Files
Yimu 6dbd9e8e01 feat(模拟卷): 新增「第一次模拟-数学一」(22 题 150 分,试卷与考点手册分离)
按用户要求:模拟卷与知识点分文件、每题带考点跳转、难度对标真实卷、
来源以真题为主张宇为辅且不照搬、带预测导向。

结构(7 文件,均在 1.3 万字符内):
- 01-模拟卷:22 题,卷面完全照 2022—2025 格式(10 选 5 分 + 6 填 5 分 +
  17 题 10 分 + 18—22 各 12 分),每题末尾一行可点击的考点链接
- 02a/02b-答案与解析:客观题 16 题、解答题 6 题分册;每题含"怎么想—解—
  归因",末尾附错题归因表
- 03—05-考点手册:按科目分册,H01—H12 / L01—L06 / P01—P06 共 24 条,
  每条只写"一句话 + 判据步骤 + 坑 + 本卷题号",末尾附同类轮换考点表
- 06-考点预测与分布:十年 225 题统计、章节年均 vs 本卷对照、逐题来源表、
  三条命题规律、四个空缺与补法
- README:卷面规格、三轮用法、难度自评、与在学练习的对应关系

命题要点:
- 配比照真题 86/32/32;位置按"题位轮换"定,而非按"知识点重要性"定
- 真题骨架 20 题(2016—2025),张宇骨架用于难度校准;张宇无级数、无曲线
  曲面积分、无概率,这些位置只以真题为参照
- 所有数据重写:17 题由幂级数求和改为有理函数积分(使高数章节分布贴近真题,
  级数保持 2025 的 10 分)、8 题由 D(X+Y)=D(X−Y) 改为条件分布求协方差
  (补上十年 105 分的多维随机变量)
- 21 题加 b<0 条件以免 (a,b)=(0,3) 与 (2,−1) 两组解
- 选择题答案重排为 B/D/A/C/D/B/C/A/C/D,避免原稿 A×5 且连续四个 A

校验:check_md_links 8 文件 100 链接 0 异常;fix_gitea_math 0 处待修;
关键数值(e^{−1/3}、−π/2、2π、9π/10、6/11、ln(9/8)+1/2、1/24、5/16)
全部经 sympy 验算。

另:总览.md 补模拟卷分支;第 5 讲点 4 的表格源码重新对齐(无内容变更)。
2026-10-27 17:10:51 +08:00

154 lines
8.1 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
tags: [数学一, 模拟卷, 考点手册, 概率论]
专题: 第一次模拟 · 考点手册(概率论与数理统计)
日期: 2026-10-27
状态: 6 条考点, 对应本卷概率 5 题
关联笔记: ["[[README]]", "[[01-模拟卷]]", "[[02a-答案与解析-客观题]]", "[[02b-答案与解析-解答题]]"]
---
# 考点手册 · 概率论与数理统计
配套 [模拟卷](01-模拟卷.md) 与 [客观题解析](02a-答案与解析-客观题.md) 与 [解答题解析](02b-答案与解析-解答题.md)。概率的 32 分里,**分布 + 数字特征**占小题、**估计与检验**占大题,这本按这两条线划分。
## P01 协方差与不相关
**一句话**:不相关等价于协方差为零,它**弱于**独立;判断"是否不相关"就是把 $D(X\pm Y)$ 展开比较。
**三条展开式**
$$D(X\pm Y)=D(X)+D(Y)\pm2\operatorname{Cov}(X,Y),\qquad \operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY .$$
**判定链**
- 独立 $\Rightarrow$ 不相关(反之不成立)。
- 不相关 $\iff \operatorname{Cov}=0$ $\iff D(X+Y)=D(X-Y)$ 。
- $(X,Y)$ 服从**二维正态**时,不相关 $\iff$ 独立(这是唯一的常见例外,必须记住)。
**条件分布下怎么算协方差(本卷题 8 的路子)**
1. 由条件分布读出**条件期望**:题给的条件是:当 $X=x$ 时 $Y\sim U(0,x)$ ,由此立刻得 $E(Y\mid X=x)=\dfrac{x}{2}$ 。
2. 重期望公式求 $EY$ :$EY=E\big[E(Y\mid X)\big]$ 。
3. 求 $E(XY)$ 时**把 $X$ 提到条件期望里面**:$E(XY)=E\big[X\cdot E(Y\mid X)\big]$ 。这一步是全题的关键,比先求联合密度快得多。
4. 代 $\operatorname{Cov}=E(XY)-EX\cdot EY$ 。
**坑**
- $D(X-Y)=DX+DY-2\operatorname{Cov}$ ,中间是**减**号,符号错一处全错。
- 题目若给出 $D(X+Y)=D(X-Y)$ ,要立刻翻译成 $\operatorname{Cov}=0$ ,不要绕道求分布。
- 不相关只说"没有线性关系",仍可能有非线性关系(如 $Y=X^2$ ,$X$ 对称时二者不相关但不独立)。
**本卷**:题 8。
## P02 无偏估计与有效性
**一句话**:无偏看**期望**是否等于参数,有效看**方差**谁更小;两个都问时先筛无偏,再在无偏的里挑方差最小的。
**定义**
$$E\hat\theta=\theta\ \Rightarrow\ \text{无偏};\qquad D\hat\theta_1<D\hat\theta_2\ \Rightarrow\ \hat\theta_1\ \text{更有效}.$$
**线性估计量的两条速算**
设 $\hat\mu=\sum c_iX_i$ ,$X_i$ 独立同分布且 $DX_i=\sigma^2$ ,则
- 无偏 $\iff \sum c_i=1$ ;
- $D\hat\mu=\sigma^2\sum c_i^2$ 。
**于是"最有效"变成一道纯代数题**:在 $\sum c_i=1$ 的约束下最小化 $\sum c_i^2$ ,由柯西不等式等号条件得 $c_i=1/n$ ——**样本均值是线性无偏估计中方差最小的**。这条结论本身就是一道高频选择题。
**坑**
- 无偏与有效是两件事:方差小但有偏,不能叫"更有效"。
- $\dfrac{1}{n}\sum(X_i-\bar X)^2$ 是**有偏**的,除以 $n-1$ 才无偏。
- 系数之和不为 1 的估计量先算出偏差,别直接比方差。
**本卷**:题 9。
## P03 假设检验的拒绝域
**一句话**:拒绝域的形状只看**备择假设的方向**,分位数的下标只看**单双侧**,分布与自由度只看**方差已知还是未知**。
**四种基本情形($H_0:\mu=\mu_0$ )**
| 条件 | 统计量 | 备择 $H_1:\mu\ne\mu_0$ | $H_1:\mu>\mu_0$ | $H_1:\mu<\mu_0$ |
|---|---|---|---|---|
| $\sigma^2$ 已知 | $Z=\frac{\bar X-\mu_0}{\sigma/\sqrt n}$ | $\lvert Z\rvert>z_{\alpha/2}$ | $Z>z_\alpha$ | $Z<-z_\alpha$ |
| $\sigma^2$ 未知 | $T=\frac{\bar X-\mu_0}{S/\sqrt n}$ | $\lvert T\rvert>t_{\alpha/2}(n-1)$ | $T>t_\alpha(n-1)$ | $T<-t_\alpha(n-1)$ |
**读题三步**
1. 看 $H_1$ 的**方向**:出现 $\ne$ 就是双侧,分位数用 $\alpha/2$ ;出现 $>$ 或 $<$ 就是单侧,分位数用 $\alpha$ 。
2. 看 $\sigma^2$ 是否已知:已知用 $Z$ ,未知用 $t$ 。
3. 自由度是 $n-1$ ,不是 $n$ 。
**坑**
- 单侧检验写成 $\lvert T\rvert>t_\alpha$ 是最常见错误——单侧只看一边。
- $t$ 分布自由度 $n-1$ 与样本量有关,与 $\alpha$ 无关。
- 拒绝域的方向要跟 $H_1$ 一致:$H_1:\mu>\mu_0$ 时只有"$\bar X$ 偏大"才拒绝。
- 第二类错误 $\beta$ 是"$H_0$ 假却不拒绝",与 $\alpha$ 反向变化。
**本卷**:题 10。
## P04 二项分布与独立重复试验
**一句话**:$n$ 次独立重复、每次成功概率 $p$ ,成功次数 $X\sim B(n,p)$ ,$P\{X=k\}=\mathrm{C}_n^kp^k(1-p)^{n-k}$ ;两个独立二项变量求"相等"就按分布列配对求和。
**常用结论**
- $EX=np$ ,$DX=np(1-p)$ 。
- 两个独立二项变量 $X\sim B(n_1,p)$ 、$Y\sim B(n_2,p)$ 且 **$p$ 相同时**,有 $X+Y\sim B(n_1+n_2,p)$ 。
- 求 $P\{X=Y\}$ :$\sum_kP\{X=k\}P\{Y=k\}$ ,$k$ 取两个分布**共同**的取值范围,超出范围的项为 0 。
- $n$ 大 $p$ 小时用泊松近似 $np=\lambda$ 。
**坑**
- 相加成二项要求 $p$ **相同**且独立,$p$ 不同只能卷积。
- $P\{X=Y\}$ 的 $k$ 上限取 $\min\{n_1,n_2\}$ ,漏掉边界项会少算。
- 二项分布是"有放回"式的独立重复,与超几何分布不同。
**本卷**:题 16。
## P05 矩估计与极大似然估计
**一句话**:矩估计是"用样本矩替换总体矩解方程",极大似然是"把似然函数求导令其为零";两者都不需要记公式,按流程走即可。
**矩估计三步**
1. 算总体矩 $EX$ (含参数 $\theta$ )。
2. 令 $EX=\bar X$ ,解出 $\hat\theta$ 。
3. 若方程中出现 $\bar X-\text{常数}$ 这种结构,注意样本必须满足的取值范围(如 $\bar X>1$ )。
**极大似然四步**
1. 写似然 $L(\theta)=\prod f(x_i;\theta)$ ,**注意示性条件**(如所有 $x_i\geqslant1$ )。
2. 取对数 $\ln L$ ,把乘积变求和。
3. 对 $\theta$ 求导令零,解出 $\hat\theta$ 。
4. 若驻点不在参数空间内(如 $\hat\theta\leqslant1$ 而要求 $\theta>1$ ),极大值在**边界**取到,要用单调性论证。
**坑**
- 忘记写 $x_i\geqslant a$ 这类支撑条件,导致 $L$ 写错、导数解错。
- 样本量 $n$ 出现在 $\hat\theta$ 里别漏(本题 $\hat\theta=n\big/\sum\ln x_i$ ,分子是 $n$ 不是 1)。
- 密度含 $\theta$ 在指数上时,先取对数再求导几乎总比直接求导简单。
**本卷**:题 22 第(Ⅰ)(Ⅱ)问。
## P06 估计量的无偏性判定
**一句话**:判无偏就是算 $E\hat\theta$ ;当 $\hat\theta$ 取 $1/\bar Y$ 这种非线性形式时,用**詹森不等式**判方向而不是硬算。
**两条工具**
1. 直接算:$E\hat\theta=\displaystyle\int\hat\theta\cdot f\,\mathrm{d}x$ ,能算出来就比。
2. 詹森不等式:$g$ 为凸函数时 $E[g(Y)]\geqslant g(EY)$ (严格凸且 $Y$ 非常数时取严格不等号)。
**典型判断**:设 $E\bar Y=1/\theta$ ,$\hat\theta=1/\bar Y$ 。因 $1/y$ 在 $y>0$ 上严格凸,故 $E\hat\theta>\dfrac{1}{E\bar Y}=\theta$ ,即 $\hat\theta$ **系统性偏大**,是有偏估计。
**修正思路**:若 $E\hat\theta=(n-1)\theta/n$ 这类线性偏差,乘 $\dfrac{n}{n-1}$ 即得无偏;非线性偏差一般无法靠常数因子修正,需要另找统计量。
**坑**
- $E\!\left(\dfrac{1}{\bar X}\right)\ne\dfrac{1}{E\bar X}$ ,这是最经典的错误($1/x$ 不是线性函数)。
- 判断"有偏"只需要举出一个方向即可,但结论要写清是**偏大**还是**偏小**。
- 无偏性是关于**参数**的,不是关于样本的。
**本卷**:题 22 第(Ⅲ)问。
## 同类轮换考点(本卷未出,但要会)
| 考点 | 近五年出现 | 一句话 |
|---|---|---|
| 切比雪夫不等式 | 2022·9 | $P\{\lvert X-EX\rvert\geqslant\varepsilon\}\leqslant DX/\varepsilon^2$ |
| 中心极限定理 | 2025·9(泊松近似) | $\frac{\sum X_i-n\mu}{\sqrt n\sigma}$ 近似标准正态 |
| 二维连续型随机变量 | 2021·22、2023·22 | 先定区域再积,注意 $f_{X}$ 的积分限 |
| 随机变量函数的分布 | 2024·10、2025·22 | 分布函数法最稳,注意分段 |
| 次序统计量 | 2024·22 | 最小值的密度 $n[1-F(x)]^{n-1}f(x)$ |
| $F$ 分布与两总体方差比 | 2023·9 | $\frac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(n_1-1,n_2-1)$ |
| 第二类错误 | 2021·10 | $\beta=P\{\text{不拒绝}H_0\mid H_0\text{ 假}\}$ |