--- tags: [数学一, 知识点构建, 背诵版, 概率论, 随机事件, 一维随机变量] 专题: 概率论 · 第1+2讲 随机事件与一维随机变量(合并)· 背诵版 日期: 2026-10-27 更新: 2026-11-08(v2 重构:分块排版 + 真题地图对齐 sqlite + 纯题干题单) 状态: 背诵版 v2(考点分块完整呈现 + B 题型考点 + 31 题纯题干清单) 来源: 参考仓库 Math/probability-theory-and-mathematical-statistics/{knowledge/1, knowledge/2 一维部分, exercise/1, exercise/2 一维}|真题库 papers/近十年真题题库/kaoyan_math1.db(chapter 15–16) 关联笔记: ["[[README]]", "[[17-背诵版-概率论-第3讲-多维随机变量及其分布]]"] --- # 概率论 · 第1+2讲 随机事件与一维随机变量 · 背诵版 > **范围**:参考仓库 `knowledge/1`(事件与概率)+ `knowledge/2` 的**一维部分**(多维见 [[17-背诵版-概率论-第3讲-多维随机变量及其分布|第3讲]],不重复)。 > **用法**:§0 搭骨架 → 逐节闭卷回忆 → §B 过题型 → 题单自测(只有题干,卡住回查参考仓库对应 tex 或本专栏解析)。 ## 0 骨架(先背这张图) ### 0.1 一句话与依赖链 **一句话**:概率论 = **「算事件的概率(计数 + 公式)」+「刻画随机变量(分布函数 → 分布律/密度 → 常见分布 → 函数分布)」**。 **依赖链**:记数法 → 事件运算 → 概率公理与性质 → 条件/全概率/贝叶斯 → 独立性 → 随机变量与 $F(x)$ → 离散/连续两套语言 → 常见分布 → 函数分布。 **一条锚**:任何结论都要能回到 **$F(x)=P\{X\le x\}$ 的三性质** 与 **$\sum p_i=1$ /** $\int f=1$ 去自检;算出来的概率不在 $[0,1]$ 或全积不为 1,立刻回头查。 ### 0.2 十年真题地图(sqlite:概率基础章,2016–2025) | 年份·题号 | 考点 | 分值 | 本章归属 | |---|---|---|---| | 2025·16 | 独立事件 + 条件概率 | 5 | §3 独立性 | | 2024·16 | 独立重复试验的条件概率 | 5 | §3 独立性 | | 2024·10 | 随机变量函数的分布(指数) | 5 | §7 函数分布 | | 2024·8 | 正态随机变量的概率等式反求参数 | 5 | §6 连续型 | | 2023·16 | 独立随机变量(二项)求 $P\{X=Y\}$ | 5 | §5 离散型 | | 2022·16 | 条件概率(独立 + 互斥) | 5 | §2 概率公式 | | 2021·8 | 条件概率命题真假判断 | 5 | §2 概率公式 | | 2020·7 | 恰有一个事件发生的概率 | 4 | §2 概率公式 | | 2019·14 | 分布函数与期望的复合概率 | 4 | §4 分布函数 | | 2019·7 | $P(A)=P(B)$ 的充要条件 | 4 | §1 事件运算 | | 2018·14 | 独立 + 条件概率($BC=\varnothing$ ) | 4 | §3 独立性 | | 2018·7 | 概率密度对称性 | 4 | §6 连续型 | | 2017·7 | 条件概率不等式的充要条件 | 4 | §2 概率公式 | | 2016·7 | 正态分布概率的单调性 | 4 | §6 连续型 | > **命题规律**:**选填 4–5 分,从不出解答**。高频三件事:① 独立/互斥/条件概率的**命题辨析**(2021·8、2017·7、2022·16);② **用 $F$ 或对称性反求**(2019·14、2018·7、2024·8);③ **函数分布**(2024·10 起手,大题在第 3 讲)。数字特征类(2023·8、2022·8、2021·16、2020·14、2017·14、2016·8)归 [[18-背诵版-概率论-第4讲-数字特征|第4讲]]。 ### 0.3 考点树 | 节 | 考点 | 题号 | |---|---|---| | §1 | 样本空间、事件关系与运算、集合翻译 | 4、5 | | §2 | 概率公理与性质、古典/几何概型、条件概率、全概率、贝叶斯 | 1–3、6–9 | | §3 | 独立性、两两独立 vs 相互独立、$n$ 重伯努利 | 10–14 | | §4 | 分布函数定义与三性质、用 $F$ 算概率、$F(g(x))$ 判定 | 15–19 | | §5 | 分布律、五类离散分布、泊松定理 | 20–24 | | §6 | 密度、三类连续分布、标准化与分位点 | 25–28 | | §7 | 离散映射合并、分布函数法、三个常用变换 | 29–31 | ## 1 样本空间与随机事件 ### 1.1 四个基本概念 | 概念 | 定义 | 记号 | |---|---|---| | 随机试验 | 可重复、结果不止一个、试验前不知哪个结果 | $E$ | | 样本空间 | 所有可能结果的集合 | $\Omega$ | | 样本点 | $\Omega$ 的元素,即一个基本结果 | $\omega$ | | 随机事件 | $\Omega$ 的子集;一个样本点组成**基本事件** | $A,B,\dots$ | 必然事件 $\Omega$ 、不可能事件 $\varnothing$ 。**事件是集合**——这条决定了后面所有运算都能用集合语言。 ### 1.2 事件的关系 | 关系 | 含义 | 集合语言 | |---|---|---| | 包含 | $A$ 发生必导致 $B$ 发生 | $A\subset B$ | | 相等 | 互相包含 | $A=B$ | | **互斥(互不相容)** | 不能同时发生 | $AB=\varnothing$ | | **对立(逆)** | 必有一个发生且不能同时发生 | $A\cup\overline A=\Omega,\ A\overline A=\varnothing$ | | **完备事件组** | 两两互斥、并为 $\Omega$ | $\sum_iA_i=\Omega,\ A_iA_j=\varnothing\ (i\ne j)$ | > **互斥与对立的区别**:对立一定互斥,互斥不一定对立(还差"必有一个发生")。做题时"至少一个发生"用对立,"不能同时发生"用互斥。 ### 1.3 事件运算与运算律 **五种运算**:积 $AB$ (同时)、和 $A\cup B$ (至少一个)、差 $A-B=A\overline B$ ($A$ 发生而 $B$ 不发生)、逆 $\overline A$ 、对称差(不考)。 **运算律**:交换、结合、分配($A(B\cup C)=AB\cup AC$ )、吸收($A\cup AB=A$ )、**对偶律(德摩根)** $$\overline{A\cup B}=\overline A\,\overline B,\qquad \overline{AB}=\overline A\cup\overline B .$$ **差化积**:$A-B=A-AB=A\overline B$ ;由此 $P(A-B)=P(A)-P(AB)$ 。 ### 1.4 集合翻译(把文字条件写成式子) | 文字 | 式子 | |---|---| | $A,B$ 至少一个发生 | $A\cup B$ | | $A,B$ 都不发生 | $\overline A\,\overline B$ | | 恰好一个发生 | $A\overline B\cup\overline A B$ | | $A$ 发生而 $B$ 不发生 | $A\overline B$ | | "$C$ 发生必然导致 $AB$ 同时发生" | $C\subset AB$ | | $A,B$ 互不相容 | $AB=\varnothing$ | > **真题接口**:2019·7 考「$P(A)=P(B)$ 的充要条件」——把每个选项翻译成集合式,再用 $P(A)=P(A\overline B)+P(AB)$ 逐一比对,比硬凑概率快得多。 ## 2 概率的定义与性质 ### 2.1 三条公理(柯尔莫哥洛夫) 对样本空间 $\Omega$ 上的事件 $A$ :① **非负** $P(A)\ge0$ ;② **规范性** $P(\Omega)=1$ ;③ **可列可加**:$A_1,A_2,\dots$ 两两互斥时 $P\left(\bigcup_{i}A_i\right)=\sum_iP(A_i)$ 。 ### 2.2 由公理推出的六条性质(必背) | 性质 | 公式 | 备注 | |---|---|---| | 不可能事件 | $P(\varnothing)=0$ | 反之不成立 | | 有限可加 | 互斥时 $P(A\cup B)=P(A)+P(B)$ | 可推广到有限个 | | **减法** | $P(A-B)=P(A)-P(AB)$ | 最关键,一切"差"都用它 | | **单调性** | $A\subset B\Rightarrow P(A)\le P(B)$ | 且 $P(B-A)=P(B)-P(A)$ | | **加法公式** | $P(A\cup B)=P(A)+P(B)-P(AB)$ | 三个事件再加 $-P(AB)-P(AC)-P(BC)+P(ABC)$ | | 有界性 | $0\le P(A)\le1$ | $P(\overline A)=1-P(A)$ | > **两个反直觉点**(选择题爱考): > ① $P(A)=0$ **推不出** $A=\varnothing$ (连续型单点概率为 0);$P(A)=1$ **推不出** $A=\Omega$ 。 > ② **互斥 $\Rightarrow P(AB)=0$ ,但 $P(AB)=0$ 推不出互斥**(同上,单点概率为 0 但事件不空)。 ### 2.3 古典概型 **条件**:样本点有限且等可能。则 $$P(A)=\frac{\#A}{\#\Omega}=\frac{\text{有利样本点数}}{\text{样本点总数}} .$$ **三种计数法**: | 方法 | 触发词 | 公式 | 例 | |---|---|---|---| | **捆绑** | "必须在一起" | $A_m^m\cdot A_{n-m+1}^{n-m+1}$ | 6 人排队 $AB$ 相邻:$A_2^2A_5^5$ | | **插空** | "不相邻" | 先排无限制者,再插入空位 | 6 唱 4 舞不相邻:$A_6^6A_7^4$ | | **插板** | "相同物分组、每组至少 1" | $C_{n-1}^{m-1}$ | 8 球入 3 盒每盒≥1:$C_7^2$ | **两个标准模型**: - **随机分配**:$n$ 个质点入 $N$ 个盒子,每质点独立选盒 ⟹ 总数 $N^n$ (盒可空);若"每盒至多一个"⟹ $A_N^n$ 。 - **抽样**:有放回 ⟹ 每次独立、总数 $N^n$ ;不放回 ⟹ 有序 $A_N^n$ 、无序 $C_N^n$ 。 > **易错**:插空用**排列**(空位有先后),插板用**组合**(板无先后)。判断"是否同物"看题目是否强调"相同"。 ### 2.4 几何概型 样本是某区域内的**等可能点**,则 $$P(A)=\frac{m(A)}{m(\Omega)}\quad(m=\text{长度、面积或体积}) .$$ **标准动作**:把"随机取点"翻译成坐标 $(x,y)$ ,把事件写成不等式,画图求面积比。 ### 2.5 条件概率与乘法公式 **条件概率**($P(B)>0$ ): $$P(A\mid B)=\frac{P(AB)}{P(B)} .$$ **乘法公式**:$P(AB)=P(B)P(A\mid B)=P(A)P(B\mid A)$ ;三个事件 $P(ABC)=P(A)P(B\mid A)P(C\mid AB)$ 。 **条件概率也是概率**:对固定的 $B$ ,$P(\cdot\mid B)$ 满足三条公理,所以加法、减法、对立公式**全部照用**(只需在条件里补上 $B$ )。 ### 2.6 全概率公式与贝叶斯公式 设 $A_1,\dots,A_n$ 为完备事件组,$P(A_i)>0$ : $$P(B)=\sum_{i=1}^{n}P(A_i)P(B\mid A_i)\qquad(\text{全概率}),$$ $$P(A_j\mid B)=\frac{P(A_j)P(B\mid A_j)}{\sum_{i=1}^{n}P(A_i)P(B\mid A_i)}\qquad(\text{贝叶斯}).$$ | 公式 | 触发信号 | 方向 | |---|---|---| | 全概率 | "分几种情况/几条来源 ⟹ 一个结果" | 由因求果 | | 贝叶斯 | "已知结果,问来自哪个原因" | 由果溯因 | > **贝叶斯的分母永远是全概率**。写不出分母,说明完备事件组没找对。 ## 3 独立性 ### 3.1 两个事件独立 **定义**:$P(AB)=P(A)P(B)$ 。等价形式(当 $P(A)>0,P(B)>0$ ): $$P(A\mid B)=P(A)\iff P(B\mid A)=P(B)\iff P(A\mid B)+P(\overline A\mid B)=1 .$$ **核心定理**:$A,B$ 独立 $\iff$ $A$ 与 $\overline B$ 独立 $\iff$ $\overline A$ 与 $B$ 独立 $\iff$ $\overline A$ 与 $\overline B$ 独立(**补事件不破坏独立性**)。 > **条件**:$P(A\mid B)=P(A\mid\overline B)$ 也等价于独立,但**必须要求** $0 **真题接口**:2024·16(已知至少成功一次的条件下全部成功的条件概率)、2023·16(独立二项求 $P\{X=Y\}$ )都是把"独立 ⟹ 乘"与"条件概率 ⟹ 除"两步拼起来。 ## 4 随机变量与分布函数 ### 4.1 定义 随机变量 $X=X(\omega)$ 是定义在 $\Omega$ 上的实值函数。**分布函数** $$F(x)=P\{X\le x\},\qquad x\in\mathbb R .$$ ### 4.2 三性质(充要,判断题必用) ① **单调不减**:$x_1a\}$ | $1-F(a)$ | > $F$ 的**跳点**就是单点概率非零的地方,$F$ 连续 $\iff$ 该点为单点概率 0。 ### 4.4 $F(g(x))$ 能否仍作分布函数(存在性判定) 只看 $g$ 把**两端送到哪里**:$x\to-\infty$ 时 $F(g(x))$ 必须 $\to0$ ,$x\to+\infty$ 时必须 $\to1$ 。 | 候选 | $x\to-\infty$ | $x\to+\infty$ | 结论 | |---|---|---|---| | $F(ax)$ ,$a>0$ | $F(-\infty)=0$ ✓ | $F(+\infty)=1$ ✓ | ✓(就是 $X/a$ 的分布函数) | | $F(ax)$ ,$a<0$ | $F(+\infty)=1\ne0$ | $F(-\infty)=0\ne1$ | ✗(两端颠倒) | | $F(x^2+1)$ | $F(+\infty)=1\ne0$ | $1$ | ✗ | | $F(\vert x\vert)$ | $F(+\infty)=1\ne0$ | $1$ | ✗ | | $F(x^3-1)$ | $F(-\infty)=0$ ✓ | $1$ ✓ | ✓(单调、右连续保住) | | $F(\mathrm e^x)$ | $F(0)$ | $F(+\infty)=1$ | ✗(左端不是 0) | **口诀**:**$g$ 的值域必须覆盖整个 $\mathbb R$ 且两端方向正确**——$a>0$ 的线性变换 $ax$ 是"同向拉伸",永远合法;凡含 $x^2$ 、$|x|$ 、$\mathrm e^x$ 的,左端都被折回 $+\infty$ ,必错。 > ⚠️ **一处要自己判对**:参考仓库此处写 $\lim_{x\to+\infty}F(ax)=a\lim F(x)=a$ ,那是把 $aF(x)$ 与 $F(ax)$ 记混了——$F(ax)$ 里 $a$ 在**自变量**上,$x\to+\infty$ 时 $ax\to+\infty$ ,极限仍是 1。 ## 5 一维离散型随机变量 ### 5.1 分布律 $p_i=P\{X=x_i\}$ ,充要条件:$p_i\ge0$ 且 $\sum_ip_i=1$ 。分布函数是**阶梯函数**:跳点 $x_i$ ,跳高 $p_i$ 。 ### 5.2 五类离散分布(参数、分布律、场景) | 分布 | 记号 | 分布律 | 典型场景 | |---|---|---|---| | 0-1 分布 | $B(1,p)$ | $P\{X=1\}=p,\ P\{X=0\}=1-p$ | 一次试验成功与否 | | **二项** | $B(n,p)$ | $P\{X=k\}=C_n^kp^k(1-p)^{n-k}$ | $n$ 重伯努利成功次数 | | **泊松** | $P(\lambda)$ | $P\{X=k\}=\dfrac{\lambda^k}{k!}\mathrm e^{-\lambda}$ | 稀有事件计数 | | **几何** | $G(p)$ | $P\{X=k\}=(1-p)^{k-1}p$ | 首次成功所需次数 | | **超几何** | $H(N,M,n)$ | $P\{X=k\}=\dfrac{C_M^kC_{N-M}^{n-k}}{C_N^n}$ | 不放回抽样中的次品数 | **超几何的取值**:$k=0,1,\dots,\min(M,n)$ ,且需 $n-k\le N-M$ 。 **三个"变形"要认识**: - 二项 vs 超几何:**有放回/独立 ⟹ 二项;不放回 ⟹ 超几何**($N$ 很大时超几何近似二项); - 几何的"第 $r$ 次成功"版本:$P\{Y=k\}=C_{k-1}^{r-1}p^r(1-p)^{k-r}$ (前 $k-1$ 次成功 $r-1$ 次,第 $k$ 次必成功); - 负二项 = 几何的推广,考研只用到上式。 ### 5.3 泊松定理(二项 → 泊松) $n$ 很大、$p$ 很小、$np=\lambda$ 适中时 $$C_n^kp^k(1-p)^{n-k}\approx\frac{\lambda^k}{k!}\mathrm e^{-\lambda},\qquad \lambda=np .$$ > **$\lambda$ 永远是** $np$ ,不是 $n$ 也不是 $p$ 。近似写法:$B(n,p)\approx P(np)$ 。 ### 5.4 离散题的三种反求 | 题型 | 做法 | |---|---| | 反求参数 | 用 $\sum p_i=1$ 或题给等式(如 $P\{X=1\}=P\{X=2\}$ )解参数 | | 反求分布律 | 由 $P\{X\ge a\}=1-F(a-0)$ 型等式列方程 | | 判定是否分布律 | 逐项非负 + 求和为 1 | ## 6 一维连续型随机变量 ### 6.1 概率密度 存在 $f\ge0$ 使 $F(x)=\int_{-\infty}^{x}f(t)\,\mathrm dt$ 。充要条件:**$f(x)\ge0$ 且** $\int_{-\infty}^{+\infty}f(x)\,\mathrm dx=1$ 。 **三条推论**:① 连续点处 $F'(x)=f(x)$ ;② $P\{a 由此,"$P\{X\le a\}=P\{X0$ | $1-\mathrm e^{-\lambda x}$ ,$x>0$ | | **正态** | $N(\mu,\sigma^2)$ | $\dfrac1{\sqrt{2\pi}\sigma}\mathrm e^{-\frac{(x-\mu)^2}{2\sigma^2}}$ | $\varPhi\!\left(\dfrac{x-\mu}{\sigma}\right)$ | **均匀**:区间内等可能,**概率与长度成正比**——反求参数全靠这条(如 $P\{X>4\}=\frac12$ ⟹ $4$ 是区间中点)。 **指数**:**无记忆性** $$P\{X>s+t\mid X>s\}=P\{X>t\}=\mathrm e^{-\lambda t}\quad(s,t>0).$$ "已经用了 $s$ 小时,还能再用 $t$ 小时"与"从新开始"一样——这是指数独有的,秒杀条件概率题。 **正态**:密度以 $x=\mu$ 对称,拐点 $\mu\pm\sigma$ ;标准化 $Z=\frac{X-\mu}{\sigma}\sim N(0,1)$ ,$F(x)=\varPhi\!\left(\frac{x-\mu}{\sigma}\right)$ ;对称性 $P\{X\le\mu-a\}=P\{X\ge\mu+a\}$ ,$P\{|X-\mu|u_\alpha\}=\alpha$ (**上侧分位点**,$Z\sim N(0,1)$ )。对称性:$u_{1-\alpha}=-u_\alpha$ ;常用 $u_{0.05}=1.645$ 、$u_{0.025}=1.96$ 。 > **读法**:$P\{|Z|0$ ),$f_Y(y)=\dfrac1{2\sqrt y}\left[f_X(\sqrt y)+f_X(-\sqrt y)\right]$ | | $Y=-X$ | $F_Y(y)=1-F_X(-y)$ ,$f_Y(y)=f_X(-y)$ | **单调变换通式**($g$ 严格单调、可导、$g'\ne0$ ):$f_Y(y)=f_X(x(y))\cdot|x'(y)|$ ,即**密度乘反函数的导数绝对值**。 > **坑**:非单调($X^2$ 、$|X|$ )必须分段或走分布函数法,直接套通式会漏一半概率。 ## B 题型考点(怎么想到、为什么、坑在哪) - **B1 计数三法的识别**:出现"在一起/相邻"⟹ 捆绑;"不相邻"⟹ 插空(空位数 = 无限制者数 + 1);"相同物分组且每组至少一个"⟹ 插板 $C_{n-1}^{m-1}$ 。**坑**:插空用排列、插板用组合;"至少一个"其实是用"隔板不空"实现。 - **B2 古典概型的倒数法**:直接数有利事件难时,先定总数(随机分配 $N^n$ 、抽样 $A_N^n/C_N^n$ ),再用"选定元素 + 剩余任排"数有利数。**为什么**:总数与有利数在同一模型下计数,才不会漏重或漏算。 - **B3 事件题的集合翻译**:"$C$ 必然导致 $AB$ 发生"⟹ $C\subset AB$ ;"至少一个"⟹ 并;"恰好一个"⟹ 对称差。翻译完用德摩根化到目标事件,再套公式。 - **B4 全概率 vs 贝叶斯的识别**:题目有"多因一果"的分层(检验误差 ⟹ 通过验收)用全概率;已知结果问来源(抽到正品问来自哪批)用贝叶斯。**分母就是全概率那一串**,写不出分母说明完备事件组错了。 - **B5 独立性的两步验证**:先算 $P(AB)$ 与 $P(A)P(B)$ 比;再验 $P(ABC)$ 。选择题常用"两两独立但非相互独立"的反例,看到"三个事件"就要警觉。 - **B6 分布函数存在性**:只看 $g$ 的两端走向($x\to-\infty$ 要 $\to-\infty$ 或至少让 $F\to0$ )。**坑**:$F(x^2)$ 、$F(|x|)$ 在左端都取 $F(+\infty)=1$ ,必错。 - **B7 密度存在性**:算全积分是否为 1。**坑**:$f(2x)$ 少个 2;$f(2-x)$ 的换元方向($|x'|=1$ 所以对)。 - **B8 常见分布反求参数**:泊松用等式 $P\{X=k_1\}=P\{X=k_2\}$ 解 $\lambda$ ;均匀用"概率 = 长度比";二项/伯努利用"至少一次"取对立事件。 - **B9 指数无记忆性秒杀**:$P\{X>s+t\mid X>s\}=P\{X>t\}$ ,遇到"已使用/已工作 $s$ 时间"的条件概率**直接代**,不要积分。 - **B10 函数分布的三种出口**:单调变换 ⟹ 套 $f_Y=f_X|{\rm d}x/{\rm d}y|$ ;非单调 ⟹ 分布函数法分段;离散 ⟹ 映射合并。**最后一定验** $\int f_Y=1$ ,防漏段。 ## 8 题目清单(31 题,纯题干) > 编号沿用参考仓库例题与习题顺序;A–F 组按考点归并。**只列题干,不给答案**——自测时先说"这题考哪一节、第一步做什么"。 ### A 组 · 计数与古典概型(题 1–4) - **题 1 · 捆绑法(★☆☆)**【e1】:$A,B,C,D,E,F$ 六人排成一排,要求 $A,B$ 必须相邻,求排法数。 - **题 2 · 插空法(★☆☆)**【e1】:6 个唱歌节目与 4 个舞蹈节目排节目单,要求任意两个舞蹈节目不相邻,求排法数。 - **题 3 · 插板法(★☆☆)**【e1】:8 个完全相同的球放入 3 个不同盒子,每盒至少一个,求放法数。 - **题 4 · 随机分配模型(★★☆)**【k1】:5 人各钓一条鱼,共钓到 3 条鱼,求下列事件概率:(Ⅰ)3 条鱼被同一人钓到;(Ⅱ)恰有 2 条被同一人钓到;(Ⅲ)3 条分属 3 人。 ### B 组 · 事件与概率公式(题 5–9) - **题 5 · 事件等式判断(★★☆)**【k1】:判断 $A-(B-C)=(A-B)\cup C$ 是否成立。 - **题 6 · 包含关系的概率下界(★★☆)**【k1】:$P(A)=0.4$ ,$P(B)=0.3$ ,若 $AB$ 发生则 $C$ 必然发生,求 $P(C)$ 的下界。 - **题 7 · 条件概率(★★★)**【k1】:$P(\overline A)=0.3$ ,$P(B)=0.4$ ,$P(A\overline B)=0.5$ ,求 $P(B\mid A\cup\overline B)$ 。 - **题 8 · 全概率·检验误差(★★★)**【k1】:每箱 10 件产品,次品数为 $0,1,2$ 三情形等可能;任取一箱并从中任取一件,若是正品则通过验收。若箱内确为 1 件次品时该件被误判为正品的概率为 0.1,2 件次品时为 0.2,求任取一箱通过验收的概率。 - **题 9 · 贝叶斯·两批零件(★★★)**【k1】:一批零件 9 正 3 次,另一批 8 正 4 次,两批等可能被选中;从中任取一件为正品,求它来自第一批的概率。 ### C 组 · 独立性与伯努利(题 10–14) - **题 10 · 独立事件的组合(★★☆)**【e1】:$A$ 与 $B$ 独立,$P(A)=a$ ,$P(B)=b$ ,事件 $C$ 必然导致 $AB$ 同时发生,求 $P(\overline A\,\overline B\,\overline C)$ 。 - **题 11 · 独立性的充要条件(★★★)**【k1】:设 $P(A)>0$ ,$P(B)>0$ ,证明 $P(B\mid A)=P(B\mid\overline A)$ 是 $A,B$ 相互独立的充要条件。 - **题 12 · 两两独立 ≠ 相互独立(★★★)**【k1】:掷两枚均匀硬币,$A_1$ =第一次正面,$A_2$ =第二次正面,$A_3$ =两次结果相同,判断三事件的独立性。 - **题 13 · 伯努利·对立事件反推(★★☆)**【e1】:射手独立射击 4 次,至少命中 1 次的概率为 $\frac{15}{16}$ ,求至少有一次未命中的概率。 - **题 14 · 独立与补事件(★★☆)**【e2】:设 $00)$ ,独立重复观测直到出现第 2 个大于 3 的观测值为止,$Y$ 为观测次数,求 $Y$ 的分布律。 - **题 24 · 均匀分布反求参数(★★★)**【e2】:$X\sim U(a,b)$ ($a>0$ ),$P\{04\}=\frac12$ ,求 $f(x)$ 与 $P\{10$ ,求 $P\{X\le a+1\mid X>a\}$ 。 - **题 26 · 指数·条件概率(★★☆)**【e2】:$X\sim E(1)$ ,求 $P\{21\}$ 。 - **题 27 · 正态分位点(★★★)**【e2】:$X\sim N(0,1)$ ,$u_\alpha$ 满足 $P\{X>u_\alpha\}=\alpha$ ;若 $P\{|X| **回查入口**:参考仓库 `参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/1-random-events-and-probability/random-events-and-probability.tex`、`knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex`(§一维各节)、`exercise/1-…`、`exercise/2-…`。