2016·14** 设 $X_1,\cdots,X_{16}$ 为来自总体 $N(\mu,\sigma^2)$ 的简单随机样本,测得样本均值 $\bar X=12.3$。 +**9.** 【区间估计】🟨**真题骨架 2016·14** 设 $X_1,\cdots,X_{16}$ 为来自总体 $N(\mu,\sigma^2)$ 的简单随机样本,测得样本均值 $\bar X=12.3$ 。 -(Ⅰ)若 $\sigma=2$ **已知**,求 $\mu$ 的置信度为 $0.95$ 的**双侧**置信区间,以及置信度为 $0.95$ 的**单侧置信上限**(已知 $u_{0.025}=1.96$,$u_{0.05}=1.645$); +(Ⅰ)若 $\sigma=2$ **已知**,求 $\mu$ 的置信度为 $0.95$ 的**双侧**置信区间,以及置信度为 $0.95$ 的**单侧置信上限**(已知 $u_{0.025}=1.96$ ,$u_{0.05}=1.645$ ); -(Ⅱ)若 $\sigma$ **未知**,测得样本标准差 $S=2$,求 $\mu$ 的置信度为 $0.95$ 的双侧置信区间(已知 $t_{0.025}(15)=2.131$)。 +(Ⅱ)若 $\sigma$ **未知**,测得样本标准差 $S=2$ ,求 $\mu$ 的置信度为 $0.95$ 的双侧置信区间(已知 $t_{0.025}(15)=2.131$ )。 -**10.** 【假设检验拒绝域】🟨**真题骨架 2025·10** 设 $X_1,\cdots,X_n$ 为来自正态总体 $N(\mu,3)$ 的简单随机样本,$\bar X=\dfrac1n\sum\limits_{i=1}^{n}X_i$。检验 +**10.** 【假设检验拒绝域】🟨**真题骨架 2025·10** 设 $X_1,\cdots,X_n$ 为来自正态总体 $N(\mu,3)$ 的简单随机样本,$\bar X=\dfrac1n\sum\limits_{i=1}^{n}X_i$ 。检验 $$H_0:\mu\le2,\qquad H_1:\mu>2,$$ -显著性水平为 $\alpha$,$Z_\alpha$ 为标准正态分布的上 $\alpha$ 分位数。 +显著性水平为 $\alpha$ ,$Z_\alpha$ 为标准正态分布的上 $\alpha$ 分位数。 (Ⅰ)写出该检验的拒绝域; -(Ⅱ)若 $n=12$,$\alpha=0.05$,$Z_{0.05}=1.645$,求拒绝域的临界值 $c$。 +(Ⅱ)若 $n=12$ ,$\alpha=0.05$ ,$Z_{0.05}=1.645$ ,求拒绝域的临界值 $c$ 。 **11.** 【两类错误】🟨**真题骨架 2021·10** 设 $X_1,\cdots,X_{25}$ 为来自总体 $N(\mu,9)$ 的简单随机样本,考虑检验问题 $$H_0:\mu\le5,\qquad H_1:\mu>5,$$ -取拒绝域 $W=\{\bar X\ge6\}$,$\Phi(x)$ 为标准正态分布函数。 +取拒绝域 $W=\{\bar X\ge6\}$ ,$\Phi(x)$ 为标准正态分布函数。 (Ⅰ)求犯**第一类错误**的概率(用 $\Phi$ 表示); (Ⅱ)求当 $\mu=6.6$ 时犯**第二类错误**的概率(用 $\Phi$ 表示)。 -**12.** 【无偏性与有效性】设 $X_1,X_2,X_3$ 为来自总体 $X$($EX=\mu$,$DX=\sigma^2$)的简单随机样本,考虑 $\mu$ 的三个估计量 +**12.** 【无偏性与有效性】设 $X_1,X_2,X_3$ 为来自总体 $X$ ($EX=\mu$ ,$DX=\sigma^2$ )的简单随机样本,考虑 $\mu$ 的三个估计量 $$\hat\theta_1=\frac13(X_1+X_2+X_3),\qquad \hat\theta_2=\frac12X_1+\frac13X_2+\frac16X_3,\qquad \hat\theta_3=\frac12X_1+\frac12X_2 .$$ @@ -128,11 +128,11 @@ $$\hat\theta_1=\frac13(X_1+X_2+X_3),\qquad \hat\theta_2=\frac12X_1+\frac13X_2+\f $$(x_1,\cdots,x_5)=(3,\ 2,\ 4,\ 1,\ 5),\qquad (y_1,\cdots,y_4)=(5,\ 3,\ 7,\ 9).$$ -(Ⅰ)求 $\lambda$ 的极大似然估计值 $\hat\lambda$; +(Ⅰ)求 $\lambda$ 的极大似然估计值 $\hat\lambda$ ; (Ⅱ)写出 $D(\hat\lambda)$ 的表达式。 -**14.** 【两正态总体方差比 · $F$ 分布】🟨**真题骨架 2023·9** 设 $X_1,\cdots,X_m$ 来自总体 $N(\mu_1,\sigma^2)$,$Y_1,\cdots,Y_n$ 来自总体 $N(\mu_2,3\sigma^2)$,两样本**相互独立**,$S_1^2$、$S_2^2$ 分别为两样本的样本方差。求常数 $c$,使 +**14.** 【两正态总体方差比 · $F$ 分布】🟨**真题骨架 2023·9** 设 $X_1,\cdots,X_m$ 来自总体 $N(\mu_1,\sigma^2)$ ,$Y_1,\cdots,Y_n$ 来自总体 $N(\mu_2,3\sigma^2)$ ,两样本**相互独立**,$S_1^2$ 、$S_2^2$ 分别为两样本的样本方差。求常数 $c$ ,使 $$c\cdot\frac{S_1^2}{S_2^2}\ \sim\ F(m-1,\ n-1),$$ @@ -148,7 +148,7 @@ $$f(x;\sigma)=\begin{cases}\dfrac{A}{\sigma}\mathrm e^{-\frac{(x-\mu)^2}{2\sigma 其中 $\mu$ **已知**,$\sigma>0$ 未知,$A$ 为常数,$X_1,\cdots,X_n$ 为简单随机样本。 -(Ⅰ)求 $A$; +(Ⅰ)求 $A$ ; (Ⅱ)求 $\sigma^2$ 的极大似然估计量。 @@ -156,33 +156,33 @@ $$f(x;\sigma)=\begin{cases}\dfrac{A}{\sigma}\mathrm e^{-\frac{(x-\mu)^2}{2\sigma $$F(t)=1-\mathrm e^{-\left(\frac{t}{\theta}\right)^m},\qquad t\ge0,\quad\theta>0,\ m>0 .$$ -(Ⅰ)求 $P\{T>t\}$ 与 $P\{T>s+t\mid T>s\}$; +(Ⅰ)求 $P\{T>t\}$ 与 $P\{T>s+t\mid T>s\}$ ; -(Ⅱ)测得 $n$ 个寿命值 $t_1,\cdots,t_n$,$m$ **已知**,求 $\theta$ 的极大似然估计量 $\hat\theta$。 +(Ⅱ)测得 $n$ 个寿命值 $t_1,\cdots,t_n$ ,$m$ **已知**,求 $\theta$ 的极大似然估计量 $\hat\theta$ 。 -**17.** 【无偏 + 均方误差最小】🟨**真题骨架 2024·22** 设总体 $X\sim U(0,\theta)$,$\theta>0$ 未知,$X_1,\cdots,X_n$ 为简单随机样本,记 $X_{(n)}=\max\{X_1,\cdots,X_n\}$,构造 $T_c=cX_{(n)}$($c>0$)。 +**17.** 【无偏 + 均方误差最小】🟨**真题骨架 2024·22** 设总体 $X\sim U(0,\theta)$ ,$\theta>0$ 未知,$X_1,\cdots,X_n$ 为简单随机样本,记 $X_{(n)}=\max\{X_1,\cdots,X_n\}$ ,构造 $T_c=cX_{(n)}$ ($c>0$ )。 -(Ⅰ)求 $c$,使 $T_c$ 为 $\theta$ 的**无偏估计**; +(Ⅰ)求 $c$ ,使 $T_c$ 为 $\theta$ 的**无偏估计**; -(Ⅱ)记 $h(c)=E(T_c-\theta)^2$,求 $c$,使 $h(c)$ **最小**。 +(Ⅱ)记 $h(c)=E(T_c-\theta)^2$ ,求 $c$ ,使 $h(c)$ **最小**。 **18.** 【假设检验概念综合】🟨**真题骨架 2018·8** 设 $X_1,\cdots,X_n$ 为来自总体 $N(\mu,\sigma^2)$ 的简单随机样本,$\sigma$ 已知,检验 $$H_0:\mu=\mu_0,\qquad H_1:\mu\ne\mu_0,$$ -拒绝域为 $W=\{\lvert\bar X-\mu_0\rvert\ge c\}$。 +拒绝域为 $W=\{\lvert\bar X-\mu_0\rvert\ge c\}$ 。 (Ⅰ)判断下列结论中哪一个是**正确**的,并说明理由: -(A)若在 $\alpha=0.05$ 下拒绝 $H_0$,则在 $\alpha=0.01$ 下必拒绝 $H_0$; +(A)若在 $\alpha=0.05$ 下拒绝 $H_0$ ,则在 $\alpha=0.01$ 下必拒绝 $H_0$ ; -(B)若在 $\alpha=0.05$ 下拒绝 $H_0$,则在 $\alpha=0.01$ 下必接受 $H_0$; +(B)若在 $\alpha=0.05$ 下拒绝 $H_0$ ,则在 $\alpha=0.01$ 下必接受 $H_0$ ; -(C)若在 $\alpha=0.05$ 下接受 $H_0$,则在 $\alpha=0.01$ 下必拒绝 $H_0$; +(C)若在 $\alpha=0.05$ 下接受 $H_0$ ,则在 $\alpha=0.01$ 下必拒绝 $H_0$ ; -(D)若在 $\alpha=0.05$ 下接受 $H_0$,则在 $\alpha=0.01$ 下必接受 $H_0$。 +(D)若在 $\alpha=0.05$ 下接受 $H_0$ ,则在 $\alpha=0.01$ 下必接受 $H_0$ 。 -(Ⅱ)若 $n=16$,$\sigma=2$,取 $\alpha=0.05$($u_{0.025}=1.96$),写出拒绝域的具体形式,并求当 $\mu=\mu_0+1$ 时犯**第二类错误**的概率(用 $\Phi$ 表示)。 +(Ⅱ)若 $n=16$ ,$\sigma=2$ ,取 $\alpha=0.05$ ($u_{0.025}=1.96$ ),写出拒绝域的具体形式,并求当 $\mu=\mu_0+1$ 时犯**第二类错误**的概率(用 $\Phi$ 表示)。 --- diff --git a/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/03-解析.md b/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/03-解析.md index bfea892..b70e372 100644 --- a/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/03-解析.md +++ b/基于考研的学习/数学一/在学练习/概率论-第6讲-数理统计/03-解析.md @@ -20,66 +20,66 @@ tags: ### 第 1 题 · 统计量与常用统计量 -**(Ⅰ)答案**:$\bar X=5$,$S^2=7.5$,$B_2=6$。 +**(Ⅰ)答案**:$\bar X=5$ ,$S^2=7.5$ ,$B_2=6$ 。 **思路**: $$\bar X=\frac{2+3+5+6+9}{5}=\frac{25}{5}=5 .$$ -偏差平方和:$(2-5)^2+(3-5)^2+0^2+(6-5)^2+(9-5)^2=9+4+0+1+16=30$。 +偏差平方和:$(2-5)^2+(3-5)^2+0^2+(6-5)^2+(9-5)^2=9+4+0+1+16=30$ 。 $$S^2=\frac{30}{5-1}=7.5,\qquad B_2=\frac{30}{5}=6 .$$ -**(Ⅱ)答案**:是统计量的有 $\ \bar X+\mu$ 中的 $S^2$ 与 $\max\{X_1,\cdots,X_5\}$ —— 即 **$S^2$、$\max$ 是统计量**;其余三个($\bar X+\mu$、$X_1+X_2-\mu$、$\sum(X_i-\mu)^2$)**不是**。 +**(Ⅱ)答案**:是统计量的有 $\ \bar X+\mu$ 中的 $S^2$ 与 $\max\{X_1,\cdots,X_5\}$ —— 即 **$S^2$ 、$\max$ 是统计量**;其余三个($\bar X+\mu$ 、$X_1+X_2-\mu$ 、$\sum(X_i-\mu)^2$ )**不是**。 **易错点**: -- **判断标准只有一个**:表达式里**有没有未知参数**。$\mu$、$\sigma$ 均未知 ⟹ 凡是出现 $\mu$ 的都**不是**统计量。 -- $S^2$ 虽然含 $\bar X$,但 $\bar X$ 由样本算出,**不含未知参数**,所以是统计量。 +- **判断标准只有一个**:表达式里**有没有未知参数**。$\mu$ 、$\sigma$ 均未知 ⟹ 凡是出现 $\mu$ 的都**不是**统计量。 +- $S^2$ 虽然含 $\bar X$ ,但 $\bar X$ 由样本算出,**不含未知参数**,所以是统计量。 - 别把 $\sum(X_i-\bar X)^2$ 当作"能不能算"的判断对象——它是统计量;而 $\sum(X_i-\mu)^2$ 不是。 --- ### 第 2 题 · 三大分布辨析与构造 -**(Ⅰ)答案**:$Y_1\sim\chi^2(6)$。 +**(Ⅰ)答案**:$Y_1\sim\chi^2(6)$ 。 -**思路**:$X_i\sim N(0,4)$ ⟹ $\dfrac{X_i}{2}\sim N(0,1)$ ⟹ $\left(\dfrac{X_i}{2}\right)^2=\dfrac{X_i^2}{4}\sim\chi^2(1)$。六个独立相加: +**思路**:$X_i\sim N(0,4)$ ⟹ $\dfrac{X_i}{2}\sim N(0,1)$ ⟹ $\left(\dfrac{X_i}{2}\right)^2=\dfrac{X_i^2}{4}\sim\chi^2(1)$ 。六个独立相加: $$Y_1=\sum_{i=1}^{6}\left(\frac{X_i}{2}\right)^2\sim\chi^2(6).$$ -**(Ⅱ)答案**:$Y_2\sim\chi^2(1)$。 +**(Ⅱ)答案**:$Y_2\sim\chi^2(1)$ 。 -**思路**:$X_1+X_2+X_3\sim N(0,\ 4+4+4)=N(0,12)$,标准化后平方: +**思路**:$X_1+X_2+X_3\sim N(0,\ 4+4+4)=N(0,12)$ ,标准化后平方: $$Y_2=\frac{(X_1+X_2+X_3)^2}{12}=\left(\frac{X_1+X_2+X_3}{\sqrt{12}}\right)^2\sim\chi^2(1).$$ -**(Ⅲ)答案**:$Y_3\sim t(3)$。 +**(Ⅲ)答案**:$Y_3\sim t(3)$ 。 **思路**:**拆成"标准正态 ÷ 根号下 $\chi^2$ 除以自由度"**。 -- 分子:$\dfrac{X_1}{2}\sim N(0,1)$; -- 分母:$\dfrac{X_2^2+X_3^2+X_4^2}{4}\sim\chi^2(3)$; +- 分子:$\dfrac{X_1}{2}\sim N(0,1)$ ; +- 分母:$\dfrac{X_2^2+X_3^2+X_4^2}{4}\sim\chi^2(3)$ ; $$\frac{X_1/2}{\sqrt{\dfrac{1}{3}\cdot\dfrac{X_2^2+X_3^2+X_4^2}{4}}}=\frac{X_1/2}{\sqrt{X_2^2+X_3^2+X_4^2}/\sqrt{12}}=\frac{\sqrt3\,X_1}{\sqrt{X_2^2+X_3^2+X_4^2}}\sim t(3).$$ **(Ⅳ)答案**:**不服从三大分布**。 -**思路**:$X_1-X_2\sim N(0,8)$ ⟹ $\dfrac{(X_1-X_2)^2}{8}\sim\chi^2(1)$,但 +**思路**:$X_1-X_2\sim N(0,8)$ ⟹ $\dfrac{(X_1-X_2)^2}{8}\sim\chi^2(1)$ ,但 $$2(X_1-X_2)^2=16\cdot\frac{(X_1-X_2)^2}{8}=16\chi^2(1).$$ -**$\chi^2$ 分布要求"平方项之和,每项都是标准正态的平方"**,也就是**系数必须恰好把方差消掉**。这里系数 $2$ 只消掉了一半(正确系数是 $\dfrac18$)。 +**$\chi^2$ 分布要求"平方项之和,每项都是标准正态的平方"**,也就是**系数必须恰好把方差消掉**。这里系数 $2$ 只消掉了一半(正确系数是 $\dfrac18$ )。 **易错点**: -- ⚠️ **系数错一点就不是 $\chi^2$**。判断口诀:**先看它能不能写成 $\sum\left(\dfrac{\cdot}{\sigma}\right)^2$ 的形式**。 -- **(Ⅳ)就是 🟨2017·8 的 B 选项**(真题是 $2(X_n-X_1)^2$,同样不服从)。 -- ⚠️ **(Ⅲ)里分子分母共用 $X$ 吗?** 本题分子是 $X_1$、分母是 $X_2,X_3,X_4$,**没有共用**,所以**独立**,$t$ 分布成立。若分母含 $X_1$,就不独立,不能用。 +- ⚠️ **系数错一点就不是 $\chi^2$ **。判断口诀:**先看它能不能写成 $\sum\left(\dfrac{\cdot}{\sigma}\right)^2$ 的形式**。 +- **(Ⅳ)就是 🟨2017·8 的 B 选项**(真题是 $2(X_n-X_1)^2$ ,同样不服从)。 +- ⚠️ **(Ⅲ)里分子分母共用 $X$ 吗?** 本题分子是 $X_1$ 、分母是 $X_2,X_3,X_4$ ,**没有共用**,所以**独立**,$t$ 分布成立。若分母含 $X_1$ ,就不独立,不能用。 --- ### 第 3 题 · 样本均值与样本方差的数字特征 -**(Ⅰ)答案**:$E\bar X=\mu$,$D\bar X=\dfrac{\sigma^2}{n}$,$ES^2=\sigma^2$。 +**(Ⅰ)答案**:$E\bar X=\mu$ ,$D\bar X=\dfrac{\sigma^2}{n}$ ,$ES^2=\sigma^2$ 。 **思路**: @@ -95,37 +95,37 @@ $$E\!\left[\sum(X_i-\bar X)^2\right]=n(\sigma^2+\mu^2)-n\left(\frac{\sigma^2}{n} **(Ⅱ)答案**:因为 $\dfrac1n\sum(X_i-\bar X)^2$ 是**有偏**的。 -**思路**:由上一步 $E\!\left[\dfrac1n\sum(X_i-\bar X)^2\right]=\dfrac{n-1}{n}\sigma^2\ne\sigma^2$。原因是用 $\bar X$ 代替 $\mu$ 后,"独立信息"损失了 1 份(自由度 $n\to n-1$)。除以 $n-1$ 恰好把 $\dfrac{n-1}{n}$ 补回 1。 +**思路**:由上一步 $E\!\left[\dfrac1n\sum(X_i-\bar X)^2\right]=\dfrac{n-1}{n}\sigma^2\ne\sigma^2$ 。原因是用 $\bar X$ 代替 $\mu$ 后,"独立信息"损失了 1 份(自由度 $n\to n-1$ )。除以 $n-1$ 恰好把 $\dfrac{n-1}{n}$ 补回 1。 **易错点**: -- $D\bar X$ 是 $\dfrac{\sigma^2}{\boldsymbol n}$,**不是** $\sigma^2$——这是第 5 讲切比雪夫不等式反复用到的结论。 -- $\sum(X_i-\bar X)^2$ 的两个恒等式:$=\sum X_i^2-n\bar X^2$(求 $E$ 时用)。 -- **"$n-1$ 是为了无偏"**这句话要能自己推(面试式追问)。 +- $D\bar X$ 是 $\dfrac{\sigma^2}{\boldsymbol n}$ ,**不是** $\sigma^2$ ——这是第 5 讲切比雪夫不等式反复用到的结论。 +- $\sum(X_i-\bar X)^2$ 的两个恒等式:$=\sum X_i^2-n\bar X^2$ (求 $E$ 时用)。 +- **"$n-1$ 是为了无偏"** 这句话要能自己推(面试式追问)。 --- ### 第 4 题 · 矩估计 -**答案**:$\hat\theta=\dfrac{1-\bar X}{5}$。 +**答案**:$\hat\theta=\dfrac{1-\bar X}{5}$ 。 -**思路**:先求**总体一阶矩**(含 $\theta$): +**思路**:先求**总体一阶矩**(含 $\theta$ ): $$EX=(-1)\cdot2\theta+0\cdot\theta+1\cdot(1-3\theta)=-2\theta+1-3\theta=1-5\theta .$$ -用样本一阶矩替换:$1-5\theta=\bar X$,解得 +用样本一阶矩替换:$1-5\theta=\bar X$ ,解得 $$\hat\theta=\frac{1-\bar X}{5}.$$ **易错点**: - 先**验证概率和为 1**:$2\theta+\theta+(1-3\theta)=1$ ✓(题目给了 $0<\theta<1/3$ 保证非负)。 - **只用一个参数 → 只用一阶矩**,别多此一举用二阶矩。 -- 最后写成 $\hat\theta$ 是**估计量**(含大写 $X_i$),$\hat\theta(x_1,\cdots,x_n)$ 才是估计值。 +- 最后写成 $\hat\theta$ 是**估计量**(含大写 $X_i$ ),$\hat\theta(x_1,\cdots,x_n)$ 才是估计值。 --- ### 第 5 题 · 极大似然估计 -**答案**:$\hat\theta=-\dfrac{n}{\sum\limits_{i=1}^{n}\ln X_i}$。 +**答案**:$\hat\theta=-\dfrac{n}{\sum\limits_{i=1}^{n}\ln X_i}$ 。 **思路**: @@ -134,17 +134,17 @@ $$L(\theta)=\prod_{i=1}^{n}\theta x_i^{\theta-1}=\theta^n\Big(\prod x_i\Big)^{\t $$\frac{\mathrm d\ln L}{\mathrm d\theta}=\frac{n}{\theta}+\sum_{i=1}^{n}\ln x_i=0\ \Longrightarrow\ \hat\theta=-\frac{n}{\sum\ln X_i}.$$ **易错点**: -- ⚠️ **$00$** ✓,解是合法的。可以顺手做这个**正性检验**。 -- 支撑集 $0-1)$ 得 $\hat\theta=-\dfrac{n}{\sum\ln X_i}-1$——**结构相同,常数差 1**,注意区分。 +- ⚠️ **$00$ ** ✓,解是合法的。可以顺手做这个**正性检验**。 +- 支撑集 $0-1)$ 得 $\hat\theta=-\dfrac{n}{\sum\ln X_i}-1$ ——**结构相同,常数差 1**,注意区分。 --- ### 第 6 题 · 无偏性定常数 🟩 -**答案**:$k=\dfrac{1}{2(n-1)}$。 +**答案**:$k=\dfrac{1}{2(n-1)}$ 。 -**思路**:关键是算 $E(X_{i+1}-X_i)^2$。用"**方差 + 均值差平方**": +**思路**:关键是算 $E(X_{i+1}-X_i)^2$ 。用"**方差 + 均值差平方**": $$E(X_{i+1}-X_i)^2=D(X_{i+1}-X_i)+\big[E(X_{i+1}-X_i)\big]^2=\big(\sigma^2+\sigma^2\big)+0=2\sigma^2 .$$ @@ -155,7 +155,7 @@ $$E(X_{i+1}-X_i)^2=D(X_{i+1}-X_i)+\big[E(X_{i+1}-X_i)\big]^2=\big(\sigma^2+\sigm $$E\Big[k\sum_{i=1}^{n-1}(X_{i+1}-X_i)^2\Big]=k\cdot(n-1)\cdot2\sigma^2=2k(n-1)\sigma^2\overset{!}{=}\sigma^2\ \Longrightarrow\ k=\frac{1}{2(n-1)}.$$ **易错点**: -- ⚠️ 不能只写 $E(X_{i+1}-X_i)^2=\sigma^2$——**漏掉一项**:两个独立同分布变量**差的方差是 $2\sigma^2$**。 +- ⚠️ 不能只写 $E(X_{i+1}-X_i)^2=\sigma^2$ ——**漏掉一项**:两个独立同分布变量**差的方差是 $2\sigma^2$ **。 - 共有 $n-1$ 对(相邻对),**不是 $n$ 对**,求和上限别写错。 --- @@ -164,7 +164,7 @@ $$E\Big[k\sum_{i=1}^{n-1}(X_{i+1}-X_i)^2\Big]=k\cdot(n-1)\cdot2\sigma^2=2k(n-1)\ ### 第 7 题 · 拉普拉斯分布 · MLE + 数字特征 🟨真题骨架 2018·23 -**(Ⅰ)答案**:$\hat\lambda=\dfrac1n\sum\limits_{i=1}^{n}\lvert X_i\rvert$。 +**(Ⅰ)答案**:$\hat\lambda=\dfrac1n\sum\limits_{i=1}^{n}\lvert X_i\rvert$ 。 **思路**: @@ -172,125 +172,125 @@ $$L(\lambda)=\prod_{i=1}^{n}\frac{1}{2\lambda}\mathrm e^{-\frac{\lvert x_i\rvert $$\ln L(\lambda)=-n\ln2-n\ln\lambda-\frac1\lambda\sum_{i=1}^{n}\lvert x_i\rvert,\qquad \frac{\mathrm d\ln L}{\mathrm d\lambda}=-\frac n\lambda+\frac{1}{\lambda^2}\sum_{i=1}^{n}\lvert x_i\rvert=0 .$$ -解得 $\hat\lambda=\dfrac1n\sum\limits_{i=1}^{n}\lvert X_i\rvert$。 +解得 $\hat\lambda=\dfrac1n\sum\limits_{i=1}^{n}\lvert X_i\rvert$ 。 -**(Ⅱ)答案**:$E\hat\lambda=\lambda$,$D\hat\lambda=\dfrac{\lambda^2}{n}$。 +**(Ⅱ)答案**:$E\hat\lambda=\lambda$ ,$D\hat\lambda=\dfrac{\lambda^2}{n}$ 。 -**思路**:**先认清 $\lvert X_i\rvert$ 的分布**——这是全题的关键。$X\sim$ 拉普拉斯$(0,\lambda)$ 且密度只依赖于 $\lvert x\rvert$,由对称性可得 +**思路**:**先认清 $\lvert X_i\rvert$ 的分布**——这是全题的关键。$X\sim$ 拉普拉斯$(0,\lambda)$ 且密度只依赖于 $\lvert x\rvert$ ,由对称性可得 $$\lvert X_i\rvert\ \sim\ \mathrm{Exp}\Big(\frac1\lambda\Big)\quad(\text{密度}\ \tfrac1\lambda\mathrm e^{-x/\lambda},\ x>0),$$ -即**参数为 $1/\lambda$ 的指数分布**,故 $E\lvert X_i\rvert=\lambda$、$D\lvert X_i\rvert=\lambda^2$。于是 +即**参数为 $1/\lambda$ 的指数分布**,故 $E\lvert X_i\rvert=\lambda$ 、$D\lvert X_i\rvert=\lambda^2$ 。于是 $$E\hat\lambda=\frac1n\cdot n\lambda=\lambda\quad(\textbf{无偏}),\qquad D\hat\lambda=\frac{1}{n^2}\cdot n\lambda^2=\frac{\lambda^2}{n}.$$ **易错点**: -- ⚠️ **不要直接去算 $\int x\cdot\frac{1}{2\lambda}e^{-\lvert x\rvert/\lambda}\mathrm dx$ 的期望**——那样得到的是 $EX=0$,与本题无关。要求的是**绝对值的期望**。 -- 因为 $\hat\lambda$ 无偏,$E\hat\lambda$ 直接可用;若要算 $D\hat\lambda$,**记得乘 $\frac{1}{n^2}$**。 -- 本题与 **2018·23 结构完全一致**(真题用 $f=\frac{1}{2\sigma}e^{-\lvert x\rvert/\sigma}$),可直接回刷真题。 +- ⚠️ **不要直接去算 $\int x\cdot\frac{1}{2\lambda}e^{-\lvert x\rvert/\lambda}\mathrm dx$ 的期望**——那样得到的是 $EX=0$ ,与本题无关。要求的是**绝对值的期望**。 +- 因为 $\hat\lambda$ 无偏,$E\hat\lambda$ 直接可用;若要算 $D\hat\lambda$ ,**记得乘 $\frac{1}{n^2}$ **。 +- 本题与 **2018·23 结构完全一致**(真题用 $f=\frac{1}{2\sigma}e^{-\lvert x\rvert/\sigma}$ ),可直接回刷真题。 --- ### 第 8 题 · 次序统计量 · 最大值分布 + 无偏 🟨真题骨架 2016·23 -**(Ⅰ)答案**:$f_T(x)=\dfrac{6x^5}{\theta^6},\ 02$ ⟹ **右尾检验** ⟹ 拒绝域为 $U\ge Z_\alpha$,即 +$H_1:\mu>2$ ⟹ **右尾检验** ⟹ 拒绝域为 $U\ge Z_\alpha$ ,即 $$\frac{\bar X-2}{\sqrt{3/n}}\ge Z_\alpha\ \Longleftrightarrow\ \bar X\ \ge\ 2+Z_\alpha\sqrt{\frac3n}.$$ -**(Ⅱ)答案**:$c=2.8225$。 +**(Ⅱ)答案**:$c=2.8225$ 。 -**思路**:$n=12$ 时 $\sqrt{\dfrac{3}{12}}=\sqrt{0.25}=0.5$, +**思路**:$n=12$ 时 $\sqrt{\dfrac{3}{12}}=\sqrt{0.25}=0.5$ , $$c=2+1.645\times0.5=2+0.8225=2.8225 .$$ **易错点**: -- ⚠️ **$\sigma^2=3$ ⟹ $\sigma=\sqrt3$**。**不要把方差当标准差代进分母**——这是本题最大的坑。 -- **拒绝域方向跟 $H_1$ 走**:$H_1$ 是"$>$"就放右尾($\ge$);$H_0$ 里写 $\le$ 不影响方向,只影响"边界取 $\mu_0$"。 -- **单侧用 $Z_\alpha$**(不是 $Z_{\alpha/2}$)。若改成 $H_1:\mu\ne2$,则拒绝域为 $\lvert U\rvert\ge Z_{\alpha/2}$。 +- ⚠️ **$\sigma^2=3$ ⟹ $\sigma=\sqrt3$ **。**不要把方差当标准差代进分母**——这是本题最大的坑。 +- **拒绝域方向跟 $H_1$ 走**:$H_1$ 是"$>$ "就放右尾($\ge$ );$H_0$ 里写 $\le$ 不影响方向,只影响"边界取 $\mu_0$ "。 +- **单侧用 $Z_\alpha$ **(不是 $Z_{\alpha/2}$ )。若改成 $H_1:\mu\ne2$ ,则拒绝域为 $\lvert U\rvert\ge Z_{\alpha/2}$ 。 --- ### 第 11 题 · 两类错误 🟨真题骨架 2021·10 -**(Ⅰ)答案**:$\alpha=1-\Phi\!\left(\dfrac53\right)$。 +**(Ⅰ)答案**:$\alpha=1-\Phi\!\left(\dfrac53\right)$ 。 -**思路**:$\bar X\sim N\!\left(\mu,\dfrac{9}{25}\right)$,即标准差 $\dfrac35=0.6$。第一类错误在 $H_0$ 的**边界** $\mu=5$ 处计算(这是 $\alpha$ 取到最大的地方): +**思路**:$\bar X\sim N\!\left(\mu,\dfrac{9}{25}\right)$ ,即标准差 $\dfrac35=0.6$ 。第一类错误在 $H_0$ 的**边界** $\mu=5$ 处计算(这是 $\alpha$ 取到最大的地方): $$\alpha=P\{\bar X\ge6\mid \mu=5\}=1-\Phi\!\left(\frac{6-5}{0.6}\right)=1-\Phi\!\left(\frac53\right)\approx1-\Phi(1.667).$$ -**(Ⅱ)答案**:$\beta=1-\Phi(1)$。 +**(Ⅱ)答案**:$\beta=1-\Phi(1)$ 。 **思路**:第二类错误在 $H_1$ 下的**具体真值** $\mu=6.6$ 处计算,用**接受域**($W$ 的补集): $$\beta=P\{\bar X<6\mid \mu=6.6\}=\Phi\!\left(\frac{6-6.6}{0.6}\right)=\Phi(-1)=1-\Phi(1).$$ **易错点**: -- ⚠️ **$\alpha$ 与 $\beta$ 用的分布不同**:$\alpha$ 用 $\mu=\mu_0$(边界),$\beta$ 用 $\mu=\mu_1$(真值)。这是两类错误的**根本区别**。 -- ⚠️ **$\beta$ 用"接受域"**:拒绝域是 $\bar X\ge6$,所以 $\beta$ 是 $\bar X<6$ 的概率(方向别反)。 -- 本题数字与 **2021·10 同构**(真题 $n=16,\sigma^2=4,W=\{\bar X\ge11\},\mu=11.5$,得 $\beta=1-\Phi(1)$),可直接回刷。 +- ⚠️ **$\alpha$ 与 $\beta$ 用的分布不同**:$\alpha$ 用 $\mu=\mu_0$ (边界),$\beta$ 用 $\mu=\mu_1$ (真值)。这是两类错误的**根本区别**。 +- ⚠️ **$\beta$ 用"接受域"**:拒绝域是 $\bar X\ge6$ ,所以 $\beta$ 是 $\bar X<6$ 的概率(方向别反)。 +- 本题数字与 **2021·10 同构**(真题 $n=16,\sigma^2=4,W=\{\bar X\ge11\},\mu=11.5$ ,得 $\beta=1-\Phi(1)$ ),可直接回刷。 --- @@ -298,7 +298,7 @@ $$\beta=P\{\bar X<6\mid \mu=6.6\}=\Phi\!\left(\frac{6-6.6}{0.6}\right)=\Phi(-1)= **(Ⅰ)答案**:三者都是 $\mu$ 的无偏估计(系数和均为 1)。 -**思路**:$E\hat\theta=\sum a_iEX_i=\mu\sum a_i$,**只要系数和 $\sum a_i=1$ 就无偏**: +**思路**:$E\hat\theta=\sum a_iEX_i=\mu\sum a_i$ ,**只要系数和 $\sum a_i=1$ 就无偏**: $$\frac13+\frac13+\frac13=1,\qquad \frac12+\frac13+\frac16=\frac{3+2+1}{6}=1,\qquad \frac12+\frac12=1 .\quad\checkmark$$ @@ -317,13 +317,13 @@ $$\boxed{\ \hat\theta_1\ \text{最有效}\ }$$ **易错点**: - ⚠️ **必须先验证都无偏,才能比有效性**——这是"两级筛选",直接比方差是逻辑错误。 - ⚠️ $\hat\theta_2$ 的方差要**逐项平方系数**再相加,别把 $\left(\frac12+\frac13+\frac16\right)^2$ 当成答案。 -- 直觉:**系数越"平均"(越接近 $\frac1n$),方差越小**。$\hat\theta_1$ 是全平均,$\hat\theta_2$ 向 $X_1$ 偏重,$\hat\theta_3$ 干脆丢了一个样本,故 $\hat\theta_3$ 最差。 +- 直觉:**系数越"平均"(越接近 $\frac1n$ ),方差越小**。$\hat\theta_1$ 是全平均,$\hat\theta_2$ 向 $X_1$ 偏重,$\hat\theta_3$ 干脆丢了一个样本,故 $\hat\theta_3$ 最差。 --- ### 第 13 题 · 两样本泊松 · MLE 🟨真题骨架 2022·22 -**(Ⅰ)答案**:$\hat\lambda=\dfrac{\sum x_i+\sum y_j}{n+2m}=\dfrac{39}{13}=3$。 +**(Ⅰ)答案**:$\hat\lambda=\dfrac{\sum x_i+\sum y_j}{n+2m}=\dfrac{39}{13}=3$ 。 **思路**:**两个样本要放在同一个似然函数里**。 @@ -333,30 +333,30 @@ $$\ln L(\lambda)=\Big(\sum x_i\Big)\ln\lambda-n\lambda+\Big(\sum y_j\Big)\ln(2\l $$\frac{\mathrm d\ln L}{\mathrm d\lambda}=\frac{\sum x_i+\sum y_j}{\lambda}-(n+2m)=0\ \Longrightarrow\ \hat\lambda=\frac{\sum X_i+\sum Y_j}{n+2m}.$$ -代入:$n=5$,$m=4$,$\sum x_i=3+2+4+1+5=15$,$\sum y_j=5+3+7+9=24$, +代入:$n=5$ ,$m=4$ ,$\sum x_i=3+2+4+1+5=15$ ,$\sum y_j=5+3+7+9=24$ , $$\hat\lambda=\frac{15+24}{5+2\times4}=\frac{39}{13}=3 .$$ -**(Ⅱ)答案**:$D(\hat\lambda)=\dfrac{\lambda}{n+2m}=\dfrac{\lambda}{13}$。 +**(Ⅱ)答案**:$D(\hat\lambda)=\dfrac{\lambda}{n+2m}=\dfrac{\lambda}{13}$ 。 -**思路**:$\sum X_i\sim P(n\lambda)$ 方差 $n\lambda$;$\sum Y_j\sim P(2m\lambda)$ 方差 $2m\lambda$;两者独立故方差可加: +**思路**:$\sum X_i\sim P(n\lambda)$ 方差 $n\lambda$ ;$\sum Y_j\sim P(2m\lambda)$ 方差 $2m\lambda$ ;两者独立故方差可加: $$D\Big(\sum X_i+\sum Y_j\Big)=n\lambda+2m\lambda=\lambda(n+2m),$$ $$D\hat\lambda=\frac{\lambda(n+2m)}{(n+2m)^2}=\frac{\lambda}{n+2m}.$$ **易错点**: -- ⚠️ **不要把两组的似然分开求导**——它们是**同一个 $\lambda$** 的两个来源,必须合并。 -- ⚠️ **$Y$ 组的分母是 $n+2m$**(不是 $n+m$):因为 $Y$ 的均值是 $2\lambda$,$2m$ 个"等效 $\lambda$ 单位"。记忆:**"权重 = 样本量 × 该组的参数倍数"**。 -- 若把 $Y$ 的分布参数换成 $k\lambda$,则 $\hat\lambda=\dfrac{\sum X_i+\sum Y_j}{n+km}$,$D\hat\lambda=\dfrac{\lambda}{n+km}$——**这是本题的一般式**。 +- ⚠️ **不要把两组的似然分开求导**——它们是**同一个 $\lambda$ ** 的两个来源,必须合并。 +- ⚠️ **$Y$ 组的分母是 $n+2m$ **(不是 $n+m$ ):因为 $Y$ 的均值是 $2\lambda$ ,$2m$ 个"等效 $\lambda$ 单位"。记忆:**"权重 = 样本量 × 该组的参数倍数"**。 +- 若把 $Y$ 的分布参数换成 $k\lambda$ ,则 $\hat\lambda=\dfrac{\sum X_i+\sum Y_j}{n+km}$ ,$D\hat\lambda=\dfrac{\lambda}{n+km}$ ——**这是本题的一般式**。 --- ### 第 14 题 · 两正态总体方差比 · $F$ 分布 🟨真题骨架 2023·9 -**答案**:$c=3$,自由度为 $(m-1,\ n-1)$。 +**答案**:$c=3$ ,自由度为 $(m-1,\ n-1)$ 。 -**思路**:**"拼 $F$"的两步——先各去方差,再除自由度**。 +**思路**:**"拼 $F$ "的两步——先各去方差,再除自由度**。 $$\frac{(m-1)S_1^2}{\sigma^2}\sim\chi^2(m-1),\qquad \frac{(n-1)S_2^2}{3\sigma^2}\sim\chi^2(n-1),$$ @@ -364,12 +364,12 @@ $$\frac{(m-1)S_1^2}{\sigma^2}\sim\chi^2(m-1),\qquad \frac{(n-1)S_2^2}{3\sigma^2} $$F=\frac{\dfrac{S_1^2}{\sigma^2}}{\dfrac{S_2^2}{3\sigma^2}}=\frac{3S_1^2}{S_2^2}\ \sim\ F(m-1,\ n-1).$$ -所以 $c=3$。 +所以 $c=3$ 。 **易错点**: -- ⚠️ **两个总体的方差不同**($\sigma^2$ 与 $3\sigma^2$)时,"消方差"的系数就不同——这正是真题设陷阱的地方。若两方差相同,则 $c=1$。 -- ⚠️ **自由度顺序不能反**:分子是 $X$ 组的 $m-1$,分母是 $Y$ 组的 $n-1$。 -- 若题目问 $\dfrac{S_2^2}{S_1^2}\cdot c'$ 服从 $F(n-1,m-1)$,则由倒数性质 $c'=\dfrac13$。 +- ⚠️ **两个总体的方差不同**($\sigma^2$ 与 $3\sigma^2$ )时,"消方差"的系数就不同——这正是真题设陷阱的地方。若两方差相同,则 $c=1$ 。 +- ⚠️ **自由度顺序不能反**:分子是 $X$ 组的 $m-1$ ,分母是 $Y$ 组的 $n-1$ 。 +- 若题目问 $\dfrac{S_2^2}{S_1^2}\cdot c'$ 服从 $F(n-1,m-1)$ ,则由倒数性质 $c'=\dfrac13$ 。 --- @@ -377,42 +377,42 @@ $$F=\frac{\dfrac{S_1^2}{\sigma^2}}{\dfrac{S_2^2}{3\sigma^2}}=\frac{3S_1^2}{S_2^2 ### 第 15 题 · 半正态分布 · 求常数 + MLE 🟨真题骨架 2019·23 -**(Ⅰ)答案**:$A=\sqrt{\dfrac{2}{\pi}}$。 +**(Ⅰ)答案**:$A=\sqrt{\dfrac{2}{\pi}}$ 。 -**思路**:**归一化条件** $\displaystyle\int_{-\infty}^{+\infty}f(x;\sigma)\mathrm dx=1$。令 $t=\dfrac{x-\mu}{\sigma}$($\mathrm dx=\sigma\,\mathrm dt$): +**思路**:**归一化条件** $\displaystyle\int_{-\infty}^{+\infty}f(x;\sigma)\mathrm dx=1$ 。令 $t=\dfrac{x-\mu}{\sigma}$ ($\mathrm dx=\sigma\,\mathrm dt$ ): $$\int_{\mu}^{+\infty}\frac{A}{\sigma}\mathrm e^{-\frac{(x-\mu)^2}{2\sigma^2}}\mathrm dx=A\int_0^{+\infty}\mathrm e^{-\frac{t^2}{2}}\mathrm dt=A\cdot\sqrt{\frac{\pi}{2}}\overset{!}{=}1\ \Longrightarrow\ A=\sqrt{\frac{2}{\pi}}.$$ -**(Ⅱ)答案**:$\hat{\sigma^2}=\dfrac1n\sum\limits_{i=1}^{n}(X_i-\mu)^2$。 +**(Ⅱ)答案**:$\hat{\sigma^2}=\dfrac1n\sum\limits_{i=1}^{n}(X_i-\mu)^2$ 。 -**思路**:似然函数(注意支撑集 $x_i\ge\mu$) +**思路**:似然函数(注意支撑集 $x_i\ge\mu$ ) $$L(\sigma)=\prod_{i=1}^{n}\frac{A}{\sigma}\mathrm e^{-\frac{(x_i-\mu)^2}{2\sigma^2}}=\Big(\frac{A}{\sigma}\Big)^n\exp\!\Big(-\frac{1}{2\sigma^2}\sum(x_i-\mu)^2\Big)\prod_{i=1}^{n}\mathbf 1_{\{x_i\ge\mu\}},$$ $$\ln L=-n\ln\sigma-\frac{1}{2\sigma^2}\sum_{i=1}^{n}(x_i-\mu)^2+\text{常数}.$$ -**令 $v=\sigma^2$**(对 $\sigma$ 求导会出现平方根,**换元更省事**): +**令 $v=\sigma^2$ **(对 $\sigma$ 求导会出现平方根,**换元更省事**): $$\ln L=-\frac n2\ln v-\frac{1}{2v}\sum_{i=1}^{n}(x_i-\mu)^2,\qquad \frac{\mathrm d\ln L}{\mathrm dv}=-\frac{n}{2v}+\frac{1}{2v^2}\sum_{i=1}^{n}(x_i-\mu)^2=0 .$$ -解得 $v=\dfrac1n\sum(X_i-\mu)^2$,即 $\hat{\sigma^2}=\dfrac1n\sum\limits_{i=1}^{n}(X_i-\mu)^2$。 +解得 $v=\dfrac1n\sum(X_i-\mu)^2$ ,即 $\hat{\sigma^2}=\dfrac1n\sum\limits_{i=1}^{n}(X_i-\mu)^2$ 。 **易错点**: -- ⚠️ **$\mu$ 已知**,所以支撑集 $x_i\ge\mu$ **不含未知参数**,不影响求导(若 $\mu$ 未知,就必须用 $\min X_i$ 约束,$\hat\mu=X_{(1)}$)。 -- ⚠️ **对 $\sigma^2$ 求导(而非对 $\sigma$)**能避开根号运算——**这是本类题的一个通用技巧**。 -- 结果里是 **$n$ 而不是 $n-1$**(MLE 一般有偏),与 $S^2$ 的 $n-1$ 形成对比。 +- ⚠️ **$\mu$ 已知**,所以支撑集 $x_i\ge\mu$ **不含未知参数**,不影响求导(若 $\mu$ 未知,就必须用 $\min X_i$ 约束,$\hat\mu=X_{(1)}$ )。 +- ⚠️ **对 $\sigma^2$ 求导(而非对 $\sigma$ )** 能避开根号运算——**这是本类题的一个通用技巧**。 +- 结果里是 **$n$ 而不是 $n-1$ **(MLE 一般有偏),与 $S^2$ 的 $n-1$ 形成对比。 --- ### 第 16 题 · 威布尔分布 · 无记忆性 + MLE 🟨真题骨架 2020·23 -**(Ⅰ)答案**:$P\{T>t\}=\mathrm e^{-\left(\frac t\theta\right)^m}$;$P\{T>s+t\mid T>s\}=\exp\!\left\{-\dfrac{(s+t)^m-s^m}{\theta^m}\right\}$。 +**(Ⅰ)答案**:$P\{T>t\}=\mathrm e^{-\left(\frac t\theta\right)^m}$ ;$P\{T>s+t\mid T>s\}=\exp\!\left\{-\dfrac{(s+t)^m-s^m}{\theta^m}\right\}$ 。 -**思路**:由 $F(t)=1-\mathrm e^{-(t/\theta)^m}$ 直接得 $P\{T>t\}=1-F(t)=\mathrm e^{-(t/\theta)^m}$。再用条件概率: +**思路**:由 $F(t)=1-\mathrm e^{-(t/\theta)^m}$ 直接得 $P\{T>t\}=1-F(t)=\mathrm e^{-(t/\theta)^m}$ 。再用条件概率: $$P\{T>s+t\mid T>s\}=\frac{P\{T>s+t\}}{P\{T>s\}}=\frac{\mathrm e^{-\frac{(s+t)^m}{\theta^m}}}{\mathrm e^{-\frac{s^m}{\theta^m}}}=\exp\!\left\{-\frac{(s+t)^m-s^m}{\theta^m}\right\}.$$ -**(Ⅱ)答案**:$\hat\theta=\left(\dfrac1n\sum\limits_{i=1}^{n}t_i^m\right)^{1/m}$。 +**(Ⅱ)答案**:$\hat\theta=\left(\dfrac1n\sum\limits_{i=1}^{n}t_i^m\right)^{1/m}$ 。 **思路**:先求密度(对 $F$ 求导): @@ -423,20 +423,20 @@ $$\ln L(\theta)=n\ln m-nm\ln\theta+(m-1)\sum\ln t_i-\frac{1}{\theta^m}\sum_{i=1} $$\frac{\mathrm d\ln L}{\mathrm d\theta}=-\frac{nm}{\theta}+\frac{m}{\theta^{m+1}}\sum_{i=1}^{n}t_i^m=0\ \Longrightarrow\ \theta^m=\frac1n\sum_{i=1}^{n}t_i^m\ \Longrightarrow\ \hat\theta=\left(\frac1n\sum_{i=1}^{n}T_i^m\right)^{1/m}.$$ **易错点**: -- ⚠️ **别忘了"先由 $F$ 求 $f$"这一步**——题目给的是分布函数,似然函数要用密度。 -- ⚠️ **只当 $m=1$ 时才有"无记忆性"**($P\{T>s+t\mid T>s\}=\mathrm e^{-t/\theta}=P\{T>t\}$,退化为指数分布);一般 $m\ne1$ 时**不成立**——这句话是本题的"概念考点"。 -- 对 $\theta$ 求导时 $-\dfrac{1}{\theta^m}\sum t_i^m$ 的导数是 $+\dfrac{m}{\theta^{m+1}}\sum t_i^m$,**符号与幂次都容易错**。 +- ⚠️ **别忘了"先由 $F$ 求 $f$ "这一步**——题目给的是分布函数,似然函数要用密度。 +- ⚠️ **只当 $m=1$ 时才有"无记忆性"**($P\{T>s+t\mid T>s\}=\mathrm e^{-t/\theta}=P\{T>t\}$ ,退化为指数分布);一般 $m\ne1$ 时**不成立**——这句话是本题的"概念考点"。 +- 对 $\theta$ 求导时 $-\dfrac{1}{\theta^m}\sum t_i^m$ 的导数是 $+\dfrac{m}{\theta^{m+1}}\sum t_i^m$ ,**符号与幂次都容易错**。 - 若题目改为"$m$ 也未知",则需**两个方程**联立($\hat m$ 需要用 $\sum\ln t_i$ 的方程),近年未考。 --- ### 第 17 题 · 无偏 + 均方误差最小 🟨真题骨架 2024·22 -**(Ⅰ)答案**:$c=\dfrac{n+1}{n}$。 +**(Ⅰ)答案**:$c=\dfrac{n+1}{n}$ 。 -**(Ⅱ)答案**:$c=\dfrac{n+2}{n+1}$。 +**(Ⅱ)答案**:$c=\dfrac{n+2}{n+1}$ 。 -**思路**:先备好 $X_{(n)}$ 的两个矩。$X\sim U(0,\theta)$ ⟹ $F(x)=\dfrac x\theta$,$F_{(n)}(x)=\left(\dfrac x\theta\right)^n$, +**思路**:先备好 $X_{(n)}$ 的两个矩。$X\sim U(0,\theta)$ ⟹ $F(x)=\dfrac x\theta$ ,$F_{(n)}(x)=\left(\dfrac x\theta\right)^n$ , $$f_{(n)}(x)=\frac{nx^{n-1}}{\theta^n},\qquad EX_{(n)}=\frac{n}{n+1}\theta,\qquad EX_{(n)}^2=\frac{n}{n+2}\theta^2 .$$ @@ -457,10 +457,10 @@ $$h'(c)=2c\cdot\frac{n\theta^2}{n+2}-2\cdot\frac{n\theta^2}{n+1}=0\ \Longrightar $$n(n+2)=n^2+2n,\qquad (n+1)^2=n^2+2n+1\ \Longrightarrow\ n(n+2)<(n+1)^2\ \Longrightarrow\ \frac{n+2}{n+1}<\frac{n+1}{n}.$$ - 所以 $c_{\text{MSE}}=\dfrac{n+2}{n+1}<\dfrac{n+1}{n}=c_{\text{无偏}}$。 + 所以 $c_{\text{MSE}}=\dfrac{n+2}{n+1}<\dfrac{n+1}{n}=c_{\text{无偏}}$ 。 这不矛盾:**有偏估计只要偏差足够小,就能把方差压得更低,使总 MSE 更小**——这就是"**无偏 ≠ 最优**"的经典例证($c=\frac{n+2}{n+1}$ 时估计量是有偏的,但 MSE 反而比无偏的那一个更小)。 -- ⚠️ **$EX_{(n)}^2$ 要单独算**($\dfrac{n}{n+2}\theta^2$),**不能**用 $(EX_{(n)})^2$。 -- 通用模板:$\ h'(c)=0\Longrightarrow c=\dfrac{\theta\,EX_{(n)}}{EX_{(n)}^2}$(本题代入即 $\dfrac{\theta\cdot\frac{n}{n+1}\theta}{\frac{n}{n+2}\theta^2}=\dfrac{n+2}{n+1}$ ✓)。 +- ⚠️ **$EX_{(n)}^2$ 要单独算**($\dfrac{n}{n+2}\theta^2$ ),**不能**用 $(EX_{(n)})^2$ 。 +- 通用模板:$\ h'(c)=0\Longrightarrow c=\dfrac{\theta\,EX_{(n)}}{EX_{(n)}^2}$ (本题代入即 $\dfrac{\theta\cdot\frac{n}{n+1}\theta}{\frac{n}{n+2}\theta^2}=\dfrac{n+2}{n+1}$ ✓)。 --- @@ -470,37 +470,37 @@ $$h'(c)=2c\cdot\frac{n\theta^2}{n+2}-2\cdot\frac{n\theta^2}{n+1}=0\ \Longrightar **思路**:核心是"**$\alpha$ 越小,拒绝域越小**"。 -- 拒绝域 $\lvert\bar X-\mu_0\rvert\ge c$,其中 $c=u_{\alpha/2}\dfrac{\sigma}{\sqrt n}$; +- 拒绝域 $\lvert\bar X-\mu_0\rvert\ge c$ ,其中 $c=u_{\alpha/2}\dfrac{\sigma}{\sqrt n}$ ; - $\alpha$ 减小 ⟹ $u_{\alpha/2}$ **增大** ⟹ $c$ **增大** ⟹ **拒绝域变小、接受域变大**。 于是: | 条件 | 在 $\alpha=0.01$ 下 | |---|---| -| $\alpha=0.05$ 时**拒绝**($\lvert\bar X-\mu_0\rvert\ge c_{0.05}$) | 因 $c_{0.01}>c_{0.05}$,**未必**达到 ⟹ A、B 都错 | -| $\alpha=0.05$ 时**接受**($\lvert\bar X-\mu_0\rvertc_{0.05}$ ,**未必**达到 ⟹ A、B 都错 | +| $\alpha=0.05$ 时**接受**($\lvert\bar X-\mu_0\rvert **记忆**:**"小 $\alpha$ 拒绝 ⟹ 大 $\alpha$ 必拒绝;大 $\alpha$ 接受 ⟹ 小 $\alpha$ 必接受。"** -**(Ⅱ)答案**:$W=\{\lvert\bar X-\mu_0\rvert\ge0.98\}$;$\beta=\Phi(-0.04)-\Phi(-3.96)\approx\Phi(-0.04)\approx0.484$。 +**(Ⅱ)答案**:$W=\{\lvert\bar X-\mu_0\rvert\ge0.98\}$ ;$\beta=\Phi(-0.04)-\Phi(-3.96)\approx\Phi(-0.04)\approx0.484$ 。 -**思路**:$\dfrac{\sigma}{\sqrt n}=\dfrac{2}{4}=0.5$, +**思路**:$\dfrac{\sigma}{\sqrt n}=\dfrac{2}{4}=0.5$ , $$c=u_{0.025}\cdot\frac{\sigma}{\sqrt n}=1.96\times0.5=0.98\ \Longrightarrow\ W=\{\lvert\bar X-\mu_0\rvert\ge0.98\}.$$ -求 $\beta$:在 $\mu=\mu_0+1$ 下 $\bar X\sim N(\mu_0+1,\ 0.25)$,标准差 $0.5$。**用接受域**: +求 $\beta$ :在 $\mu=\mu_0+1$ 下 $\bar X\sim N(\mu_0+1,\ 0.25)$ ,标准差 $0.5$ 。**用接受域**: $$\beta=P\{\lvert\bar X-\mu_0\rvert<0.98\mid \mu=\mu_0+1\}.$$ -令 $\dfrac{\bar X-\mu_0-1}{0.5}=Z\sim N(0,1)$,则 $\bar X-\mu_0=1+0.5Z$,条件化为 +令 $\dfrac{\bar X-\mu_0-1}{0.5}=Z\sim N(0,1)$ ,则 $\bar X-\mu_0=1+0.5Z$ ,条件化为 $$-0.98<1+0.5Z<0.98\ \Longleftrightarrow\ -3.96 上述 1、4、5 三项可在二轮复习时用真题原题补齐;2、3 属边缘,暂不安排。 ### 五、与既有材料的衔接 -- 本讲**上游**:第 4 讲(数字特征,$E,D,\operatorname{Cov}$——**尚未建文件夹**)、第 5 讲(大数定律与中心极限定理,切比雪夫不等式)。 +- 本讲**上游**:第 4 讲(数字特征,$E,D,\operatorname{Cov}$ ——**尚未建文件夹**)、第 5 讲(大数定律与中心极限定理,切比雪夫不等式)。 - 本讲**核心依赖**:正态分布、$\chi^2/t/F$ 三大分布、期望方差的性质。 - 建议顺序:**第 5 讲 → 第 6 讲**(因为区间估计与假设检验反复用到第 5 讲的标准化与分位数)。 diff --git a/基于考研的学习/数学一/每日小练/01-极限-加练.md b/基于考研的学习/数学一/每日小练/01-极限-加练.md index b2ec6fa..736913f 100644 --- a/基于考研的学习/数学一/每日小练/01-极限-加练.md +++ b/基于考研的学习/数学一/每日小练/01-极限-加练.md @@ -18,18 +18,18 @@ tags: # 01-极限 · 加练(黎曼和专项) -> **起因**:01 小练第 5 题做错(误以为积分上限是 $\pi/2$),对黎曼和不熟。本份为针对性巩固:2 道十年同类真题 + 4 道原创变体。 -> **建议**:先做真题感受原题难度,再做加练;每道题先按"标准骨架 $\dfrac1n\sum f(\frac kn)\to\int_0^1 f$"写一遍再算。 +> **起因**:01 小练第 5 题做错(误以为积分上限是 $\pi/2$ ),对黎曼和不熟。本份为针对性巩固:2 道十年同类真题 + 4 道原创变体。 +> **建议**:先做真题感受原题难度,再做加练;每道题先按"标准骨架 $\dfrac1n\sum f(\frac kn)\to\int_0^1 f$ "写一遍再算。 --- ## 一、真题同类题(十年内仅此 2 道) -**真题 1|2017·16(解答 10 分)**:求 $\displaystyle\lim_{n\to\infty}\sum_{k=1}^{n}\frac{k}{n^2}\ln\left(1+\frac{k}{n}\right)$。 +**真题 1|2017·16(解答 10 分)**:求 $\displaystyle\lim_{n\to\infty}\sum_{k=1}^{n}\frac{k}{n^2}\ln\left(1+\frac{k}{n}\right)$ 。 -**真题 2|2021·4(单选 5 分)**:设 $f(x)$ 在 $[0,1]$ 上连续,则 $\int_0^1 f(x)dx=$( ),四个选项为不同分点/步长的黎曼和(左端点、右端点、中点、双倍细分等)。 +**真题 2|2021·4(单选 5 分)**:设 $f(x)$ 在 $[0,1]$ 上连续,则 $\int_0^1 f(x)dx=$ ( ),四个选项为不同分点/步长的黎曼和(左端点、右端点、中点、双倍细分等)。 -> 要点(2021·4 型):只要分点覆盖 $[0,1]$ 且步长 $\to0$,左/右/中点取法的极限都等于同一个积分——概念辨析的核心。 +> 要点(2021·4 型):只要分点覆盖 $[0,1]$ 且步长 $\to0$ ,左/右/中点取法的极限都等于同一个积分——概念辨析的核心。 ## 二、加练(4 题,原创) @@ -37,10 +37,10 @@ tags: **B.** 【系数归属 · 错题 1 同型换皮】$\displaystyle\lim_{n\to\infty}\sum_{k=1}^{n}\frac{1}{n}\cos^2\frac{k\pi}{2n}=$ ____ -**C.** 【积分区间变体 $[0,2]$】$\displaystyle\lim_{n\to\infty}\sum_{k=1}^{n}\frac{2}{n}\cdot\frac{1}{1+\left(\frac{2k}{n}\right)^2}=$ ____ +**C.** 【积分区间变体 $[0,2]$ 】$\displaystyle\lim_{n\to\infty}\sum_{k=1}^{n}\frac{2}{n}\cdot\frac{1}{1+\left(\frac{2k}{n}\right)^2}=$ ____ **D.** 【分点陷阱 · 仿 2021·4 单选】设 $f(x)$ 在 $[0,1]$ 上连续,则下列极限值中**不等于** $\int_0^1 f(x)dx$ 的是( ) -(A)$\displaystyle\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^{n}f\!\left(\frac{k}{n}\right)$ (B)$\displaystyle\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^{n}f\!\left(\frac{k-1}{n}\right)$ (C)$\displaystyle\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^{n}f\!\left(\frac{k}{2n}\right)$ (D)$\displaystyle\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^{n}f\!\left(\frac{2k-1}{2n}\right)$ +(A)$\displaystyle\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^{n}f\!\left(\frac{k}{n}\right)$  (B)$\displaystyle\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^{n}f\!\left(\frac{k-1}{n}\right)$  (C)$\displaystyle\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^{n}f\!\left(\frac{k}{2n}\right)$  (D)$\displaystyle\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^{n}f\!\left(\frac{2k-1}{2n}\right)$ --- @@ -48,12 +48,12 @@ tags: | 题 | 答案 | 关键步骤 | |---|---|---| -| 真题1 | **$\dfrac14$** | $\frac{k}{n^2}\ln(1+\frac{k}{n})=\frac1n\cdot\frac{k}{n}\ln(1+\frac{k}{n})\to\int_0^1 x\ln(1+x)dx$;分部积分 $=\frac12\ln2-\int_0^1\frac{x^2}{2(1+x)}dx=\frac14$ | -| 真题2 | 视选项 | 左/右/中点均收敛到 $\int_0^1 f$;"双倍细分"要看是否仍覆盖 [0,1] | -| A | **$\dfrac38\ln3$** | $=\int_0^1 x\ln(1+2x)dx=\frac12\ln3-\int_0^1\frac{x^2}{1+2x}dx=\frac12\ln3-\frac18\ln3$ | -| B | **$\dfrac12$** | $x_k=\frac{k}{n}\in(0,1]$,$\cos^2\frac{\pi x}{2}=\frac{1+\cos\pi x}{2}$,$\int_0^1\frac{1+\cos\pi x}{2}dx=\frac12$($\pi/2$ 在函数里,上限仍是 1——错题 1 同款陷阱) | -| C | **$\arctan2$** | $x_k=\frac{2k}{n}\in(0,2]$,步长 $\frac2n$,$f(x)=\frac1{1+x^2}$,$\to\int_0^2\frac{dx}{1+x^2}=\arctan2$ | -| D | **C** | C:$x_k=\frac{k}{2n}\in(0,\frac12]$,极限 $=2\int_0^{1/2}f(x)dx$,一般 $\ne\int_0^1 f$;A 右端点、B 左端点、D 中点均收敛到 $\int_0^1 f$ | +| 真题1 | **$\dfrac14$ ** | $\frac{k}{n^2}\ln(1+\frac{k}{n})=\frac1n\cdot\frac{k}{n}\ln(1+\frac{k}{n})\to\int_0^1 x\ln(1+x)dx$ ;分部积分 $=\frac12\ln2-\int_0^1\frac{x^2}{2(1+x)}dx=\frac14$ | +| 真题2 | 视选项 | 左/右/中点均收敛到 $\int_0^1 f$ ;"双倍细分"要看是否仍覆盖 [0,1] | +| A | **$\dfrac38\ln3$ ** | $=\int_0^1 x\ln(1+2x)dx=\frac12\ln3-\int_0^1\frac{x^2}{1+2x}dx=\frac12\ln3-\frac18\ln3$ | +| B | **$\dfrac12$ ** | $x_k=\frac{k}{n}\in(0,1]$ ,$\cos^2\frac{\pi x}{2}=\frac{1+\cos\pi x}{2}$ ,$\int_0^1\frac{1+\cos\pi x}{2}dx=\frac12$ ($\pi/2$ 在函数里,上限仍是 1——错题 1 同款陷阱) | +| C | **$\arctan2$ ** | $x_k=\frac{2k}{n}\in(0,2]$ ,步长 $\frac2n$ ,$f(x)=\frac1{1+x^2}$ ,$\to\int_0^2\frac{dx}{1+x^2}=\arctan2$ | +| D | **C** | C:$x_k=\frac{k}{2n}\in(0,\frac12]$ ,极限 $=2\int_0^{1/2}f(x)dx$ ,一般 $\ne\int_0^1 f$ ;A 右端点、B 左端点、D 中点均收敛到 $\int_0^1 f$ | --- diff --git a/基于考研的学习/数学一/每日小练/01-极限.md b/基于考研的学习/数学一/每日小练/01-极限.md index 7027489..c94e7fb 100644 --- a/基于考研的学习/数学一/每日小练/01-极限.md +++ b/基于考研的学习/数学一/每日小练/01-极限.md @@ -46,15 +46,15 @@ tags: **6.** 【1^∞ 型 · 锚 2018·9】$\displaystyle\lim_{x\to0}(\cos x)^{1/\sin^2x}=$ ____ **7.** 【无穷小阶 · 锚 2019·1/2020·1】当 $x\to0^+$ 时,下列无穷小量中**最高阶**的是( ) -(A)$\displaystyle\int_0^x\sin t^2\,\mathrm dt$ (B)$1-\cos x^2$ (C)$\tan x-\sin x$ (D)$\ln(1+x^3)$ +(A)$\displaystyle\int_0^x\sin t^2\,\mathrm dt$  (B)$1-\cos x^2$  (C)$\tan x-\sin x$  (D)$\ln(1+x^3)$ **8.** 【连续性 · 锚 2017·1】设 $f(x)=\begin{cases}\dfrac{1-\cos kx}{x^2},&x\ne0\\[6pt]\dfrac12,&x=0\end{cases}$ 在 $x=0$ 处连续,则 $k=$ ____ -**9.** 【数列极限 · 锚 2022·3】设数列 $\{x_n\}$ 满足 $0\le x_n\le\dfrac\pi2$,则关于 $\lim\limits_{n\to\infty}\sin x_n$,下列说法中**正确**的是( ) -(A)必存在 (B)必不存在 (C)当 $\{x_n\}$ 收敛时必存在,且 $\lim\sin x_n=\sin(\lim x_n)$ (D)与 $\{x_n\}$ 的收敛性无关 +**9.** 【数列极限 · 锚 2022·3】设数列 $\{x_n\}$ 满足 $0\le x_n\le\dfrac\pi2$ ,则关于 $\lim\limits_{n\to\infty}\sin x_n$ ,下列说法中**正确**的是( ) +(A)必存在 (B)必不存在 (C)当 $\{x_n\}$ 收敛时必存在,且 $\lim\sin x_n=\sin(\lim x_n)$  (D)与 $\{x_n\}$ 的收敛性无关 -**10.** 【极限与导数 · 锚 2024·4】设 $f(x)$ 在 $x=0$ 处可导且 $f(0)=0$,则 $\displaystyle\lim_{x\to0}\frac{f(\sin^2x)}{x^2}=$( ) -(A)$f'(0)$ (B)$2f'(0)$ (C)$f(0)$ (D)不存在 +**10.** 【极限与导数 · 锚 2024·4】设 $f(x)$ 在 $x=0$ 处可导且 $f(0)=0$ ,则 $\displaystyle\lim_{x\to0}\frac{f(\sin^2x)}{x^2}=$ ( ) +(A)$f'(0)$  (B)$2f'(0)$  (C)$f(0)$  (D)不存在 --- @@ -62,15 +62,15 @@ tags: | 题 | 答案 | 关键步骤 | |---|---|---| -| 1 | **$\dfrac13$** | 通分:$\frac{\sin^2x-x^2}{x^2\sin^2x}=\frac{(x-\sin x)(x+\sin x)}{x^2\sin^2x}\sim\frac{\frac{x^3}{6}\cdot2x}{x^4}=\frac13$ | -| 2 | **$-\dfrac e2$** | $(1+x)^{1/x}=e^{\frac1x\ln(1+x)}=e^{1-\frac x2+o(x)}=e(1-\frac x2+o(x))$,原式 $=\frac{e(-\frac x2+o(x))}{x}\to-\frac e2$ | -| 3 | **3** | $\ln(1+x)=x-\frac{x^2}{2}+\frac{x^3}{3}-\cdots$,$f(x)=\frac{x^3}{3}+o(x^3)$,与 $x^3$ 同阶,$k=3$ | -| 4 | **$\dfrac12$** | 洛必达两次(或一次):$\frac{2x\sin x^2}{4x^3}=\frac{2x\cdot x^2}{4x^3}=\frac12$ | -| 5 | **$\dfrac2\pi$** | $\frac1n\sum\sin\frac{k\pi}{2n}\to\int_0^1\sin\frac{\pi x}{2}dx=\frac2\pi$ | -| 6 | **$e^{-1/2}$** | $\ln(\cos x)^{1/\sin^2x}=\frac{\ln\cos x}{\sin^2x}\sim\frac{-x^2/2}{x^2}=-\frac12$ | -| 7 | **B** | A:$\sim\frac{x^3}{3}$(3 阶);B:$1-\cos x^2\sim\frac{x^4}{2}$(4 阶);C:$\tan x-\sin x\sim\frac{x^3}{2}$;D:$\sim x^3$。最高阶为 B | -| 8 | **$\pm1$** | 连续 $\Rightarrow\lim\limits_{x\to0}\frac{1-\cos kx}{x^2}=\frac{k^2}{2}=\frac12\Rightarrow k^2=1$,$k=\pm1$ | -| 9 | **C** | 复合函数极限:$x_n\to a$ 且 $\sin$ 连续 $\Rightarrow\sin x_n\to\sin a$;$x_n$ 发散时(如交替 $0,\frac\pi2$)$\sin x_n$ 可取 $0,\sin1,\cdots$ 不收敛,故 A、B、D 均错 | +| 1 | **$\dfrac13$ ** | 通分:$\frac{\sin^2x-x^2}{x^2\sin^2x}=\frac{(x-\sin x)(x+\sin x)}{x^2\sin^2x}\sim\frac{\frac{x^3}{6}\cdot2x}{x^4}=\frac13$ | +| 2 | **$-\dfrac e2$ ** | $(1+x)^{1/x}=e^{\frac1x\ln(1+x)}=e^{1-\frac x2+o(x)}=e(1-\frac x2+o(x))$ ,原式 $=\frac{e(-\frac x2+o(x))}{x}\to-\frac e2$ | +| 3 | **3** | $\ln(1+x)=x-\frac{x^2}{2}+\frac{x^3}{3}-\cdots$ ,$f(x)=\frac{x^3}{3}+o(x^3)$ ,与 $x^3$ 同阶,$k=3$ | +| 4 | **$\dfrac12$ ** | 洛必达两次(或一次):$\frac{2x\sin x^2}{4x^3}=\frac{2x\cdot x^2}{4x^3}=\frac12$ | +| 5 | **$\dfrac2\pi$ ** | $\frac1n\sum\sin\frac{k\pi}{2n}\to\int_0^1\sin\frac{\pi x}{2}dx=\frac2\pi$ | +| 6 | **$e^{-1/2}$ ** | $\ln(\cos x)^{1/\sin^2x}=\frac{\ln\cos x}{\sin^2x}\sim\frac{-x^2/2}{x^2}=-\frac12$ | +| 7 | **B** | A:$\sim\frac{x^3}{3}$ (3 阶);B:$1-\cos x^2\sim\frac{x^4}{2}$ (4 阶);C:$\tan x-\sin x\sim\frac{x^3}{2}$ ;D:$\sim x^3$ 。最高阶为 B | +| 8 | **$\pm1$ ** | 连续 $\Rightarrow\lim\limits_{x\to0}\frac{1-\cos kx}{x^2}=\frac{k^2}{2}=\frac12\Rightarrow k^2=1$ ,$k=\pm1$ | +| 9 | **C** | 复合函数极限:$x_n\to a$ 且 $\sin$ 连续 $\Rightarrow\sin x_n\to\sin a$ ;$x_n$ 发散时(如交替 $0,\frac\pi2$ )$\sin x_n$ 可取 $0,\sin1,\cdots$ 不收敛,故 A、B、D 均错 | | 10 | **A** | $\frac{f(\sin^2x)}{x^2}=\frac{f(\sin^2x)}{\sin^2x}\cdot\frac{\sin^2x}{x^2}\to f'(0)\cdot1=f'(0)$ | --- diff --git a/基于考研的学习/数学一/每日小练/02-数列-加强版.md b/基于考研的学习/数学一/每日小练/02-数列-加强版.md index 1c1b994..01beaed 100644 --- a/基于考研的学习/数学一/每日小练/02-数列-加强版.md +++ b/基于考研的学习/数学一/每日小练/02-数列-加强版.md @@ -51,7 +51,7 @@ $$\lim_{n\to\infty}\left(1+\frac{1}{2n}\right)^{4n-1}=\underline{\quad\quad}$$ $$\lim_{n\to\infty}\left(\frac{1}{\sqrt{n^2+1}}+\frac{1}{\sqrt{n^2+2}}+\cdots+\frac{1}{\sqrt{n^2+n}}\right)=\underline{\quad\quad}$$ **3.** 【复合函数极限存在性 · **锚 2022·3 考法**】 -设数列 $\{x_n\}$ 满足 $-\dfrac{\pi}{2}\le x_n\le\dfrac{\pi}{2}\ (n=1,2,\cdots)$。记 +设数列 $\{x_n\}$ 满足 $-\dfrac{\pi}{2}\le x_n\le\dfrac{\pi}{2}\ (n=1,2,\cdots)$ 。记 - 命题 **A**:$\lim\limits_{n\to\infty}\cos(\sin x_n)$ 存在; - 命题 **B**:$\lim\limits_{n\to\infty}\sin(\cos x_n)$ 存在; - 命题 **C**:$\lim\limits_{n\to\infty}x_n$ 存在。 @@ -63,7 +63,7 @@ $$\lim_{n\to\infty}\left(\frac{1}{\sqrt{n^2+1}}+\frac{1}{\sqrt{n^2+2}}+\cdots+\f - (D)A ⟺ B,且二者都弱于 C **4.** 【一阶线性递推求通项】 -设 $a_1=2$,$a_{n+1}=3a_n-2\ (n=1,2,\cdots)$,则 $\displaystyle\lim_{n\to\infty}\frac{a_n}{3^n}=\underline{\quad\quad}$。 +设 $a_1=2$ ,$a_{n+1}=3a_n-2\ (n=1,2,\cdots)$ ,则 $\displaystyle\lim_{n\to\infty}\frac{a_n}{3^n}=\underline{\quad\quad}$ 。 ### 【中等题】 @@ -74,15 +74,15 @@ $$\lim_{n\to\infty}\left[\prod_{k=1}^{n}\left(2+\frac{k}{n}\right)\right]^{1/n}= $$\lim_{n\to\infty}\sum_{k=1}^{n}\frac{1}{n}\cdot\frac{\dfrac{k}{n}}{1+\left(\dfrac{k}{n}\right)^2}=\underline{\quad\quad}$$ **7.** 【二阶线性递推 · 裂项相消】 -设 $a_1=1$,$a_2=3$,$a_{n+1}=\dfrac{2a_n+a_{n-1}}{3}\ (n\ge2)$,则 $\displaystyle\lim_{n\to\infty}a_n=\underline{\quad\quad}$。 +设 $a_1=1$ ,$a_2=3$ ,$a_{n+1}=\dfrac{2a_n+a_{n-1}}{3}\ (n\ge2)$ ,则 $\displaystyle\lim_{n\to\infty}a_n=\underline{\quad\quad}$ 。 **8.** 【含参积分数列 · **锚 2019·18 手法**】 -设 $\displaystyle a_n=\int_0^1\frac{x^n}{1+x}\,\mathrm dx\ (n=0,1,2,\cdots)$。 -- (Ⅰ)证明 $\{a_n\}$ 单调递减,并求递推关系 $a_n+a_{n-1}\ (n\ge1)$; -- (Ⅱ)求 $\displaystyle\lim_{n\to\infty}n a_n$。 +设 $\displaystyle a_n=\int_0^1\frac{x^n}{1+x}\,\mathrm dx\ (n=0,1,2,\cdots)$ 。 +- (Ⅰ)证明 $\{a_n\}$ 单调递减,并求递推关系 $a_n+a_{n-1}\ (n\ge1)$ ; +- (Ⅱ)求 $\displaystyle\lim_{n\to\infty}n a_n$ 。 **9.** 【黎曼和"分点 / 步长"辨析 · **锚 2021·4 原题型**】 -设函数 $f(x)$ 在 $[0,1]$ 上连续,则 $\displaystyle\int_0^1 f(x)\,\mathrm dx=$( ) +设函数 $f(x)$ 在 $[0,1]$ 上连续,则 $\displaystyle\int_0^1 f(x)\,\mathrm dx=$ ( ) - (A)$\displaystyle\lim_{n\to\infty}\frac1n\sum_{k=1}^{n}f\!\left(\frac{2k-1}{2n}\right)$ - (B)$\displaystyle\lim_{n\to\infty}\frac1n\sum_{k=1}^{2n}f\!\left(\frac{k}{2n}\right)$ - (C)$\displaystyle\lim_{n\to\infty}\frac1n\sum_{k=1}^{n}f\!\left(\frac{2k}{n}\right)$ @@ -91,16 +91,16 @@ $$\lim_{n\to\infty}\sum_{k=1}^{n}\frac{1}{n}\cdot\frac{\dfrac{k}{n}}{1+\left(\df ### 【较难题】(单调有界四式,每题一种手法) **10.** 【单调有界 · **归纳法定界 + 作差有理化** · 锚 2018·19 方向】 -设 $x_1=1$,$x_{n+1}=\sqrt{6+x_n}\ (n=1,2,\cdots)$。证明数列 $\{x_n\}$ 收敛,并求 $\displaystyle\lim_{n\to\infty}x_n$。 +设 $x_1=1$ ,$x_{n+1}=\sqrt{6+x_n}\ (n=1,2,\cdots)$ 。证明数列 $\{x_n\}$ 收敛,并求 $\displaystyle\lim_{n\to\infty}x_n$ 。 **11.** 【单调有界 · **辅助函数求导定单调** · 参考仓库例题型】 -设 $x_1=1$,$x_{n+1}=\dfrac{1+2x_n}{1+x_n}\ (n=1,2,\cdots)$。证明数列 $\{x_n\}$ 收敛,并求 $\displaystyle\lim_{n\to\infty}x_n$。 +设 $x_1=1$ ,$x_{n+1}=\dfrac{1+2x_n}{1+x_n}\ (n=1,2,\cdots)$ 。证明数列 $\{x_n\}$ 收敛,并求 $\displaystyle\lim_{n\to\infty}x_n$ 。 **12.** 【单调有界 · **均值不等式定界** · 参考仓库例题型】 -设 $a_1=a>0$,$a_{n+1}=\dfrac12\left(a_n+\dfrac{2}{a_n}\right)\ (n=1,2,\cdots)$。证明数列 $\{a_n\}$ 收敛,并求 $\displaystyle\lim_{n\to\infty}a_n$。 +设 $a_1=a>0$ ,$a_{n+1}=\dfrac12\left(a_n+\dfrac{2}{a_n}\right)\ (n=1,2,\cdots)$ 。证明数列 $\{a_n\}$ 收敛,并求 $\displaystyle\lim_{n\to\infty}a_n$ 。 **13.** 【单调有界 · **二次映射型**】 -设 $00$,故 +**(Ⅰ)证明:** 当 $x\in[0,1]$ 时 $x^n\le x^{n-1}$ ,且 $\dfrac1{1+x}>0$ ,故 $$a_n=\int_0^1\frac{x^n}{1+x}\,\mathrm dx\le\int_0^1\frac{x^{n-1}}{1+x}\,\mathrm dx=a_{n-1}$$ -(更严格:$a_{n-1}-a_n=\displaystyle\int_0^1\frac{x^{n-1}(1-x)}{1+x}\,\mathrm dx>0$,故**严格**递减。) +(更严格:$a_{n-1}-a_n=\displaystyle\int_0^1\frac{x^{n-1}(1-x)}{1+x}\,\mathrm dx>0$ ,故**严格**递减。) **递推关系**: $$a_n+a_{n-1}=\int_0^1\frac{x^{n-1}(x+1)}{1+x}\,\mathrm dx=\int_0^1 x^{n-1}\,\mathrm dx=\frac1n$$ -**(Ⅱ)解:** 换元 $x=t^{1/n}$,则 $\mathrm dx=\dfrac1n t^{\frac1n-1}\,\mathrm dt$,$x^n=t$: +**(Ⅱ)解:** 换元 $x=t^{1/n}$ ,则 $\mathrm dx=\dfrac1n t^{\frac1n-1}\,\mathrm dt$ ,$x^n=t$ : $$n a_n=n\int_0^1\frac{x^n}{1+x}\,\mathrm dx=\int_0^1\frac{t^{1/n}}{1+t^{1/n}}\,\mathrm dt$$ -当 $n\to\infty$ 时,对 $t\in(0,1]$ 有 $t^{1/n}\to1$,故被积函数 $\dfrac{t^{1/n}}{1+t^{1/n}}\to\dfrac12$,且被积函数有界($\le1$),由控制收敛**或**夹逼: +当 $n\to\infty$ 时,对 $t\in(0,1]$ 有 $t^{1/n}\to1$ ,故被积函数 $\dfrac{t^{1/n}}{1+t^{1/n}}\to\dfrac12$ ,且被积函数有界($\le1$ ),由控制收敛**或**夹逼: $$\lim_{n\to\infty}n a_n=\int_0^1\frac12\,\mathrm dt=\frac12$$ -**思路**:① 单调性靠"被积函数逐点比较";② 递推靠"两项相加消去 $1+x$";③ $na_n$ 的极限靠**换元 $x=t^{1/n}$** 把 $n$ 从幂次挪到积分号内,比硬套"$\lim(n+1)\int_0^1x^nf= f(1)$"结论更直观。 +**思路**:① 单调性靠"被积函数逐点比较";② 递推靠"两项相加消去 $1+x$ ";③ $na_n$ 的极限靠**换元 $x=t^{1/n}$ ** 把 $n$ 从幂次挪到积分号内,比硬套"$\lim(n+1)\int_0^1x^nf= f(1)$ "结论更直观。 **易错点**:不要试图由递推 $a_{n-1}=\frac1n-a_n$ 硬解极限——换成 $na_n$ 的积分形式才顺畅。 -**真题骨架**:2019·18 用 $a_n=\int_0^1x^n\sqrt{1-x^2}\,dx$,考"分部积分找递推 + 求 $\lim\frac{a_n}{a_{n-1}}$",本题把递推方式换为"相加消元"、结论换为 $\lim na_n$,手法同源。 +**真题骨架**:2019·18 用 $a_n=\int_0^1x^n\sqrt{1-x^2}\,dx$ ,考"分部积分找递推 + 求 $\lim\frac{a_n}{a_{n-1}}$ ",本题把递推方式换为"相加消元"、结论换为 $\lim na_n$ ,手法同源。 --- ### 第 9 题 -**答案:$\mathbf{A}$** +**答案:$\mathbf{A}$ ** **解:** 黎曼和 = **步长 × 函数值之和**,两个要素都要对。 -- **(A)** 步长 $\dfrac1n$,分点 $\dfrac{2k-1}{2n}$($k=1,\cdots,n$)为 $[0,1]$ 的**中点**,符合 $\int_0^1f$。✔ -- **(B)** 系数为 $\dfrac1n$,而 $\dfrac1n\sum_{k=1}^{2n}f\!\left(\frac{k}{2n}\right)=2\cdot\underbrace{\frac{1}{2n}\sum_{k=1}^{2n}f\!\left(\frac{k}{2n}\right)}_{\to\int_0^1f}\to2\displaystyle\int_0^1f$。✘ -- **(C)** 分点 $\dfrac{2k}{n}$($k=1,\cdots,n$)跑遍 $(0,2]$,实为 $\displaystyle\int_0^2f$。✘ -- **(D)** 系数 $\dfrac{1}{2n}$,只有正确系数 $\dfrac1n$ 的一半,故 $=\dfrac12\displaystyle\int_0^1f$。✘ +- **(A)** 步长 $\dfrac1n$ ,分点 $\dfrac{2k-1}{2n}$ ($k=1,\cdots,n$ )为 $[0,1]$ 的**中点**,符合 $\int_0^1f$ 。✔ +- **(B)** 系数为 $\dfrac1n$ ,而 $\dfrac1n\sum_{k=1}^{2n}f\!\left(\frac{k}{2n}\right)=2\cdot\underbrace{\frac{1}{2n}\sum_{k=1}^{2n}f\!\left(\frac{k}{2n}\right)}_{\to\int_0^1f}\to2\displaystyle\int_0^1f$ 。✘ +- **(C)** 分点 $\dfrac{2k}{n}$ ($k=1,\cdots,n$ )跑遍 $(0,2]$ ,实为 $\displaystyle\int_0^2f$ 。✘ +- **(D)** 系数 $\dfrac{1}{2n}$ ,只有正确系数 $\dfrac1n$ 的一半,故 $=\dfrac12\displaystyle\int_0^1f$ 。✘ 故只有 **A** 正确。 -**思路**:判断"**前面的系数是不是 $\frac1n$**"+"**分点是否覆盖 $[0,1]$ 且步长匹配**",两条同时满足才是 $\int_0^1f$。 +**思路**:判断"**前面的系数是不是 $\frac1n$ **"+"**分点是否覆盖 $[0,1]$ 且步长匹配**",两条同时满足才是 $\int_0^1f$ 。 **易错点**:只盯"分点密不密"会全错;B 是"分点多一倍但系数没变",C 是"分点跑过界",D 是"系数少一半"。 -**真题骨架**:2021·4 原题即为"$\int_0^1f=$( )"型四选项黎曼和辨析,本题重制。 +**真题骨架**:2021·4 原题即为"$\int_0^1f=$ ( )"型四选项黎曼和辨析,本题重制。 --- ### 第 10 题 -**答案:$\mathbf{3}$** +**答案:$\mathbf{3}$ ** **证明:** -- **有界性(归纳法)**:$x_1=1<3$。假设 $x_k<3$,则 $x_{k+1}=\sqrt{6+x_k}<\sqrt{6+3}=3$。由归纳法 $00$、$(x_n+2)>0$,分子为正,分母为正,所以 $x_{n+1}>x_n$,数列单调递增。 +因 $00$ 、$(x_n+2)>0$ ,分子为正,分母为正,所以 $x_{n+1}>x_n$ ,数列单调递增。 -- **设极限**:由单调有界准则,设 $\lim x_n=a$。对 $x_{n+1}=\sqrt{6+x_n}$ 两边取极限: +- **设极限**:由单调有界准则,设 $\lim x_n=a$ 。对 $x_{n+1}=\sqrt{6+x_n}$ 两边取极限: $$a=\sqrt{6+a}\Rightarrow a^2-a-6=0\Rightarrow a=3\ \text{或}\ a=-2$$ -由保号性 $a\ge x_1=1>0$,舍去 $-2$,故 $a=3$。 +由保号性 $a\ge x_1=1>0$ ,舍去 $-2$ ,故 $a=3$ 。 **思路**:根式递推四步——归纳证有界、作差有理化证单调、设极限、解方程取舍。 **易错点**:作差后**必须有理化**才能看清符号,直接比 $\sqrt{6+x_n}$ 与 $x_n$ 大小的方向容易搞反。 @@ -323,21 +323,21 @@ $$a=\sqrt{6+a}\Rightarrow a^2-a-6=0\Rightarrow a=3\ \text{或}\ a=-2$$ ### 第 11 题 -**答案:$\mathbf{\dfrac{1+\sqrt5}{2}}$** +**答案:$\mathbf{\dfrac{1+\sqrt5}{2}}$ ** **证明:** -- **有界性**:$f(x)=\dfrac{1+2x}{1+x}=2-\dfrac{1}{1+x}$。$x_1=1>0\Rightarrow$ 归纳得 $x_n>0$;又 $00\Rightarrow$ 归纳得 $x_n>0$ ;又 $00\quad(x>0)$$ -故 $f$ 在 $(0,+\infty)$ 上单调递增。由 $x_2=\dfrac32>x_1=1$ 及 $f$ 递增,用归纳法:若 $x_{n}>x_{n-1}$,则 $x_{n+1}=f(x_n)>f(x_{n-1})=x_n$。所以 $\{x_n\}$ 单调递增。 +故 $f$ 在 $(0,+\infty)$ 上单调递增。由 $x_2=\dfrac32>x_1=1$ 及 $f$ 递增,用归纳法:若 $x_{n}>x_{n-1}$ ,则 $x_{n+1}=f(x_n)>f(x_{n-1})=x_n$ 。所以 $\{x_n\}$ 单调递增。 -- **设极限**:单调递增有上界,设 $\lim x_n=a$。对递推式取极限: +- **设极限**:单调递增有上界,设 $\lim x_n=a$ 。对递推式取极限: $$a=\frac{1+2a}{1+a}\Rightarrow a^2+a=1+2a\Rightarrow a^2-a-1=0\Rightarrow a=\frac{1\pm\sqrt5}{2}$$ -由保号性 $a>0$,舍负根,故 $a=\dfrac{1+\sqrt5}{2}$。 +由保号性 $a>0$ ,舍负根,故 $a=\dfrac{1+\sqrt5}{2}$ 。 **思路**:递推式能写成 $x_{n+1}=f(x_n)$ 且 $f$ 可导时,**先求 $f'$ 定单调方向**,再归纳——这是比"盲目作差"更快的通用手法。 **易错点**:$f'(x)>0$ 只说明 $f$ 递增,还需 $x_2>x_1$ 作为归纳起点。 @@ -346,22 +346,22 @@ $$a=\frac{1+2a}{1+a}\Rightarrow a^2+a=1+2a\Rightarrow a^2-a-1=0\Rightarrow a=\fr ### 第 12 题 -**答案:$\mathbf{\sqrt2}$** +**答案:$\mathbf{\sqrt2}$ ** **证明:** -- **有界性(均值不等式)**:$a_1=a>0\Rightarrow a_n>0$。对 $n\ge1$: +- **有界性(均值不等式)**:$a_1=a>0\Rightarrow a_n>0$ 。对 $n\ge1$ : $$a_{n+1}=\frac12\left(a_n+\frac{2}{a_n}\right)\ge\sqrt{a_n\cdot\frac{2}{a_n}}=\sqrt2$$ -即 $\{a_n\}$ 有下界 $\sqrt2$($n\ge2$ 起)。 +即 $\{a_n\}$ 有下界 $\sqrt2$ ($n\ge2$ 起)。 -- **单调性(作差)**:当 $n\ge2$ 时 $a_n\ge\sqrt2\Rightarrow a_n^2\ge2$: +- **单调性(作差)**:当 $n\ge2$ 时 $a_n\ge\sqrt2\Rightarrow a_n^2\ge2$ : $$a_{n+1}-a_n=\frac12\left(a_n+\frac{2}{a_n}\right)-a_n=\frac{2-a_n^2}{2a_n}\le0$$ 故 $\{a_n\}$ 从第 2 项起单调递减。 -- **设极限**:单调递减且有下界,收敛,设 $\lim a_n=A$($A\ge\sqrt2$)。取极限: +- **设极限**:单调递减且有下界,收敛,设 $\lim a_n=A$ ($A\ge\sqrt2$ )。取极限: $$A=\frac12\left(A+\frac2A\right)\Rightarrow 2A=A+\frac2A\Rightarrow A^2=2\Rightarrow A=\sqrt2$$ @@ -372,45 +372,45 @@ $$A=\frac12\left(A+\frac2A\right)\Rightarrow 2A=A+\frac2A\Rightarrow A^2=2\Right ### 第 13 题 -**答案:$\mathbf{1}$** +**答案:$\mathbf{1}$ ** **证明:** -- **有界性**:$00\quad(\text{因 }00$ 及保号性 $a\ge x_1>0$,舍去 $0$,故 $a=1$。 +由 $x_n\ge x_1>0$ 及保号性 $a\ge x_1>0$ ,舍去 $0$ ,故 $a=1$ 。 **思路**:把递推式与 $x_n$ 作差,是判断单调最快的路径——$x_{n+1}-x_n=x_n(1-x_n)$ 直接暴露"递增"。 -**易错点**:与初版第 2 题的 $x_{n+1}=x_n(1-x_n)$(递减趋 $0$)是**镜像题**,一个是 $x_n(1-x_n)$、一个是 $x_n(2-x_n)$,结论一个趋 $0$ 一个趋 $1$,别记混。 +**易错点**:与初版第 2 题的 $x_{n+1}=x_n(1-x_n)$ (递减趋 $0$ )是**镜像题**,一个是 $x_n(1-x_n)$ 、一个是 $x_n(2-x_n)$ ,结论一个趋 $0$ 一个趋 $1$ ,别记混。 --- ### 第 14 题 -**答案:$\mathbf{D}$** +**答案:$\mathbf{D}$ ** -**解:** $\{u_n\}$ 单调增加且有上界 $\Rightarrow$ 由单调有界准则,$u_n\to L$($L$ 为有限数)。 +**解:** $\{u_n\}$ 单调增加且有上界 $\Rightarrow$ 由单调有界准则,$u_n\to L$ ($L$ 为有限数)。 -- **(A)** 若 $L\ne0$,则 $\dfrac{u_n}{n}\sim\dfrac{L}{n}$,$\sum\dfrac Ln$ 发散,故 $\sum\dfrac{u_n}{n}$ **不一定**收敛。✘ -- **(B)** 若 $L\ne0$,则 $\dfrac{1}{u_n}\to\dfrac1L\ne0$,通项不趋于 $0$,级数发散。✘ -- **(C)** 反例:取 $u_n=-\dfrac1n$(单调增加、有上界、$L=0$)。此时 +- **(A)** 若 $L\ne0$ ,则 $\dfrac{u_n}{n}\sim\dfrac{L}{n}$ ,$\sum\dfrac Ln$ 发散,故 $\sum\dfrac{u_n}{n}$ **不一定**收敛。✘ +- **(B)** 若 $L\ne0$ ,则 $\dfrac{1}{u_n}\to\dfrac1L\ne0$ ,通项不趋于 $0$ ,级数发散。✘ +- **(C)** 反例:取 $u_n=-\dfrac1n$ (单调增加、有上界、$L=0$ )。此时 $$1-\frac{u_n}{u_{n+1}}=1-\frac{-1/n}{-1/(n+1)}=1-\frac{n+1}{n}=-\frac1n,\qquad \sum-\frac1n\ \text{发散}$$ 故(C)**不一定**收敛。✘ -- **(D)** 部分和 **裂项相消**:$\displaystyle\sum_{k=1}^{n}\left(u_{k+1}^3-u_k^3\right)=u_{n+1}^3-u_1^3\to L^3-u_1^3$,收敛。✔ +- **(D)** 部分和 **裂项相消**:$\displaystyle\sum_{k=1}^{n}\left(u_{k+1}^3-u_k^3\right)=u_{n+1}^3-u_1^3\to L^3-u_1^3$ ,收敛。✔ 故选 **D**。 -**思路**:"单调有界数列→级数判敛"这类跨章题,核心是**先由单调有界准则得出 $u_n$ 收敛**,再把级数通项与 $\Delta u_n$ 比较。凡是**能裂项相消**的(如 $u_{n+1}^3-u_n^3$、$u_{n+1}^2-u_n^2$),部分和直接收敛,是最可靠的选项。 -**易错点**:(A)(B)都栽在"$L\ne0$"上;(C)的陷阱是"看着像 $\sum\Delta u_n$",但分母 $u_{n+1}$ 可能 $\to0$,把它放大后不一定收敛——**必须用反例证伪,不能凭感觉**。 +**思路**:"单调有界数列→级数判敛"这类跨章题,核心是**先由单调有界准则得出 $u_n$ 收敛**,再把级数通项与 $\Delta u_n$ 比较。凡是**能裂项相消**的(如 $u_{n+1}^3-u_n^3$ 、$u_{n+1}^2-u_n^2$ ),部分和直接收敛,是最可靠的选项。 +**易错点**:(A)(B)都栽在"$L\ne0$ "上;(C)的陷阱是"看着像 $\sum\Delta u_n$ ",但分母 $u_{n+1}$ 可能 $\to0$ ,把它放大后不一定收敛——**必须用反例证伪,不能凭感觉**。 --- @@ -452,7 +452,7 @@ $$1-\frac{u_n}{u_{n+1}}=1-\frac{-1/n}{-1/(n+1)}=1-\frac{n+1}{n}=-\frac1n,\qquad | 题 | 递推形式 | **定单调 / 定界手段** | |---|---|---| | 10 | $x_{n+1}=\sqrt{6+x_n}$ | 归纳法定**上界** + 作差**有理化** | -| 11 | $x_{n+1}=\dfrac{1+2x_n}{1+x_n}$ | 写成 $f(x_n)$,**求 $f'$ 定单调** | +| 11 | $x_{n+1}=\dfrac{1+2x_n}{1+x_n}$ | 写成 $f(x_n)$ ,**求 $f'$ 定单调** | | 12 | $a_{n+1}=\dfrac12\left(a_n+\dfrac2{a_n}\right)$ | **均值不等式定下界** + 作差定单调 | | 13 | $x_{n+1}=x_n(2-x_n)$ | 作差**直接暴露符号** | @@ -482,9 +482,9 @@ $$1-\frac{u_n}{u_{n+1}}=1-\frac{-1/n}{-1/(n+1)}=1-\frac{n+1}{n}=-\frac1n,\qquad 2024 年出现了一道**分量线性递推 → 矩阵幂**的解答题(第 13 章,10 分): -> 数列 $\{x_n\},\{y_n\},\{z_n\}$ 满足线性递推,$\alpha_n=(x_n,y_n,z_n)^T$,求矩阵 $A$、$A^n$ 及通项。 +> 数列 $\{x_n\},\{y_n\},\{z_n\}$ 满足线性递推,$\alpha_n=(x_n,y_n,z_n)^T$ ,求矩阵 $A$ 、$A^n$ 及通项。 -**与本题组的关系**:第 4、7 题练的是"低阶递推 → 通项",其**高阶版本**就是"递推组 → 矩阵对角化 → $A^n$"。建议在练完**线代·特征值与特征向量(第 19 份小练)**后,回看 2024·21 原题,把两条线接上。 +**与本题组的关系**:第 4、7 题练的是"低阶递推 → 通项",其**高阶版本**就是"递推组 → 矩阵对角化 → $A^n$ "。建议在练完**线代·特征值与特征向量(第 19 份小练)** 后,回看 2024·21 原题,把两条线接上。 --- diff --git a/基于考研的学习/数学一/每日小练/02-数列-知识点复习.md b/基于考研的学习/数学一/每日小练/02-数列-知识点复习.md index fc3b6c1..9467964 100644 --- a/基于考研的学习/数学一/每日小练/02-数列-知识点复习.md +++ b/基于考研的学习/数学一/每日小练/02-数列-知识点复习.md @@ -32,14 +32,14 @@ tags: | # | 一句话 | |---|---| | 1 | **数列极限不能洛必达**,只能用夹逼 / 定积分定义 / 单调有界 / 递推求通项。 | -| 2 | **幂指函数** $u^v=e^{v\ln u}$;当 $u\to1,v\to\infty$ 时 $\lim u^v=e^{\lim v(u-1)}$。 | -| 3 | **单调有界准则**:单调 + 有界 ⇒ 收敛。是**充分条件**,有界未必收敛($1+(-1)^n$)。 | +| 2 | **幂指函数** $u^v=e^{v\ln u}$ ;当 $u\to1,v\to\infty$ 时 $\lim u^v=e^{\lim v(u-1)}$ 。 | +| 3 | **单调有界准则**:单调 + 有界 ⇒ 收敛。是**充分条件**,有界未必收敛($1+(-1)^n$ )。 | | 4 | **极限存在 ⇒ 有界**;反之不然。 | | 5 | 判断**发散**的利器:找到**两个极限不同的收敛子列**。 | -| 6 | **保号性(脱帽法)**:极限 $>0$ ⇒ 从某项起同号。**戴帽法**:从某项起 $a_n\ge b\Rightarrow a\ge b$,**等号必须保留**。 | +| 6 | **保号性(脱帽法)**:极限 $>0$ ⇒ 从某项起同号。**戴帽法**:从某项起 $a_n\ge b\Rightarrow a\ge b$ ,**等号必须保留**。 | | 7 | **∞−∞** 不能拆成两极限相减,要**通分 / 提公因式**。 | | 8 | **等价无穷小**在乘除中随便换;在**加减**中要满足 $\lim\frac{\alpha_1}{\beta_1}\ne\pm1$ 才能整体替换。 | -| 9 | **未定式七种**:$\frac00,\frac\infty\infty,0\cdot\infty,\infty-\infty,\infty^0,0^0,1^\infty$,最后都要化成**商**。 | +| 9 | **未定式七种**:$\frac00,\frac\infty\infty,0\cdot\infty,\infty-\infty,\infty^0,0^0,1^\infty$ ,最后都要化成**商**。 | | 10 | **n 项和**:能提出 $\frac1n$ 且余部是 $f(\frac kn)$ ⇒ 定积分定义;提不出 ⇒ 夹逼。 | | 11 | **黎曼和** = 步长 × 函数值之和,**系数与分点必须匹配**。 | | 12 | 递推数列**先试解通项**(线性/可裂项);解不出再上**单调有界准则**(有界 + 单调两步都要写)。 | @@ -48,24 +48,24 @@ tags: ## 1. 定义与语言(地基) -### 1.1 数列极限($\xi$–$N$ 语言)🟩 +### 1.1 数列极限($\xi$ –$N$ 语言)🟩 $$\lim_{n\to\infty}x_n=a\iff \forall\xi>0,\ \exists N\in\mathbb N_+,\ \text{当 }n>N\text{ 时}\ \lvert x_n-a\rvert<\xi$$ -**用定义证明极限三步**:① 写 $\lvert x_n-a\rvert<\xi$;② 反解出 $n>g(\xi)$;③ 取 $N=[g(\xi)]+1$。 +**用定义证明极限三步**:① 写 $\lvert x_n-a\rvert<\xi$ ;② 反解出 $n>g(\xi)$ ;③ 取 $N=[g(\xi)]+1$ 。 -> 经典例:证 $\lim\limits_{n\to\infty}q^n=0\ (|q|<1)$——反解时**要取对数**,$\ln|q|<0$ 故除过去要变号。🟩 +> 经典例:证 $\lim\limits_{n\to\infty}q^n=0\ (|q|<1)$ ——反解时**要取对数**,$\ln|q|<0$ 故除过去要变号。🟩 ### 1.2 函数极限 -- 存在条件:$\lim\limits_{x\to x_0}f(x)=A\iff$ 左、右极限都存在且都等于 $A$(即在 $x_0$ 处**左极限 = 右极限**)。 -- $\lim\limits_{x\to\infty}f(x)=A\iff$ 分别对 $x\to+\infty$、$x\to-\infty$ 都等于 $A$。 +- 存在条件:$\lim\limits_{x\to x_0}f(x)=A\iff$ 左、右极限都存在且都等于 $A$ (即在 $x_0$ 处**左极限 = 右极限**)。 +- $\lim\limits_{x\to\infty}f(x)=A\iff$ 分别对 $x\to+\infty$ 、$x\to-\infty$ 都等于 $A$ 。 ### 1.3 无穷小 / 无穷大 - **无穷小**:极限为 $0$ 的变量($0$ 是唯一的"数是无穷小"的情形)。 - **无穷大**:$\lvert f(x)\rvert$ 无限增大;与无穷小互为倒数。 -- 关键等价:$\lim f(x)=A\iff f(x)=A+o(x),\ \lim o(x)=0$。 +- 关键等价:$\lim f(x)=A\iff f(x)=A+o(x),\ \lim o(x)=0$ 。 - **渐近线**(顺带记):$\lim\limits_{x\to x_0}f(x)=\infty\Rightarrow x=x_0$ 是**垂直**渐近线;$\lim\limits_{x\to\infty}f(x)=a\Rightarrow y=a$ 是**水平**渐近线。 ### 1.4 $o(\cdot)$ 运算规则 🟩 @@ -82,9 +82,9 @@ $$o(x^m)\cdot o(x^n)=o(x^{m+n}),\quad x^m\cdot o(x^n)=o(x^{m+n})\quad\text{( | **唯一性** | 收敛数列的极限唯一 | — | | **有界性** | **极限存在 ⇒ 有界** | 反之不成立!反例:$1+(-1)^n$ | | **保号性(脱帽)** | $\lim a_n=a\ne0$ ⇒ 从某项起 $a_n$ 与 $a$ 同号 | 可拿来**舍去增根** | -| **戴帽法(保序)** | 从某项起 $a_n\ge b$,且 $a_n\to a$ ⇒ $a\ge b$ | **必须带等号**,是"≥"不是">" | +| **戴帽法(保序)** | 从某项起 $a_n\ge b$ ,且 $a_n\to a$ ⇒ $a\ge b$ | **必须带等号**,是"≥"不是">" | -> **考试用法**:单调有界证出收敛后,解方程常得**两个根**,用**保号性**($a\ge x_1$ 或 $a>0$)舍去错根。🟦 小练 10/11/12/13 每题都要用。 +> **考试用法**:单调有界证出收敛后,解方程常得**两个根**,用**保号性**($a\ge x_1$ 或 $a>0$ )舍去错根。🟦 小练 10/11/12/13 每题都要用。 --- @@ -95,7 +95,7 @@ $$o(x^m)\cdot o(x^n)=o(x^{m+n}),\quad x^m\cdot o(x^n)=o(x^{m+n})\quad\text{( - 收敛数列的**任何子列**都收敛,且极限相同。 - **三把反证利器**: 1. 找到**一个发散的子列** ⇒ 原数列发散; - 2. 找到**两个极限不同的收敛子列** ⇒ 原数列发散(经典:$(-1)^n$,奇子列 $\to-1$、偶子列 $\to1$); + 2. 找到**两个极限不同的收敛子列** ⇒ 原数列发散(经典:$(-1)^n$ ,奇子列 $\to-1$ 、偶子列 $\to1$ ); 3. **奇、偶子列都收敛于同一个值** ⇒ 原数列收敛。 ### 3.2 海涅定理(归结原则)——数列 ↔ 函数极限的桥 🟩 @@ -104,7 +104,7 @@ $$\lim_{x\to x_0}f(x)=A\iff \text{对任意 }x_n\to x_0\ (x_n\ne x_0),\ \lim_{n\ **用途**:$n\to\infty$ 的数列极限**先转成函数极限**再用洛必达 / 泰勒 / 等价无穷小。 -> 🟩 例:$\lim\limits_{n\to\infty}\left(n\tan\frac1n\right)^{n^2}$ ⇒ 令 $x=\frac1n$,化为 $\lim\limits_{x\to0}\left(\frac{\tan x}{x}\right)^{1/x^2}=e^{1/3}$。 +> 🟩 例:$\lim\limits_{n\to\infty}\left(n\tan\frac1n\right)^{n^2}$ ⇒ 令 $x=\frac1n$ ,化为 $\lim\limits_{x\to0}\left(\frac{\tan x}{x}\right)^{1/x^2}=e^{1/3}$ 。 ### 3.3 夹逼准则 🟩 @@ -112,8 +112,8 @@ $$y_n\le x_n\le z_n,\quad \lim y_n=\lim z_n=a\ \Longrightarrow\ \lim x_n=a$$ **放缩口诀**:**分子不变,分母放大则整式变小,分母缩小则整式变大**;放缩后同时除以最高次项,两端都逼到同一个数。 -> 🟩 例:求 $\lim\limits_{n\to\infty}\left(\frac{n}{n^2+1}+\cdots+\frac{n}{n^2+n}\right)$——先放缩成 $\frac{n^2}{n^2+n}<\sum<\frac{n^2}{n^2+1}$,两端极限均为 $1$。 -> 🟦 小练 2 题同型:分母 $n^2+k$ 提不出统一的 $\frac1n$,只能夹逼。 +> 🟩 例:求 $\lim\limits_{n\to\infty}\left(\frac{n}{n^2+1}+\cdots+\frac{n}{n^2+n}\right)$ ——先放缩成 $\frac{n^2}{n^2+n}<\sum<\frac{n^2}{n^2+1}$ ,两端极限均为 $1$ 。 +> 🟦 小练 2 题同型:分母 $n^2+k$ 提不出统一的 $\frac1n$ ,只能夹逼。 ### 3.4 单调有界准则(魏尔施特拉斯)🟩🟦 @@ -123,13 +123,13 @@ $$y_n\le x_n\le z_n,\quad \lim y_n=\lim z_n=a\ \Longrightarrow\ \lim x_n=a$$ 1. **证有界**:归纳法 / 均值不等式 / 裂项放缩 / 三角不等式; 2. **证单调**:作差 $x_{n+1}-x_n$ 看符号,或作商 $\dfrac{x_{n+1}}{x_n}$ 与 $1$ 比较; -3. **设极限解方程**:对递推式两边取极限得 $a=f(a)$,解出后**用保号性取舍**。 +3. **设极限解方程**:对递推式两边取极限得 $a=f(a)$ ,解出后**用保号性取舍**。 **见到递推式 $a_{n+1}=f(a_n)$ 就先想单调有界**;但若能直接解出通项(线性、可裂项、可构造等比),就**别**绕远路。🟩 ### 3.5 柯西(Cauchy)准则 🟩 -数列收敛的**充要**条件:$\forall\xi>0,\exists N$,当 $m,n>N$ 时 $\lvert x_n-x_m\rvert<\xi$。 +数列收敛的**充要**条件:$\forall\xi>0,\exists N$ ,当 $m,n>N$ 时 $\lvert x_n-x_m\rvert<\xi$ 。 (作用:单调有界只是**充分**条件;柯西是充要,可判断非单调的"波动逼近"型收敛。) ### 3.6 存在与不存在的运算关系(**2022·3 型概念题的根**)🟩🟨 @@ -137,13 +137,13 @@ $$y_n\le x_n\le z_n,\quad \lim y_n=\lim z_n=a\ \Longrightarrow\ \lim x_n=a$$ | 运算 | 结论 | 反例 / 说明 | |---|---|---| | 存在 ± 不存在 | **一定不存在** | — | -| 不存在 ± 不存在 | **不一定** | $\sin\frac1x+\sin\frac1x$(不存在)vs $\sin\frac1x-\sin\frac1x$(存在) | -| 存在 · 不存在 | **不一定** | $x\sin\frac1x$(存在)vs $1\cdot\sin\frac1x$(不存在) | -| 不存在 · 不存在 | **不一定** | $\frac1x\cdot\frac1x$(不存在)vs $(-1)^n\cdot(-1)^n$(存在) | +| 不存在 ± 不存在 | **不一定** | $\sin\frac1x+\sin\frac1x$ (不存在)vs $\sin\frac1x-\sin\frac1x$ (存在) | +| 存在 · 不存在 | **不一定** | $x\sin\frac1x$ (存在)vs $1\cdot\sin\frac1x$ (不存在) | +| 不存在 · 不存在 | **不一定** | $\frac1x\cdot\frac1x$ (不存在)vs $(-1)^n\cdot(-1)^n$ (存在) | -> 🟨 **2022·3 真题考法**:$-\frac\pi2\le x_n\le\frac\pi2$,问 $\lim\cos(\sin x_n)$、$\lim\sin(\cos x_n)$ 与 $\lim x_n$ 的存在性关系。 +> 🟨 **2022·3 真题考法**:$-\frac\pi2\le x_n\le\frac\pi2$ ,问 $\lim\cos(\sin x_n)$ 、$\lim\sin(\cos x_n)$ 与 $\lim x_n$ 的存在性关系。 > **解题钥匙**:看**内层函数在给定区间上是否单调**—— -> - $\sin$ 在 $[-\frac\pi2,\frac\pi2]$ 上**严格单调**(且 $\sin x_n\in[-1,1]\subset[0,\pi]$,$\cos$ 在其上单调)⇒ **$\cos(\sin x_n)$ 收敛 ⟺ $x_n$ 收敛**; +> - $\sin$ 在 $[-\frac\pi2,\frac\pi2]$ 上**严格单调**(且 $\sin x_n\in[-1,1]\subset[0,\pi]$ ,$\cos$ 在其上单调)⇒ **$\cos(\sin x_n)$ 收敛 ⟺ $x_n$ 收敛**; > - $\cos$ 在 $[-\frac\pi2,\frac\pi2]$ 上**不单调**(偶函数)⇒ 只能**单向推**:$x_n$ 收敛 ⇒ $\sin(\cos x_n)$ 收敛,反之不成立(取 $x_n$ 交替 $\pm\frac\pi2$ 即反例)。 > 🟦 小练加强版第 3 题即此考法。 @@ -156,9 +156,9 @@ $$y_n\le x_n\le z_n,\quad \lim y_n=\lim z_n=a\ \Longrightarrow\ \lim x_n=a$$ $$\lim_{x\to0}\frac{\sin x}{x}=1,\qquad \lim_{x\to\infty}\left(1+\frac1x\right)^x=e\ \left(\text{等价 }\lim_{u\to0}(1+u)^{1/u}=e\right)$$ **幂指函数优先用第二个重要极限**(不要急着取对数):见到 $(1-\frac{3}{6+x})^{\frac{x-1}{2}}$ 这种**分数幂**,先凑 $(1+\frac1u)^u$ 再算指数。🟩 -> 🟦 小练 1 题:$(1+\frac1{2n})^{4n-1}=[(1+\frac1{2n})^{2n}]^{\frac{4n-1}{2n}}\to e^2$。 +> 🟦 小练 1 题:$(1+\frac1{2n})^{4n-1}=[(1+\frac1{2n})^{2n}]^{\frac{4n-1}{2n}}\to e^2$ 。 -### 4.2 等价无穷小($x\to0$,11 条速查)🟩 +### 4.2 等价无穷小($x\to0$ ,11 条速查)🟩 | 组 | 等价关系 | |---|---| @@ -166,22 +166,22 @@ $$\lim_{x\to0}\frac{\sin x}{x}=1,\qquad \lim_{x\to\infty}\left(1+\frac1x\right)^ | 指数组 | $a^x-1\sim x\ln a$ | | 幂组 | $(1+x)^a-1\sim ax$ | | 对数组 | $\log_a(1+x)\sim\dfrac{x}{\ln a}$ | -| 二阶组 | $1-\cos x\sim\dfrac{x^2}{2}$;$x-\ln(1+x)\sim\dfrac{x^2}{2}$ | -| 三阶组 | $x-\sin x\sim\dfrac{x^3}{6}$;$\arcsin x-x\sim\dfrac{x^3}{6}$;$\tan x-x\sim\dfrac{x^3}{3}$;$x-\arctan x\sim\dfrac{x^3}{3}$;$\tan x-\sin x\sim\dfrac{x^3}{2}$ | +| 二阶组 | $1-\cos x\sim\dfrac{x^2}{2}$ ;$x-\ln(1+x)\sim\dfrac{x^2}{2}$ | +| 三阶组 | $x-\sin x\sim\dfrac{x^3}{6}$ ;$\arcsin x-x\sim\dfrac{x^3}{6}$ ;$\tan x-x\sim\dfrac{x^3}{3}$ ;$x-\arctan x\sim\dfrac{x^3}{3}$ ;$\tan x-\sin x\sim\dfrac{x^3}{2}$ | -> **本质**:等价无穷小是泰勒展开在**一阶(或某固定阶)**上的特例。🟩 +> **本质**:等价无穷小是泰勒展开在**一阶(或某固定阶)** 上的特例。🟩 **加减替换的适用条件**(**最容易忘**): -- $\alpha\sim\alpha_1,\beta\sim\beta_1$ 且 $\lim\frac{\alpha_1}{\beta_1}\ne1$ ⇒ $\alpha-\beta\sim\alpha_1-\beta_1$; -- $\alpha\sim\alpha_1,\beta\sim\beta_1$ 且 $\lim\frac{\alpha_1}{\beta_1}\ne-1$ ⇒ $\alpha+\beta\sim\alpha_1+\beta_1$。 +- $\alpha\sim\alpha_1,\beta\sim\beta_1$ 且 $\lim\frac{\alpha_1}{\beta_1}\ne1$ ⇒ $\alpha-\beta\sim\alpha_1-\beta_1$ ; +- $\alpha\sim\alpha_1,\beta\sim\beta_1$ 且 $\lim\frac{\alpha_1}{\beta_1}\ne-1$ ⇒ $\alpha+\beta\sim\alpha_1+\beta_1$ 。 即:**加减法中,替换后两者不能"抵消成 0"**。判断**阶数**时不受此限。 > 🟨 **2023·11**:$f=ax+bx^2+\ln(1+x)$ 与 $g=e^{x^2}-\cos x$ 是等价无穷小,求 $ab$ —— 展开到**二阶**对齐系数。 > 🟨 **2019·1 / 2020·1**:比较无穷小**阶数**(低阶吸收高阶),$x-\tan x\sim-\frac{x^3}{3}$ 即 3 阶。 -### 4.3 泰勒 / 麦克劳林展开($x\to0$,必背表)🟩 +### 4.3 泰勒 / 麦克劳林展开($x\to0$ ,必背表)🟩 $$e^x=1+x+\frac{x^2}{2}+\frac{x^3}{6}+o(x^3)$$ $$\ln(1+x)=x-\frac{x^2}{2}+\frac{x^3}{3}+o(x^3)$$ @@ -190,9 +190,9 @@ $$(1+x)^a=1+ax+\frac{a(a-1)}{2}x^2+\frac{a(a-1)(a-2)}{6}x^3+o(x^3)$$ $$\frac{1}{1-x}=1+x+x^2+x^3+o(x^3)$$ $$\tan x=x+\frac{x^3}{3}+\frac{2x^5}{15}+o(x^5),\qquad \arctan x=x-\frac{x^3}{3}+\frac{x^5}{5}+o(x^5)$$ -**何时用泰勒**:$\frac AB$ **上下同阶**型、$A-B$ **幂次最低**型(如 $\frac{x-\sin x}{x^3}$、$\cos x-e^{-x^2/2}$)、**求参数**题(导数含未知参数,不能用洛必达)。 -> 🟨 **2024·11**:$(1+ax^2)^{\sin x}-1$ 极限为 $6$ 求 $a$——展开 $(1+u)^a-1\sim au$ 加 $\sin x\sim x$。 -> 🟨 **2016·9**:变上限积分 $\frac{\int_0^x t\ln(1+t\sin t)dt}{1-\cos x^2}$——分母 $\sim\frac{x^4}{2}$,分子用等价无穷小两次。 +**何时用泰勒**:$\frac AB$ **上下同阶**型、$A-B$ **幂次最低**型(如 $\frac{x-\sin x}{x^3}$ 、$\cos x-e^{-x^2/2}$ )、**求参数**题(导数含未知参数,不能用洛必达)。 +> 🟨 **2024·11**:$(1+ax^2)^{\sin x}-1$ 极限为 $6$ 求 $a$ ——展开 $(1+u)^a-1\sim au$ 加 $\sin x\sim x$ 。 +> 🟨 **2016·9**:变上限积分 $\frac{\int_0^x t\ln(1+t\sin t)dt}{1-\cos x^2}$ ——分母 $\sim\frac{x^4}{2}$ ,分子用等价无穷小两次。 ### 4.4 洛必达法则(含 6 条禁忌)🟩 @@ -201,8 +201,8 @@ $$\lim\frac{f}{F}=\lim\frac{f'}{F'}\quad\left(\frac00\ \text{或}\ \frac\infty\i **禁忌清单**(🟨 十年真题反复踩): 1. **只有函数极限能用洛必达,数列极限不能**; 2. **只有未定式**能用(已能算出常数则禁用); -3. 若 $\lim\frac{f'}{F'}$ **不存在且非无穷**,法则**失效**(原极限可能仍存在,如 $\frac{x^2\sin(1/x)}{x}$); -4. 变量必须**都趋于 0 或 ∞**(如 $x\to1$ 时分母 $\to0$ 但分子 $\to1$,用洛必达得 1 是错的); +3. 若 $\lim\frac{f'}{F'}$ **不存在且非无穷**,法则**失效**(原极限可能仍存在,如 $\frac{x^2\sin(1/x)}{x}$ ); +4. 变量必须**都趋于 0 或 ∞**(如 $x\to1$ 时分母 $\to0$ 但分子 $\to1$ ,用洛必达得 1 是错的); 5. 式子复杂、求导无规律时慎用; 6. 本质是**降幂**:幂次高的式子才值得洛必达。 @@ -210,14 +210,14 @@ $$\lim\frac{f}{F}=\lim\frac{f'}{F'}\quad\left(\frac00\ \text{或}\ \frac\infty\i $$\frac00,\ \frac\infty\infty,\ 0\cdot\infty,\ \infty-\infty,\ \infty^0,\ 0^0,\ 1^\infty$$ -- $\frac00,\frac\infty\infty$:洛必达 / 泰勒 / 等价无穷小。 -- $0\cdot\infty$:**下放**成商——$\dfrac{0}{1/\infty}$ 或 $\dfrac{\infty}{1/0}$,**只把"简单因式"下放**(幂函数、以 $e$ 为底的指数函数)。 -- $\infty-\infty$:**通分**或**提公因式**(和差化积)。🟨 **2020·9、2021·17** 均为 ∞−∞ 型。 -- $\infty^0,0^0,1^\infty$:**幂指函数** $u^v=e^{v\ln u}$;当 $u\to1,v\to\infty$ 时用 $\lim u^v=e^{\lim v(u-1)}$。 +- $\frac00,\frac\infty\infty$ :洛必达 / 泰勒 / 等价无穷小。 +- $0\cdot\infty$ :**下放**成商——$\dfrac{0}{1/\infty}$ 或 $\dfrac{\infty}{1/0}$ ,**只把"简单因式"下放**(幂函数、以 $e$ 为底的指数函数)。 +- $\infty-\infty$ :**通分**或**提公因式**(和差化积)。🟨 **2020·9、2021·17** 均为 ∞−∞ 型。 +- $\infty^0,0^0,1^\infty$ :**幂指函数** $u^v=e^{v\ln u}$ ;当 $u\to1,v\to\infty$ 时用 $\lim u^v=e^{\lim v(u-1)}$ 。 - **总原则**:无论什么四则形式,**最后都要化成商**。 -> 🟨 **2025·11**:$0\cdot\infty$ 型 $\lim\limits_{x\to0^+}\frac{x^x-1}{\ln x\ln(1-x)}=-1$。 -> 🟨 **2018·9**:$1^\infty$ 型 $\left(\frac{1-\tan x}{1+\tan x}\right)^{\frac1{\sin kx}}=e$ 反求 $k$。 +> 🟨 **2025·11**:$0\cdot\infty$ 型 $\lim\limits_{x\to0^+}\frac{x^x-1}{\ln x\ln(1-x)}=-1$ 。 +> 🟨 **2018·9**:$1^\infty$ 型 $\left(\frac{1-\tan x}{1+\tan x}\right)^{\frac1{\sin kx}}=e$ 反求 $k$ 。 ### 4.6 常用化简技巧一览 🟩 @@ -234,8 +234,8 @@ $$\frac00,\ \frac\infty\infty,\ 0\cdot\infty,\ \infty-\infty,\ \infty^0,\ 0^0,\ | **导数定义** | 形如 $\frac{f(x)-f(x_0)}{x-x_0}$ | | **定积分定义** | n 项和(见 5.B) | -> 🟩 拉格朗日例题:$\lim\limits_{n\to\infty}n^2\left(\arctan\frac2n-\arctan\frac2{n+1}\right)=2$——把 $\arctan$ 看成 $f$,差化为 $f'(\xi)\left(\frac2n-\frac2{n+1}\right)$。 -> 🟩 脱帽法例题:已知 $\lim\frac{x-\sin x+f(x)}{x^4}$ 存在 ⇒ 脱帽 $f(x)=Ax^4+\alpha x^4-(x-\sin x)$ ⇒ $\lim\frac{x^3}{f(x)}=-6$。 +> 🟩 拉格朗日例题:$\lim\limits_{n\to\infty}n^2\left(\arctan\frac2n-\arctan\frac2{n+1}\right)=2$ ——把 $\arctan$ 看成 $f$ ,差化为 $f'(\xi)\left(\frac2n-\frac2{n+1}\right)$ 。 +> 🟩 脱帽法例题:已知 $\lim\frac{x-\sin x+f(x)}{x^4}$ 存在 ⇒ 脱帽 $f(x)=Ax^4+\alpha x^4-(x-\sin x)$ ⇒ $\lim\frac{x^3}{f(x)}=-6$ 。 --- @@ -257,11 +257,11 @@ $$\frac00,\ \frac\infty\infty,\ 0\cdot\infty,\ \infty-\infty,\ \infty^0,\ 0^0,\ ``` **补充分支**: -- **n 项积** $\left[\prod g(k)\right]^{1/n}$:先**取对数**化为 n 项和,再走上面的流程。🟦 小练 5 题。 -- **一般区间** $[a,b]$:$\displaystyle\frac{b-a}{n}\sum_{k=1}^n f\left(a+\frac{k}{n}(b-a)\right)\to\int_a^b f$。 +- **n 项积** $\left[\prod g(k)\right]^{1/n}$ :先**取对数**化为 n 项和,再走上面的流程。🟦 小练 5 题。 +- **一般区间** $[a,b]$ :$\displaystyle\frac{b-a}{n}\sum_{k=1}^n f\left(a+\frac{k}{n}(b-a)\right)\to\int_a^b f$ 。 -> 🟨 **2017·16**:$\lim\sum\frac{k}{n^2}\ln(1+\frac kn)=\int_0^1x\ln(1+x)dx=\frac14$。 -> 🟨 **2021·4**:$\int_0^1 f=\ ?$ —— **黎曼和辨析**:$\underbrace{\frac1n}_{\text{步长}}\sum f(\cdot)$,**系数与分点必须匹配**;$\sum_{k=1}^{2n}$ 要配 $\frac{1}{2n}$,配 $\frac1n$ 就等于算了 $\int_0^2$。🟦 小练 9 题。 +> 🟨 **2017·16**:$\lim\sum\frac{k}{n^2}\ln(1+\frac kn)=\int_0^1x\ln(1+x)dx=\frac14$ 。 +> 🟨 **2021·4**:$\int_0^1 f=\ ?$ —— **黎曼和辨析**:$\underbrace{\frac1n}_{\text{步长}}\sum f(\cdot)$ ,**系数与分点必须匹配**;$\sum_{k=1}^{2n}$ 要配 $\frac{1}{2n}$ ,配 $\frac1n$ 就等于算了 $\int_0^2$ 。🟦 小练 9 题。 ### C. 递推数列:**先通项,后单调有界** @@ -275,17 +275,17 @@ $$\frac00,\ \frac\infty\infty,\ 0\cdot\infty,\ \infty-\infty,\ \infty^0,\ 0^0,\ └─ 非线性(根式 / 分式 / 对数 / 隐式)──► 单调有界准则(见第 6 节四式) ``` -> 🟦 小练 4 题(一阶线性):$a_{n+1}=3a_n-2\Rightarrow a_n=3^{n-1}+1$。 -> 🟦 小练 7 题(二阶):$a_{n+1}=\frac{2a_n+a_{n-1}}{3}\Rightarrow a_{n+1}-a_n$ 公比 $-\frac13$ ⇒ 裂项 ⇒ $\frac52$。 -> 🟩 参考仓库同类:$2a_{n+1}=a_n+a_{n-1}\Rightarrow\lim a_n=\frac23$。 +> 🟦 小练 4 题(一阶线性):$a_{n+1}=3a_n-2\Rightarrow a_n=3^{n-1}+1$ 。 +> 🟦 小练 7 题(二阶):$a_{n+1}=\frac{2a_n+a_{n-1}}{3}\Rightarrow a_{n+1}-a_n$ 公比 $-\frac13$ ⇒ 裂项 ⇒ $\frac52$ 。 +> 🟩 参考仓库同类:$2a_{n+1}=a_n+a_{n-1}\Rightarrow\lim a_n=\frac23$ 。 ### D. 含参积分数列(**递推 + 端点集中**) -**套路**:① 单调性靠"被积函数逐点比较";② 用**分部积分**或**相加消元**得递推;③ 求极限靠 **$x^n$ 集中于端点 $x=1$**。 +**套路**:① 单调性靠"被积函数逐点比较";② 用**分部积分**或**相加消元**得递推;③ 求极限靠 **$x^n$ 集中于端点 $x=1$ **。 -- 🟨 **2019·18**:$a_n=\int_0^1x^n\sqrt{1-x^2}dx$,证 $a_n=\frac{n-1}{n+2}a_{n-2}$,求 $\lim\frac{a_n}{a_{n-1}}$。 -- 🟦 小练 8 题:$a_n=\int_0^1\frac{x^n}{1+x}dx$,递推 $a_n+a_{n-1}=\frac1n$,$\lim na_n=\frac12$(换元 $x=t^{1/n}$)。 -- **两个标准结论**:$\displaystyle\lim_{n\to\infty}(n+1)\int_0^1x^nf(x)dx=f(1)$;$x^n$ 在 $[0,1)$ 上积分 $\to0$。 +- 🟨 **2019·18**:$a_n=\int_0^1x^n\sqrt{1-x^2}dx$ ,证 $a_n=\frac{n-1}{n+2}a_{n-2}$ ,求 $\lim\frac{a_n}{a_{n-1}}$ 。 +- 🟦 小练 8 题:$a_n=\int_0^1\frac{x^n}{1+x}dx$ ,递推 $a_n+a_{n-1}=\frac1n$ ,$\lim na_n=\frac12$ (换元 $x=t^{1/n}$ )。 +- **两个标准结论**:$\displaystyle\lim_{n\to\infty}(n+1)\int_0^1x^nf(x)dx=f(1)$ ;$x^n$ 在 $[0,1)$ 上积分 $\to0$ 。 ### E. 数列 → 级数(跨章,见第 7 节) @@ -295,14 +295,14 @@ $$\frac00,\ \frac\infty\infty,\ 0\cdot\infty,\ \infty-\infty,\ \infty^0,\ 0^0,\ | 式 | 递推形式 | **定界手段** | **定单调手段** | |---|---|---|---| -| 一 | $x_{n+1}=\sqrt{6+x_n}$ | **归纳法**证上界($x_k<3\Rightarrow x_{k+1}<3$) | 作差后**有理化**,看分子符号 | -| 二 | $x_{n+1}=\dfrac{1+2x_n}{1+x_n}$ | 写成 $f(x_n)$,$f(x)=\frac{1+2x}{1+x}\in(0,2)$ | **求 $f'(x)$** 定 $f$ 单调,再用 $x_2>x_1$ 归纳 | -| 三 | $a_{n+1}=\dfrac12\left(a_n+\dfrac2{a_n}\right)$ | **均值不等式** $u+v\ge2\sqrt{uv}$ 定下界 $\sqrt2$ | 作差 $\frac{2-a_n^2}{2a_n}\le0$($n\ge2$ 起单调) | -| 四 | $x_{n+1}=x_n(2-x_n)$ | 归纳:$0x_1$ 归纳 | +| 三 | $a_{n+1}=\dfrac12\left(a_n+\dfrac2{a_n}\right)$ | **均值不等式** $u+v\ge2\sqrt{uv}$ 定下界 $\sqrt2$ | 作差 $\frac{2-a_n^2}{2a_n}\le0$ ($n\ge2$ 起单调) | +| 四 | $x_{n+1}=x_n(2-x_n)$ | 归纳:$0 **建议**:练完**线代·特征值(第 19 份)**后回看 2024·21,两条线接上。 +> **建议**:练完**线代·特征值(第 19 份)** 后回看 2024·21,两条线接上。 --- @@ -376,15 +376,15 @@ $$\frac00,\ \frac\infty\infty,\ 0\cdot\infty,\ \infty-\infty,\ \infty^0,\ 0^0,\ | 1 | 对**数列极限用洛必达**(无效) | 🟩 §4.4 | | 2 | ∞−∞ **直接拆成两个极限相减**(可能都不存在) | 🟨 2020·9 / 2021·17 | | 3 | 加减法中**乱用等价无穷小**(抵消成 0 就错) | 🟩 §4.2 | -| 4 | 黎曼和**系数与分点不匹配**($\sum^{2n}$ 配 $\frac1n$) | 🟨 2021·4 / 🟦 小练 9 | +| 4 | 黎曼和**系数与分点不匹配**($\sum^{2n}$ 配 $\frac1n$ ) | 🟨 2021·4 / 🟦 小练 9 | | 5 | 递推数列**能解通项却硬套单调有界**(浪费时间) | 🟩 §5.C | | 6 | 单调有界**只证一步**(有界或单调缺一就无效) | 🟩 §3.4 | | 7 | 解出 $a=f(a)$ 后**不取舍增根**(忘用保号性) | 🟦 小练 10–13 | -| 8 | 认为"**有界 ⇒ 收敛**"(反例 $1+(-1)^n$) | 🟩 §2 | +| 8 | 认为"**有界 ⇒ 收敛**"(反例 $1+(-1)^n$ ) | 🟩 §2 | | 9 | 戴帽法**丢掉等号**(写成 ">") | 🟩 §2 | -| 10 | 幂指函数化简**丢了外面的 $e$** | 🟦 小练 1 | +| 10 | 幂指函数化简**丢了外面的 $e$ ** | 🟦 小练 1 | | 11 | 变上限积分求极限**忘记上限也是变量** | 🟨 2016·9 | -| 12 | 含参积分**分部积分符号错**,或比值极限**硬除 $a_{n-1}$** | 🟨 2019·18 / 🟦 小练 8 | +| 12 | 含参积分**分部积分符号错**,或比值极限**硬除 $a_{n-1}$ ** | 🟨 2019·18 / 🟦 小练 8 | | 13 | n 项和**提不出 $\frac1n$ 还硬套定积分定义** | 🟦 小练 2 | | 14 | 复合极限**以为收敛可双向反推**(内层不单调时不行) | 🟨 2022·3 / 🟦 小练 3 | | 15 | **求参数题用洛必达**(导数含参数,应改用泰勒) | 🟩 §4.3 | diff --git a/基于考研的学习/数学一/每日小练/02-数列-质量审计.md b/基于考研的学习/数学一/每日小练/02-数列-质量审计.md index 2c8b9ce..c54f2ec 100644 --- a/基于考研的学习/数学一/每日小练/02-数列-质量审计.md +++ b/基于考研的学习/数学一/每日小练/02-数列-质量审计.md @@ -45,7 +45,7 @@ tags: | 文档标注 | 文档说法 | 数据库实际 | 判定 | |---|---|---|---| -| 2016·19 | "递推数列 + 单调有界(解答 10 分)" | **第 7 章 无穷级数**,考点"数项级数收敛证明";题意为 $f(0)=1,\ 0 数列 $\{x_n\},\{y_n\},\{z_n\}$ 满足线性递推,记 $\alpha_n=(x_n,y_n,z_n)^T$,求矩阵 $A$、$A^n$ 及 $x_n,y_n,z_n$。 +> 数列 $\{x_n\},\{y_n\},\{z_n\}$ 满足线性递推,记 $\alpha_n=(x_n,y_n,z_n)^T$ ,求矩阵 $A$ 、$A^n$ 及 $x_n,y_n,z_n$ 。 这是"**数列递推 → 矩阵幂**"的跨章新趋势,也是近十年数列相关题中分值最重的一道。文档只字未提。 @@ -79,10 +79,10 @@ tags: ### D5 · 难度偏浅、手法偏窄 -- 10 题里 6 题为标准套路($1^\infty$、$n$ 项和、夹逼、线性递推、单调有界根式型),真正需要"想一步"的不多。 +- 10 题里 6 题为标准套路($1^\infty$ 、$n$ 项和、夹逼、线性递推、单调有界根式型),真正需要"想一步"的不多。 - **单调有界**作为本专题最核心的证明考点(参考仓库 `limit.tex` 用整整一节展开),文档只用了"作差 + 有理化"**一种**定单调手法,未纳入参考仓库已给的另外三类: - 1. **辅助函数求导定单调**(如 $x_{n+1}=\frac{1+2x_n}{1+x_n}$,$f'(x)>0$) - 2. **均值不等式定界**(如 $a_{n+1}=\frac12\left(a_n+\frac2{a_n}\right)\ge\sqrt2$) + 1. **辅助函数求导定单调**(如 $x_{n+1}=\frac{1+2x_n}{1+x_n}$ ,$f'(x)>0$ ) + 2. **均值不等式定界**(如 $a_{n+1}=\frac12\left(a_n+\frac2{a_n}\right)\ge\sqrt2$ ) 3. **隐式方程 / 二次映射**型递推 - 2018·19 的**真正难点在"隐式方程"**($x_n e^{x_{n+1}}=e^{x_n}-1$ 不能直接解得通项),文档第 7 题用显式根式 $x_{n+1}=\sqrt{2+x_n}$ 代替,**把最难的一层削掉了**。 diff --git a/基于考研的学习/数学一/每日小练/02-数列.md b/基于考研的学习/数学一/每日小练/02-数列.md index e3a170e..9a35fac 100644 --- a/基于考研的学习/数学一/每日小练/02-数列.md +++ b/基于考研的学习/数学一/每日小练/02-数列.md @@ -39,7 +39,7 @@ tags: $$\lim_{n\to\infty}\left(1+\frac{2}{n}\right)^{3n+2}=\underline{\quad\quad}$$ **2.** 【递推数列收敛判断 · 锚 2022·3 概念方向】 -设 $00$ 且 $x_n0$ 且 $x_n0$,故 $x_{n+1}>x_n$,数列单调递增。 +因 $00$ ,故 $x_{n+1}>x_n$ ,数列单调递增。 -- **设极限**:由单调有界准则,设 $\lim x_n=a$。对 $x_{n+1}=\sqrt{2+x_n}$ 两边取极限: +- **设极限**:由单调有界准则,设 $\lim x_n=a$ 。对 $x_{n+1}=\sqrt{2+x_n}$ 两边取极限: $$a=\sqrt{2+a}\Rightarrow a^2-a-2=0\Rightarrow a=2\text{ 或 }a=-1$$ -由保号性 $a\ge x_1=1>0$,舍去 $a=-1$,故 $a=2$。 +由保号性 $a\ge x_1=1>0$ ,舍去 $a=-1$ ,故 $a=2$ 。 **思路**:根式递推的标准四步——归纳证有界、作差证单调、设极限、解方程取舍。 **易错点**:单调性证明中作差后必须有理化,不要直接看 $\sqrt{2+x_n}$ 与 $x_n$ 的大小就下结论。 @@ -224,16 +224,16 @@ $$a=\sqrt{2+a}\Rightarrow a^2-a-2=0\Rightarrow a=2\text{ 或 }a=-1$$ ### 第 8 题 -**答案:$\mathbf{0}$** +**答案:$\mathbf{0}$ ** **证明:** -- **有界性**:$x_1=1>0$。假设 $x_n>0$,则 $x_{n+1}=\ln(1+x_n)>\ln1=0$。故 $x_n>0$。 -- **单调性**:利用经典不等式 $\ln(1+x)0)$: +- **有界性**:$x_1=1>0$ 。假设 $x_n>0$ ,则 $x_{n+1}=\ln(1+x_n)>\ln1=0$ 。故 $x_n>0$ 。 +- **单调性**:利用经典不等式 $\ln(1+x)0)$ : $$x_{n+1}=\ln(1+x_n)0$ 时 $g'(a)>0$,$g(0)=0$,故 $g(a)=0$ 在 $a\ge0$ 上只有唯一解 $a=0$。 +故 $\{x_n\}$ 单调递减且有下界 $0$ 。 +- **设极限**:设 $\lim x_n=a$ ,则 $a=\ln(1+a)$ 。令 $g(a)=a-\ln(1+a)$ ,则 $g'(a)=1-\frac{1}{1+a}=\frac{a}{1+a}$ 。当 $a>0$ 时 $g'(a)>0$ ,$g(0)=0$ ,故 $g(a)=0$ 在 $a\ge0$ 上只有唯一解 $a=0$ 。 **思路**:本题与第 7 题形成对照——第 7 题极限是正数(方程非平凡解),本题极限是 0(平凡解)。关键在于认出 $\ln(1+x)0$,故: +**(Ⅰ)证明:** 当 $x\in[0,1]$ 时,$x^{n}\le x^{n-1}$ (因为 $0\le x\le1$ ,指数越大值越小),且 $e^x>0$ ,故: $$a_n=\int_0^1 x^n e^x\,\mathrm dx\le\int_0^1 x^{n-1}e^x\,\mathrm dx=a_{n-1}$$ @@ -254,42 +254,42 @@ $$a_n=\int_0^1 x^n e^x\,\mathrm dx\le\int_0^1 x^{n-1}e^x\,\mathrm dx=a_{n-1}$$ $$a_n=\int_0^1 x^n\,\mathrm d(e^x)=\big[x^n e^x\big]_0^1-n\int_0^1 x^{n-1}e^x\,\mathrm dx=e-na_{n-1}$$ -即 $a_{n-1}=\dfrac{e-a_n}{n}$。于是: +即 $a_{n-1}=\dfrac{e-a_n}{n}$ 。于是: $$\frac{a_n}{a_{n-1}}=\frac{na_n}{e-a_n}$$ -现在求 $na_n$ 的极限。对连续函数 $f(x)=e^x$,有标准结论: +现在求 $na_n$ 的极限。对连续函数 $f(x)=e^x$ ,有标准结论: $$\lim_{n\to\infty}(n+1)\int_0^1 x^n f(x)\,\mathrm dx=f(1)$$ -(证明:$x^n$ 在 $[0,1]$ 上集中于 $x=1$ 附近,$\int_0^1(n+1)x^n\mathrm dx=1$,由积分中值定理或夹逼可得。) +(证明:$x^n$ 在 $[0,1]$ 上集中于 $x=1$ 附近,$\int_0^1(n+1)x^n\mathrm dx=1$ ,由积分中值定理或夹逼可得。) -故 $\lim_{n\to\infty}(n+1)a_n=e$,即 $\lim_{n\to\infty}na_n=e$。 +故 $\lim_{n\to\infty}(n+1)a_n=e$ ,即 $\lim_{n\to\infty}na_n=e$ 。 -又由夹逼 $0\le a_n\le e\int_0^1 x^n\mathrm dx=\frac{e}{n+1}\to0$,故 $a_n\to0$。 +又由夹逼 $0\le a_n\le e\int_0^1 x^n\mathrm dx=\frac{e}{n+1}\to0$ ,故 $a_n\to0$ 。 代入: $$\lim_{n\to\infty}\frac{a_n}{a_{n-1}}=\frac{e}{e-0}=1$$ **思路**:本题是 2019·18 真题的同型改编。核心两步——① 分部积分找递推;② 用"$x^n$ 集中在端点"求 $na_n$ 的渐近行为。 -**易错点**:直接由 $a_n=e-na_{n-1}$ 两边除以 $a_{n-1}$ 得 $\frac{a_n}{a_{n-1}}=\frac{e}{a_{n-1}}-n$,这个形式无法直接求极限,必须改写为 $\frac{na_n}{e-a_n}$。 +**易错点**:直接由 $a_n=e-na_{n-1}$ 两边除以 $a_{n-1}$ 得 $\frac{a_n}{a_{n-1}}=\frac{e}{a_{n-1}}-n$ ,这个形式无法直接求极限,必须改写为 $\frac{na_n}{e-a_n}$ 。 --- ### 第 10 题 -**答案:$\mathbf{D}$** +**答案:$\mathbf{D}$ ** **解:** -- (A)右端点黎曼和,步长 $\frac1n$,$x_k=\frac{k}{n}$,$\to\int_0^1 f(x)\mathrm dx$。 -- (B)左端点黎曼和,$x_k=\frac{k}{n}$,$\to\int_0^1 f(x)\mathrm dx$。 -- (C)中点黎曼和,$x_k=\frac{2k-1}{2n}$,步长 $\frac1n$,$\to\int_0^1 f(x)\mathrm dx$。 -- (D)注意系数是 $\frac1n$ 而不是 $\frac{1}{2n}$: +- (A)右端点黎曼和,步长 $\frac1n$ ,$x_k=\frac{k}{n}$ ,$\to\int_0^1 f(x)\mathrm dx$ 。 +- (B)左端点黎曼和,$x_k=\frac{k}{n}$ ,$\to\int_0^1 f(x)\mathrm dx$ 。 +- (C)中点黎曼和,$x_k=\frac{2k-1}{2n}$ ,步长 $\frac1n$ ,$\to\int_0^1 f(x)\mathrm dx$ 。 +- (D)注意系数是 $\frac1n$ 而不是 $\frac{1}{2n}$ : $$\frac1n\sum_{k=1}^{2n}f\!\left(\frac{k}{2n}\right)=2\cdot\underbrace{\frac{1}{2n}\sum_{k=1}^{2n}f\!\left(\frac{k}{2n}\right)}_{\to\int_0^1 f(x)\mathrm dx}\to2\int_0^1 f(x)\mathrm dx$$ -**思路**:黎曼和 = 步长 × 函数值之和。D 选项把"细分点"和"步长"配错了——分了 $2n$ 段但步长还是 $\frac1n$,等于把积分算了两遍。 +**思路**:黎曼和 = 步长 × 函数值之和。D 选项把"细分点"和"步长"配错了——分了 $2n$ 段但步长还是 $\frac1n$ ,等于把积分算了两遍。 **易错点**:不要只看"分点密不密",要同时看"前面乘的系数是多少"。 --- @@ -331,7 +331,7 @@ $$\frac1n\sum_{k=1}^{2n}f\!\left(\frac{k}{2n}\right)=2\cdot\underbrace{\frac{1}{ ### 5. 仍未覆盖的方向与资料不足 -- **Stolz 定理**:考研大纲不要求,但数列差分极限(如 $x_n(1-x_n)$ 型的 $nx_n\to1$)偶尔会在真题选项中作为干扰项出现,本小练未深入。 +- **Stolz 定理**:考研大纲不要求,但数列差分极限(如 $x_n(1-x_n)$ 型的 $nx_n\to1$ )偶尔会在真题选项中作为干扰项出现,本小练未深入。 - **跨章综合**:2016·19 那种"递推数列 + 级数绝对收敛"的跨章题,本小练未出(留到级数专题再练)。 - **数列与中值定理结合**:参考仓库提到的 $n^2(\arctan\frac2n-\arctan\frac{2}{n+1})$ 型拉格朗日中值定理用法,属于"函数极限伪装成数列极限",归到 01-极限 更合适,本小练未重复。 - **迭代数列的"非线性不动点"复杂形式**(如 $x_{n+1}=\frac{1+2x_n}{1+x_n}$ 那种分式线性递推):本小练第 6 题已覆盖线性构造法,分式线性递推留到后续加练。 diff --git a/基于考研的学习/数学一/每日小练/02-数列极限-加练.md b/基于考研的学习/数学一/每日小练/02-数列极限-加练.md index 6804f33..23eae9f 100644 --- a/基于考研的学习/数学一/每日小练/02-数列极限-加练.md +++ b/基于考研的学习/数学一/每日小练/02-数列极限-加练.md @@ -24,7 +24,7 @@ tags: | 原题 | 考点 | 一句话错因 | 对应修复变体 | |---|---|---|---| -| 第 1 题(选 B) | 复合极限存在性 | $f(x_n)$ 收敛 **推不出** $x_n$ 收敛($f$ 非单调即反例);"$\lim f(x_n)=f(\lim x_n)$" 要求内层先收敛 | 变体 A、B | +| 第 1 题(选 B) | 复合极限存在性 | $f(x_n)$ 收敛 **推不出** $x_n$ 收敛($f$ 非单调即反例);"$\lim f(x_n)=f(\lim x_n)$ " 要求内层先收敛 | 变体 A、B | | 第 3 题(√[n]{3ⁿ+(-2)ⁿ}) | 夹逼根式 | 主项是 3ⁿ(指数最大);$(-2)^n$ 是**有界振荡**扰动,用夹逼夹掉 | 变体 C、D | | 第 6 题(a_{n+1}=√(2aₙ+3)) | 递推单调有界 | 设限前必须证收敛;不动点方程解出多个根要**按范围舍根** | 变体 E、F | @@ -32,19 +32,19 @@ tags: ## 题目 -**A.** 【复合极限可逆性 · 单选】设 $f(x)$ 在 $[0,1]$ 上连续,$x_n\in[0,1]$。下列论断中**错误**的是( ) -(A)若 $x_n\to a$,则 $f(x_n)\to f(a)$ (B)若 $\{x_n\}$ 收敛,则 $\{f(x_n)\}$ 收敛 (C)若 $\{f(x_n)\}$ 收敛,则 $\{x_n\}$ 收敛 (D)若 $\{x_n\}$ 有界,则 $\{f(x_n)\}$ 有界 +**A.** 【复合极限可逆性 · 单选】设 $f(x)$ 在 $[0,1]$ 上连续,$x_n\in[0,1]$ 。下列论断中**错误**的是( ) +(A)若 $x_n\to a$ ,则 $f(x_n)\to f(a)$  (B)若 $\{x_n\}$ 收敛,则 $\{f(x_n)\}$ 收敛 (C)若 $\{f(x_n)\}$ 收敛,则 $\{x_n\}$ 收敛 (D)若 $\{x_n\}$ 有界,则 $\{f(x_n)\}$ 有界 -**B.** 【子列判敛 · 单选】设 $x_n=(-1)^n\dfrac{n}{n+1}$,则( ) -(A)$\lim x_n=1$ (B)$\lim x_n=-1$ (C)$\lim x_n$ 存在但等于 $0$ (D)$\lim x_n$ 不存在 +**B.** 【子列判敛 · 单选】设 $x_n=(-1)^n\dfrac{n}{n+1}$ ,则( ) +(A)$\lim x_n=1$  (B)$\lim x_n=-1$  (C)$\lim x_n$ 存在但等于 $0$  (D)$\lim x_n$ 不存在 **C.** 【夹逼根式 · 指数 vs 多项式】$\displaystyle\lim_{n\to\infty}\sqrt[n]{2^n+n^{2026}}=$ ____ **D.** 【夹逼根式 · 振荡项】$\displaystyle\lim_{n\to\infty}\sqrt[n]{5^n+3^n\cos(n\pi)}=$ ____ -**E.** 【递推单调有界】设 $a_1=\sqrt2$,$a_{n+1}=\sqrt{2a_n}$($n\ge1$),则 $\displaystyle\lim_{n\to\infty}a_n=$ ____ +**E.** 【递推单调有界】设 $a_1=\sqrt2$ ,$a_{n+1}=\sqrt{2a_n}$ ($n\ge1$ ),则 $\displaystyle\lim_{n\to\infty}a_n=$ ____ -**F.** 【递推 + 舍根】设 $a_1=0$,$a_{n+1}=\sqrt{2a_n+6}$($n\ge1$),则 $\displaystyle\lim_{n\to\infty}a_n=$ ____ +**F.** 【递推 + 舍根】设 $a_1=0$ ,$a_{n+1}=\sqrt{2a_n+6}$ ($n\ge1$ ),则 $\displaystyle\lim_{n\to\infty}a_n=$ ____ --- @@ -52,12 +52,12 @@ tags: | 题 | 答案 | 关键步骤 | |---|---|---| -| A | **C** | 连续函数保持内层极限(A 对);内层收敛 ⇒ 复合收敛(B 对);有界 ⇒ 连续像有界(D 对)。**C 反例**:取 $f(x)\equiv0$(常值),$x_n=0,1$ 交替发散,但 $f(x_n)\equiv0$ 收敛 ⇒ 收敛推不回内层 | -| B | **D** | 偶子列 $x_{2k}=\frac{2k}{2k+1}\to1$,奇子列 $x_{2k-1}=-\frac{2k-1}{2k}\to-1$;**两子列极限不同 ⇒ 原数列发散** | -| C | **2** | 指数主项:$\sqrt[n]{2^n+n^{2026}}=2\sqrt[n]{1+n^{2026}/2^n}\to2\cdot1=2$($n^{2026}/2^n\to0$,指数压多项式) | -| D | **5** | $\cos(n\pi)=(-1)^n\in[-1,1]$:$5^n-3^n\le5^n+3^n\cos(n\pi)\le5^n+3^n$,两边开 $n$ 次均 $\to5$($5\sqrt[n]{1\pm(3/5)^n}$),夹逼 | -| E | **2** | 有界:$a_n<2$($a_1=\sqrt2<2$,$a_{n+1}=\sqrt{2a_n}<\sqrt4=2$);单调:$a_{n+1}^2-a_n^2=2a_n-a_n^2=a_n(2-a_n)>0$ ⇒ 递增 ⇒ 收敛;$A=\sqrt{2A}\Rightarrow A^2=2A\Rightarrow A=2$($A>0$ 舍 0?$A=0$ 或 2,$a_n\ge\sqrt2>0$ 故 $A=2$) | -| F | **$1+\sqrt7$** | 有界:$a_n<1+\sqrt7$(归纳,$a_1=0<$;若 $a_n<1+\sqrt7$,$a_{n+1}^2=2a_n+6<2(1+\sqrt7)+6=8+2\sqrt7=(1+\sqrt7)^2$);单调:$a_{n+1}^2-a_n^2=2a_n+6-a_n^2=(1+\sqrt7-a_n)(a_n+1-\sqrt7)$,因 $0\le a_n<1+\sqrt7$ 且 $a_{n+1}>a_n$ 可证递增;$A=\sqrt{2A+6}\Rightarrow A^2-2A-6=0\Rightarrow A=1\pm\sqrt7$,**$A>0$ 舍 $1-\sqrt7<0$**,取 $1+\sqrt7$ | +| A | **C** | 连续函数保持内层极限(A 对);内层收敛 ⇒ 复合收敛(B 对);有界 ⇒ 连续像有界(D 对)。**C 反例**:取 $f(x)\equiv0$ (常值),$x_n=0,1$ 交替发散,但 $f(x_n)\equiv0$ 收敛 ⇒ 收敛推不回内层 | +| B | **D** | 偶子列 $x_{2k}=\frac{2k}{2k+1}\to1$ ,奇子列 $x_{2k-1}=-\frac{2k-1}{2k}\to-1$ ;**两子列极限不同 ⇒ 原数列发散** | +| C | **2** | 指数主项:$\sqrt[n]{2^n+n^{2026}}=2\sqrt[n]{1+n^{2026}/2^n}\to2\cdot1=2$ ($n^{2026}/2^n\to0$ ,指数压多项式) | +| D | **5** | $\cos(n\pi)=(-1)^n\in[-1,1]$ :$5^n-3^n\le5^n+3^n\cos(n\pi)\le5^n+3^n$ ,两边开 $n$ 次均 $\to5$ ($5\sqrt[n]{1\pm(3/5)^n}$ ),夹逼 | +| E | **2** | 有界:$a_n<2$ ($a_1=\sqrt2<2$ ,$a_{n+1}=\sqrt{2a_n}<\sqrt4=2$ );单调:$a_{n+1}^2-a_n^2=2a_n-a_n^2=a_n(2-a_n)>0$ ⇒ 递增 ⇒ 收敛;$A=\sqrt{2A}\Rightarrow A^2=2A\Rightarrow A=2$ ($A>0$ 舍 0?$A=0$ 或 2,$a_n\ge\sqrt2>0$ 故 $A=2$ ) | +| F | **$1+\sqrt7$ ** | 有界:$a_n<1+\sqrt7$ (归纳,$a_1=0<$ ;若 $a_n<1+\sqrt7$ ,$a_{n+1}^2=2a_n+6<2(1+\sqrt7)+6=8+2\sqrt7=(1+\sqrt7)^2$ );单调:$a_{n+1}^2-a_n^2=2a_n+6-a_n^2=(1+\sqrt7-a_n)(a_n+1-\sqrt7)$ ,因 $0\le a_n<1+\sqrt7$ 且 $a_{n+1}>a_n$ 可证递增;$A=\sqrt{2A+6}\Rightarrow A^2-2A-6=0\Rightarrow A=1\pm\sqrt7$ ,**$A>0$ 舍 $1-\sqrt7<0$ **,取 $1+\sqrt7$ | --- diff --git a/基于考研的学习/数学一/每日小练/02-数列极限.md b/基于考研的学习/数学一/每日小练/02-数列极限.md index 9fd39d8..885e35b 100644 --- a/基于考研的学习/数学一/每日小练/02-数列极限.md +++ b/基于考研的学习/数学一/每日小练/02-数列极限.md @@ -27,28 +27,28 @@ tags: ## 题目 -**1.** 【复合极限存在性 · 锚 2022·3】设 $f(x)$ 在 $[0,1]$ 上连续,数列 $\{x_n\}\subset[0,1]$。若 $\lim\limits_{n\to\infty}f(x_n)$ 存在,则( ) +**1.** 【复合极限存在性 · 锚 2022·3】设 $f(x)$ 在 $[0,1]$ 上连续,数列 $\{x_n\}\subset[0,1]$ 。若 $\lim\limits_{n\to\infty}f(x_n)$ 存在,则( ) (A)$\lim x_n$ 必存在 (B)$\{x_n\}$ 必有收敛子列 (C)$\lim f(x_n)=f(\lim x_n)$ 必成立 (D)$f$ 在 $[0,1]$ 上必不单调 -**2.** 【比值与根值 · 锚 2018·19 手法】设 $a_n>0$ 且 $\displaystyle\lim_{n\to\infty}\frac{a_{n+1}}{a_n}=2$,则( ) -(A)$\displaystyle\lim_{n\to\infty}\sqrt[n]{a_n}=2$ (B)$\displaystyle\lim_{n\to\infty}a_n=2$ (C)$\{a_n\}$ 收敛 (D)$\{a_n\}$ 有界 +**2.** 【比值与根值 · 锚 2018·19 手法】设 $a_n>0$ 且 $\displaystyle\lim_{n\to\infty}\frac{a_{n+1}}{a_n}=2$ ,则( ) +(A)$\displaystyle\lim_{n\to\infty}\sqrt[n]{a_n}=2$  (B)$\displaystyle\lim_{n\to\infty}a_n=2$  (C)$\{a_n\}$ 收敛 (D)$\{a_n\}$ 有界 -**3.** 【夹逼准则 · 根式型】$\displaystyle\lim_{n\to\infty}\sqrt[n]{3^n+(-2)^n}=$( ) -(A)1 (B)2 (C)$\infty$ (D)3 +**3.** 【夹逼准则 · 根式型】$\displaystyle\lim_{n\to\infty}\sqrt[n]{3^n+(-2)^n}=$ ( ) +(A)1 (B)2 (C)$\infty$  (D)3 **4.** 【重要极限数列版】$\displaystyle\lim_{n\to\infty}n\left(\sqrt[n]{2026}-1\right)=$ ____ **5.** 【定积分定义 · 锚 2017·16 手法】$\displaystyle\lim_{n\to\infty}\sum_{k=1}^{n}\frac{k}{n^2}\sin\frac{k}{n}=$ ____ -**6.** 【单调有界递推】设 $a_1=1$,$a_{n+1}=\sqrt{2a_n+3}$($n\ge1$),则 $\displaystyle\lim_{n\to\infty}a_n=$ ____ +**6.** 【单调有界递推】设 $a_1=1$ ,$a_{n+1}=\sqrt{2a_n+3}$ ($n\ge1$ ),则 $\displaystyle\lim_{n\to\infty}a_n=$ ____ -**7.** 【递推收敛证明 · 锚 2018·19】设数列 $\{x_n\}$:$x_1=1$,$x_{n+1}=\ln(1+x_n)$($n\ge1$)。证明 $\{x_n\}$ 收敛,并求 $\displaystyle\lim_{n\to\infty}x_n$。 +**7.** 【递推收敛证明 · 锚 2018·19】设数列 $\{x_n\}$ :$x_1=1$ ,$x_{n+1}=\ln(1+x_n)$ ($n\ge1$ )。证明 $\{x_n\}$ 收敛,并求 $\displaystyle\lim_{n\to\infty}x_n$ 。 -**8.** 【定积分定义大题 · 锚 2017·16 手法】求 $\displaystyle\lim_{n\to\infty}\sum_{k=1}^{n}\frac{1}{n}\sqrt{1+\frac{k}{n}}$。 +**8.** 【定积分定义大题 · 锚 2017·16 手法】求 $\displaystyle\lim_{n\to\infty}\sum_{k=1}^{n}\frac{1}{n}\sqrt{1+\frac{k}{n}}$ 。 -**9.** 【夹逼准则 · 和式型】求 $\displaystyle\lim_{n\to\infty}\left(\frac{1}{n^2+n+1}+\frac{2}{n^2+n+2}+\cdots+\frac{n}{n^2+n+n}\right)$。 +**9.** 【夹逼准则 · 和式型】求 $\displaystyle\lim_{n\to\infty}\left(\frac{1}{n^2+n+1}+\frac{2}{n^2+n+2}+\cdots+\frac{n}{n^2+n+n}\right)$ 。 -**10.** 【裂项求和 + 单调有界】设 $x_n=\dfrac{1}{1\cdot2}+\dfrac{1}{2\cdot3}+\cdots+\dfrac{1}{n(n+1)}$。证明 $\{x_n\}$ 收敛,并求其极限。 +**10.** 【裂项求和 + 单调有界】设 $x_n=\dfrac{1}{1\cdot2}+\dfrac{1}{2\cdot3}+\cdots+\dfrac{1}{n(n+1)}$ 。证明 $\{x_n\}$ 收敛,并求其极限。 --- @@ -56,16 +56,16 @@ tags: | 题 | 答案 | 关键步骤 | |---|---|---| -| 1 | **B** | $\{x_n\}\subset[0,1]$ 有界 ⇒ 必有收敛子列(Weierstrass)。A 反例:$x_n=0,1$ 交替取、$f\equiv c$;C 需 $x_n$ 收敛;D 与条件无关 | -| 2 | **A** | $a_n>0$ 时 $\lim\sqrt[n]{a_n}=\lim\frac{a_{n+1}}{a_n}=2$(根值=比值);$a_n\sim C\cdot2^n$ 发散无界,B、C、D 均错 | -| 3 | **D** | $3^n-2^n\le3^n+(-2)^n\le3^n+2^n$,$\sqrt[n]{3^n\pm2^n}=3\sqrt[n]{1\pm(\frac23)^n}\to3$,夹逼得 3 | -| 4 | **$\ln2026$** | $n(\sqrt[n]{a}-1)=n(e^{\frac{\ln a}{n}}-1)\to\ln a$(令 $a=2026$) | -| 5 | **$\sin1-\cos1$** | $=\frac1n\sum\frac{k}{n}\sin\frac{k}{n}\to\int_0^1 x\sin x\,dx=[-x\cos x]_0^1+\int_0^1\cos x\,dx=\sin1-\cos1$ | +| 1 | **B** | $\{x_n\}\subset[0,1]$ 有界 ⇒ 必有收敛子列(Weierstrass)。A 反例:$x_n=0,1$ 交替取、$f\equiv c$ ;C 需 $x_n$ 收敛;D 与条件无关 | +| 2 | **A** | $a_n>0$ 时 $\lim\sqrt[n]{a_n}=\lim\frac{a_{n+1}}{a_n}=2$ (根值=比值);$a_n\sim C\cdot2^n$ 发散无界,B、C、D 均错 | +| 3 | **D** | $3^n-2^n\le3^n+(-2)^n\le3^n+2^n$ ,$\sqrt[n]{3^n\pm2^n}=3\sqrt[n]{1\pm(\frac23)^n}\to3$ ,夹逼得 3 | +| 4 | **$\ln2026$ ** | $n(\sqrt[n]{a}-1)=n(e^{\frac{\ln a}{n}}-1)\to\ln a$ (令 $a=2026$ ) | +| 5 | **$\sin1-\cos1$ ** | $=\frac1n\sum\frac{k}{n}\sin\frac{k}{n}\to\int_0^1 x\sin x\,dx=[-x\cos x]_0^1+\int_0^1\cos x\,dx=\sin1-\cos1$ | | 6 | **3** | 归纳 $a_n<3$ 且有下界;$a_{n+1}-a_n=\frac{2a_n+3-a_n^2}{\sqrt{2a_n+3}+a_n}=\frac{(3-a_n)(a_n+1)}{\sqrt{2a_n+3}+a_n}>0$ 递增 ⇒ 收敛;$a=\sqrt{2a+3}\Rightarrow a=3$ | -| 7 | **$0$** | $x_n>0$ 归纳成立;$\ln(1+x)0\ (a>0)$,$g(0)=0$,故 $a=0$ | -| 8 | **$\dfrac23(2\sqrt2-1)$** | $=\int_0^1\sqrt{1+x}\,dx=\frac23(1+x)^{3/2}\Big|_0^1=\frac23(2\sqrt2-1)$ | -| 9 | **$\dfrac12$** | 对 $k$ 项:$\frac{k}{n^2+2n}\le\frac{k}{n^2+n+k}\le\frac{k}{n^2+n}$;$\sum k=\frac{n(n+1)}2$,下界 $\frac{n+1}{2(n+2)}\to\frac12$,上界 $=\frac12$,夹逼 | -| 10 | **$1$** | $\frac1{k(k+1)}=\frac1k-\frac1{k+1}$,$x_n=1-\frac1{n+1}$;$x_{n+1}-x_n=\frac1{(n+1)(n+2)}>0$ 递增、有上界 1 ⇒ 收敛,$\lim x_n=1$ | +| 7 | **$0$ ** | $x_n>0$ 归纳成立;$\ln(1+x)0\ (a>0)$ ,$g(0)=0$ ,故 $a=0$ | +| 8 | **$\dfrac23(2\sqrt2-1)$ ** | $=\int_0^1\sqrt{1+x}\,dx=\frac23(1+x)^{3/2}\Big|_0^1=\frac23(2\sqrt2-1)$ | +| 9 | **$\dfrac12$ ** | 对 $k$ 项:$\frac{k}{n^2+2n}\le\frac{k}{n^2+n+k}\le\frac{k}{n^2+n}$ ;$\sum k=\frac{n(n+1)}2$ ,下界 $\frac{n+1}{2(n+2)}\to\frac12$ ,上界 $=\frac12$ ,夹逼 | +| 10 | **$1$ ** | $\frac1{k(k+1)}=\frac1k-\frac1{k+1}$ ,$x_n=1-\frac1{n+1}$ ;$x_{n+1}-x_n=\frac1{(n+1)(n+2)}>0$ 递增、有上界 1 ⇒ 收敛,$\lim x_n=1$ | --- diff --git a/基于考研的学习/数学一/每日小练/做题本.md b/基于考研的学习/数学一/每日小练/做题本.md index 7bb6c6e..76b0464 100644 --- a/基于考研的学习/数学一/每日小练/做题本.md +++ b/基于考研的学习/数学一/每日小练/做题本.md @@ -36,22 +36,22 @@ tags: **日期**:2026-10-03 -**题目**:求 $\displaystyle\lim_{n\to\infty}\sum_{k=1}^{n}\frac{1}{n}\sin\frac{k\pi}{2n}$。 +**题目**:求 $\displaystyle\lim_{n\to\infty}\sum_{k=1}^{n}\frac{1}{n}\sin\frac{k\pi}{2n}$ 。 -**我的错误**:误以为积分上限是 $\dfrac\pi2$(把 $\sin$ 内部的 $\dfrac{k\pi}{2n}$ 当成了积分变量 $x_k$ 的取值)。 +**我的错误**:误以为积分上限是 $\dfrac\pi2$ (把 $\sin$ 内部的 $\dfrac{k\pi}{2n}$ 当成了积分变量 $x_k$ 的取值)。 **错因**:对黎曼和的"标准形式"不熟——没先把和式整理成 $\dfrac1n\sum f\left(\dfrac kn\right)$ 的骨架,被 $\sin$ 内部的样子带偏,导致区间端点取错。 **正确思路**: $$\sum_{k=1}^{n}\frac1n\sin\frac{k\pi}{2n}=\frac1n\sum_{k=1}^n\sin\left(\frac\pi2\cdot\frac{k}{n}\right)$$ -令 $x_k=\dfrac{k}{n}$($k=1,\cdots,n\Rightarrow x\in(0,1]$),被积函数 $f(x)=\sin\dfrac{\pi x}{2}$,步长 $\Delta x=\dfrac1n$: +令 $x_k=\dfrac{k}{n}$ ($k=1,\cdots,n\Rightarrow x\in(0,1]$ ),被积函数 $f(x)=\sin\dfrac{\pi x}{2}$ ,步长 $\Delta x=\dfrac1n$ : $$\lim_{n\to\infty}\frac1n\sum_{k=1}^n\sin\frac{\pi k}{2n}=\int_0^1\sin\frac{\pi x}{2}\,dx=\left[-\frac2\pi\cos\frac{\pi x}{2}\right]_0^1=\frac2\pi$$ **预防要点**: -1. **黎曼和标准骨架**:$\displaystyle\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^{n}f\!\left(\frac{k}{n}\right)=\int_0^1 f(x)\,dx$——先找出"步长 $\frac1n$ × 函数值",$\frac{k}{n}$ 整体就是 $x$,**积分区间固定为 $[0,1]$** -2. 本题中 $\dfrac{k\pi}{2n}=\dfrac\pi2\cdot\dfrac{k}{n}$:系数 $\dfrac\pi2$ 属于 $f$(被积函数),不属于 $x$;**只有 $\dfrac{k}{n}$ 决定积分上限** -3. 更一般区间 $[a,b]$:$\displaystyle\frac{b-a}{n}\sum_{k=1}^n f\!\left(a+\frac{k}{n}(b-a)\right)\to\int_a^b f(x)\,dx$ -4. 自检法:取 $n\to\infty$ 时和式的"第一项 ≈ 最后一项"是否分别接近 $f(0),f(1)$(本题 $\sin0\to\sin\frac\pi2$ ✓,上限为 1 无误) +1. **黎曼和标准骨架**:$\displaystyle\lim_{n\to\infty}\frac{1}{n}\sum_{k=1}^{n}f\!\left(\frac{k}{n}\right)=\int_0^1 f(x)\,dx$ ——先找出"步长 $\frac1n$ × 函数值",$\frac{k}{n}$ 整体就是 $x$ ,**积分区间固定为 $[0,1]$ ** +2. 本题中 $\dfrac{k\pi}{2n}=\dfrac\pi2\cdot\dfrac{k}{n}$ :系数 $\dfrac\pi2$ 属于 $f$ (被积函数),不属于 $x$ ;**只有 $\dfrac{k}{n}$ 决定积分上限** +3. 更一般区间 $[a,b]$ :$\displaystyle\frac{b-a}{n}\sum_{k=1}^n f\!\left(a+\frac{k}{n}(b-a)\right)\to\int_a^b f(x)\,dx$ +4. 自检法:取 $n\to\infty$ 时和式的"第一项 ≈ 最后一项"是否分别接近 $f(0),f(1)$ (本题 $\sin0\to\sin\frac\pi2$ ✓,上限为 1 无误) --- @@ -65,17 +65,17 @@ $$\lim_{n\to\infty}\frac1n\sum_{k=1}^n\sin\frac{\pi k}{2n}=\int_0^1\sin\frac{\pi **日期**:2026-10-05 -**题目**:设 $f(x)$ 在 $[0,1]$ 上连续,$\{x_n\}\subset[0,1]$,$\lim\limits_{n\to\infty}f(x_n)$ 存在。则( )必成立。 -(A)$\lim x_n$ 存在 (B)$\{x_n\}$ 必有收敛子列 (C)$\lim f(x_n)=f(\lim x_n)$ (D)$f$ 必不单调 +**题目**:设 $f(x)$ 在 $[0,1]$ 上连续,$\{x_n\}\subset[0,1]$ ,$\lim\limits_{n\to\infty}f(x_n)$ 存在。则( )必成立。 +(A)$\lim x_n$ 存在 (B)$\{x_n\}$ 必有收敛子列 (C)$\lim f(x_n)=f(\lim x_n)$  (D)$f$ 必不单调 **我的错误**:选错(常见错法:选 A 或 C)。 -**错因**:把"外层 $f(x_n)$ 收敛"误当成"内层 $x_n$ 收敛"——**复合极限可逆性陷阱**。$f$ 不单调(如常值 $f\equiv0$)时,$x_n$ 任意振荡(如 $0,1,0,1,\cdots$ 发散),$f(x_n)$ 却恒收敛;$f(\lim x_n)$ 里的 $\lim x_n$ 根本不存在,C 无从谈起。 +**错因**:把"外层 $f(x_n)$ 收敛"误当成"内层 $x_n$ 收敛"——**复合极限可逆性陷阱**。$f$ 不单调(如常值 $f\equiv0$ )时,$x_n$ 任意振荡(如 $0,1,0,1,\cdots$ 发散),$f(x_n)$ 却恒收敛;$f(\lim x_n)$ 里的 $\lim x_n$ 根本不存在,C 无从谈起。 **正确思路**:$\{x_n\}\subset[0,1]$ **有界 ⇒ 由 Weierstrass 定理必有收敛子列**(B 对)。A 错(有界不代表收敛,常值 $f$ 下可振荡发散);C 错(复合极限定理 $\lim f(x_n)=f(\lim x_n)$ 的前提是**内层 $x_n$ 收敛**,此处不满足);D 错($f$ 单调与否无关)。 **预防要点**: -1. **复合极限成立的顺序不能反**:先有 $\lim x_n$,才有 $\lim f(x_n)=f(\lim x_n)$;外层收敛推不出内层 +1. **复合极限成立的顺序不能反**:先有 $\lim x_n$ ,才有 $\lim f(x_n)=f(\lim x_n)$ ;外层收敛推不出内层 2. **"有界"的结论武器**:数列有界 ⇒ 存在收敛子列(Weierstrass);这是存在性题的通用抓手 3. 反例构造优先:$f$ 常值/周期函数,让外层"吸掉"内层的所有信息 @@ -86,7 +86,7 @@ $$\lim_{n\to\infty}\frac1n\sum_{k=1}^n\sin\frac{\pi k}{2n}=\int_0^1\sin\frac{\pi **日期**:2026-10-05 **题目**:$\displaystyle\lim_{n\to\infty}\sqrt[n]{3^n+(-2)^n}=$ ( ) -(A)$1$ (B)$2$ (C)$2.5$ (D)$3$ +(A)$1$  (B)$2$  (C)$2.5$  (D)$3$ **我的错误**:选错(常见错法:选 A 或 B)。 @@ -95,11 +95,11 @@ $$\lim_{n\to\infty}\frac1n\sum_{k=1}^n\sin\frac{\pi k}{2n}=\int_0^1\sin\frac{\pi **正确思路**: $$3^n-2^n\le 3^n+(-2)^n\le 3^n+2^n$$ $$\sqrt[n]{3^n-2^n}=3\sqrt[n]{1-(2/3)^n}\to3,\qquad \sqrt[n]{3^n+2^n}=3\sqrt[n]{1+(2/3)^n}\to3$$ -夹逼得极限 $=3$。一般结论:$a>b\ge0$ 时 $\sqrt[n]{a^n+b^n}\to a$(**指数主项法则**)。 +夹逼得极限 $=3$ 。一般结论:$a>b\ge0$ 时 $\sqrt[n]{a^n+b^n}\to a$ (**指数主项法则**)。 **预防要点**: -1. $n$ 次根号下"谁指数大取谁":$\sqrt[n]{a^n+b^n}\to\max(a,b)$;$(-2)^n$ 的符号交给夹逼,不参与主项 -2. 通法:$\sqrt[n]{a^n+(\text{低阶})}=a\sqrt[n]{1+(\text{小量})}\to a$,小量用 $\frac ba<1$ 控制 +1. $n$ 次根号下"谁指数大取谁":$\sqrt[n]{a^n+b^n}\to\max(a,b)$ ;$(-2)^n$ 的符号交给夹逼,不参与主项 +2. 通法:$\sqrt[n]{a^n+(\text{低阶})}=a\sqrt[n]{1+(\text{小量})}\to a$ ,小量用 $\frac ba<1$ 控制 3. 数感自检:$3^n$ 相对 $2^n$ 是指数级优势,极限必为 3,不可能落到 1/2/2.5 --- @@ -108,23 +108,23 @@ $$\sqrt[n]{3^n-2^n}=3\sqrt[n]{1-(2/3)^n}\to3,\qquad \sqrt[n]{3^n+2^n}=3\sqrt[n]{ **日期**:2026-10-05 -**题目**:设 $a_1=1$,$a_{n+1}=\sqrt{2a_n+3}$($n\ge1$),则 $\displaystyle\lim_{n\to\infty}a_n=$ ____ +**题目**:设 $a_1=1$ ,$a_{n+1}=\sqrt{2a_n+3}$ ($n\ge1$ ),则 $\displaystyle\lim_{n\to\infty}a_n=$ ____ **我的错误**:做错(常见错法:直接设 $A=\sqrt{2A+3}$ 解出 $3,-1$ 后取值混乱;或不证收敛;或单调性判断错)。 -**错因**:一代笔记**陷阱 1+2**:① 未证单调有界就设极限;② 不动点方程 $A^2-2A-3=0$ 有两个根 $A=3,-1$,**必须按初值/有界范围舍根**($a_n>0$ 舍 $-1$)。 +**错因**:一代笔记**陷阱 1+2**:① 未证单调有界就设极限;② 不动点方程 $A^2-2A-3=0$ 有两个根 $A=3,-1$ ,**必须按初值/有界范围舍根**($a_n>0$ 舍 $-1$ )。 **正确思路**: -1. **有界**:归纳证 $a_n<3$。$a_1=1<3$;若 $a_n<3$,则 $a_{n+1}=\sqrt{2a_n+3}<\sqrt9=3$ ✓ +1. **有界**:归纳证 $a_n<3$ 。$a_1=1<3$ ;若 $a_n<3$ ,则 $a_{n+1}=\sqrt{2a_n+3}<\sqrt9=3$ ✓ 2. **单调**:$a_{n+1}-a_n=\sqrt{2a_n+3}-a_n=\dfrac{2a_n+3-a_n^2}{\sqrt{2a_n+3}+a_n}=\dfrac{(3-a_n)(a_n+1)}{\sqrt{2a_n+3}+a_n}>0$ ⇒ 递增 3. **收敛**:单调递增有上界 ⇒ 极限存在,设 $\lim a_n=A$ -4. **求值**:$A=\sqrt{2A+3}\Rightarrow A^2-2A-3=0\Rightarrow A=3$ 或 $-1$;由 $a_n>0$ **舍 $-1$**,取 $A=3$ +4. **求值**:$A=\sqrt{2A+3}\Rightarrow A^2-2A-3=0\Rightarrow A=3$ 或 $-1$ ;由 $a_n>0$ **舍 $-1$ **,取 $A=3$ **预防要点**: 1. **"先判敛,再设限,代入求解取正负"**(一代口诀)——三步缺一不可 2. 设限后解方程若出现多根:用**初值所在区间/正性/有界范围**舍根 3. 单调性用"作差看符号":$a_{n+1}-a_n$ 分子因式分解后与界 $M$ 比较符号 -4. 界怎么猜:先算 $a_2=\sqrt5\approx2.236$、$a_3\approx2.734$,趋势指向 3,猜 $a_n<3$ +4. 界怎么猜:先算 $a_2=\sqrt5\approx2.236$ 、$a_3\approx2.734$ ,趋势指向 3,猜 $a_n<3$ --- diff --git a/基于考研的学习/数学一/知识点/数列极限-方法复盘.md b/基于考研的学习/数学一/知识点/数列极限-方法复盘.md index 42e95e0..bf0193c 100644 --- a/基于考研的学习/数学一/知识点/数列极限-方法复盘.md +++ b/基于考研的学习/数学一/知识点/数列极限-方法复盘.md @@ -27,8 +27,8 @@ tags: |---|---|---|---| | 1 | 给定递推 $x_{n+1}=f(x_n)$ 与初值 $x_1$ | 递推型 | **单调有界准则** | | 2 | 通项含 $n$ 项和 $\sum a_k$ 或 $n$ 项积 $\prod a_k$ | 通项型 | **夹逼** 或 **定积分定义** | -| 3 | 通项 $x_n=f(n)$,含 $\sin(n\pi)$、$(-1)^n$ 等振荡项 | 通项型 | **放大/缩小 + 夹逼** | -| 4 | 形如 $(1+\frac{a_n}{n})^n$ 且 $a_n\to A$ | $1^\infty$ | **口诀 $e^{A}$** | +| 3 | 通项 $x_n=f(n)$ ,含 $\sin(n\pi)$ 、$(-1)^n$ 等振荡项 | 通项型 | **放大/缩小 + 夹逼** | +| 4 | 形如 $(1+\frac{a_n}{n})^n$ 且 $a_n\to A$ | $1^\infty$ | **口诀 $e^{A}$ ** | | 5 | 极限式含子列 $\{x_{2k}\},\{x_{2k+1}\}$ 等 | 子列判敛 | **两子列极限相同 ⇒ 收敛;不同 ⇒ 发散** | ## 二、两大主战场 · 标准流程 @@ -62,20 +62,20 @@ flowchart TD | 优先级 | 工具 | 适用场景 | |---|---|---| | ⭐⭐⭐ | 定积分定义 | $\frac1n\sum f(\frac kn)$ 结构 → $\int_0^1 f(x)dx$ | -| ⭐⭐⭐ | 单调有界准则 | 递推 $x_{n+1}=f(x_n)$:有界 + 单调 ⇒ 收敛 | +| ⭐⭐⭐ | 单调有界准则 | 递推 $x_{n+1}=f(x_n)$ :有界 + 单调 ⇒ 收敛 | | ⭐⭐⭐ | 辅助函数 + Taylor 渐近 | 隐式递推($\cos x_{n+1}$ 等)+ 求 $\lim\frac{x_{n+1}}{x_n^k}$ | | ⭐⭐ | 夹逼准则 | $n$ 项和/积、符号振荡;**放缩后两界极限必须相同** | | ⭐⭐ | $1^\infty$ 口诀 | $(1+\frac{a_n}{n})^n\to e^{\lim a_n}$ | | ⭐ | Stolz–Cesàro | "数列版洛必达",$n$ 项和渐近 | -**补充结论(本次错题 3 直接命中)**:$a>b\ge0$ 时 $\sqrt[n]{a^n+b^n}\to a$(**指数主项法则**:$n$ 次根号下比"谁大"取谁)。含振荡项时用 $b^n\cdot(\text{有界量})$ 夹逼处理。 +**补充结论(本次错题 3 直接命中)**:$a>b\ge0$ 时 $\sqrt[n]{a^n+b^n}\to a$ (**指数主项法则**:$n$ 次根号下比"谁大"取谁)。含振荡项时用 $b^n\cdot(\text{有界量})$ 夹逼处理。 ## 四、四大死亡陷阱(一代笔记原文精神) | # | 陷阱 | 正确做法 | |---|---|---| -| 1 | **未证收敛就设极限** | 先证单调 + 有界,再设 $\lim x_n=A$;反例 $x_{n+1}=-x_n$:$A=-A$ 恒成立但极限不存在 | -| 2 | **不动点 ≠ 极限**(多个根) | 解 $A=f(A)$ 后**按初值范围/正性舍根**:如 $x_{n+1}=\frac1{x_n}$ 解出 $\pm1$,但 $x_n>0$ 只取 $1$ | +| 1 | **未证收敛就设极限** | 先证单调 + 有界,再设 $\lim x_n=A$ ;反例 $x_{n+1}=-x_n$ :$A=-A$ 恒成立但极限不存在 | +| 2 | **不动点 ≠ 极限**(多个根) | 解 $A=f(A)$ 后**按初值范围/正性舍根**:如 $x_{n+1}=\frac1{x_n}$ 解出 $\pm1$ ,但 $x_n>0$ 只取 $1$ | | 3 | **单调性方向搞反** | 作差看符号:$x_{n+1}-x_n>0$ 递增、$<0$ 递减;别硬证收敛(周期数列如 $x_{n+1}=1-\frac1{x_n}$ 会振荡) | | 4 | **$n$ 项和乱套定积分定义** | 必须能写成 $\frac1n\sum f(\frac kn)$ 且 $f$ 可积;无界如 $\sum\frac1k$ 不可套 | @@ -89,14 +89,14 @@ flowchart TD ## 六、跨章联动(数列极限的真正威力) -- **→ 定积分**:$\lim\frac1n\sum f(\frac kn)=\int_0^1 f$(2017·16 同款) +- **→ 定积分**:$\lim\frac1n\sum f(\frac kn)=\int_0^1 f$ (2017·16 同款) - **→ 无穷级数**:$\sum a_n$ 收敛 ⟺ 部分和 $S_n$ 收敛(判敛法全部迁移) -- **→ 导数定义**:$n(\sqrt[n]{a}-1)\to\ln a$($f'(1)$ 的数列版) -- **→ 微分方程**:递推不动点收敛 ⟷ 平衡点稳定($|f'(A)|<1$) +- **→ 导数定义**:$n(\sqrt[n]{a}-1)\to\ln a$ ($f'(1)$ 的数列版) +- **→ 微分方程**:递推不动点收敛 ⟷ 平衡点稳定($|f'(A)|<1$ ) ## 七、考法自检(做题前默念) 1. 递推?→ 三步:有界(归纳) → 单调(作差) → 设限舍根 -2. 和式?→ 先看能否变 $\frac1n\sum f(\frac kn)$;不能才夹逼,**放缩两界必须收敛到同一个数** -3. 根式 $\sqrt[n]{a^n+b^n}$?→ 取主项 max(a,b),振荡项用夹逼 -4. 存在性/复合?→ 内层必须收敛才有 $\lim f(x_n)=f(\lim x_n)$;有界 ⇒ 有收敛子列 +2. 和式?→ 先看能否变 $\frac1n\sum f(\frac kn)$ ;不能才夹逼,**放缩两界必须收敛到同一个数** +3. 根式 $\sqrt[n]{a^n+b^n}$ ?→ 取主项 max(a,b),振荡项用夹逼 +4. 存在性/复合?→ 内层必须收敛才有 $\lim f(x_n)=f(\lim x_n)$ ;有界 ⇒ 有收敛子列