Files
MathNotesVersion2/基于考研的学习/数学一/知识点构建/23-专背清单-概率论-第2讲-一维随机变量.md
Yimu 8c4b35a709 概率论专背清单:六讲 231 条口袋卡(21—27)
背诵版 16—20 是讲义态(一讲 1.2—2.3 万字符),复习一次 40 分钟且看完记不住。
用户反馈「不是不理解,是背的东西太多,靠逻辑推演速度太慢」,故另做记忆态清单。

- 21 总纲:收录标准(只收推不出或推起来超十秒的)、五型标签(式/表/判/模/反)、
  三轮刷法、六张跨讲对照(除数账本、独立四种说法、标准化三次、自由度账本、
  三对易混、两类错误)
- 22—27 六讲:32/44/41/36/25/53 条,合计 231 条,全刷 32 分钟
- 每册末「十秒自检」四条到六条,作为过关判据
- 考前三天只看「反」型(不成立断言与反例)与「表」型
- README 加 §四·五 说明分工:清单卡住 → 背诵版查全 → 在学练习看推导
- 总览目录树补入知识点构建(此前遗漏)
- 顺带修两处公式内伪链接(f'[...](b-a)、[x+(n-1)a](x-a)),check_md_links 归零
2026-11-17 20:09:09 +08:00

188 lines
10 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, 知识点构建, 专背清单, 概率论, 分布函数, 常见分布]
专题: 概率论 · 第2讲 一维随机变量 · 专背清单
日期: 2026-11-17
状态: 44 条(式 18 / 表 3 / 判 6 / 模 3 / 反 10 / 坑 4)
来源: 知识点构建 16 背诵版 §4—§7;真题库 chapter 15—16
关联笔记: ["[[21-专背清单-概率论-00-总纲与跨讲对照]]", "[[16-背诵版-概率论-第1-2讲-随机事件与一维随机变量]]"]
---
# 第 2 讲 一维随机变量 · 专背清单
> 44 条。**本讲真正要背的是三张表**(分布律表、连续分布表、$\Phi$ 恒等式),其余是从表里推的。七类分布的参数与支撑必须能默写,一错整题废。
## 一、分布函数(9 条)
**L2-01** `式` 定义:$F(x)=P\{X\le x\}$ ,定义域全体实数,值域 $[0,1]$ 。
 └ **不等号方向固定朝右**($\le x$ )。写成 $<x$ 就是另一个函数了。
**L2-02** `表` 四条性质(缺一不可):
| # | 性质 | 含义 |
|---|---|---|
| ① | 单调不减 | $x_1<x_2\Rightarrow F(x_1)\le F(x_2)$ |
| ② | 右连续 | $F(x+0)=F(x)$ |
| ③ | 左端 | $F(-\infty)=0$ |
| ④ | 右端 | $F(+\infty)=1$ |
 └ 判断题的常见错误项:说"$F$ 连续"(错,只保证右连续)、说"$F$ 可以取负"(错)。
**L2-03** `式` 单点概率:$P\{X=a\}=F(a)-F(a-0)$ 。
 └ $F$ 在 $a$ 处的**跳跃高度**就是这一点的概率。连续型处处跳跃为 0,故 $P\{X=a\}=0$ 。
**L2-04** `式` 区间概率两种写法:
$$P\{a<X\le b\}=F(b)-F(a),\qquad P\{a\le X\le b\}=F(b)-F(a-0).$$
 └ 连续型两者相同(因为 $P\{X=a\}=0$ ),离散型差一个 $p_a$ 。
**L2-05** `判` 判断一个函数能否当分布函数:先验 ①—④,再看 $F(-\infty)=0$ 与 $F(+\infty)=1$ 是否都满足。
 └ 最常考的反例:$F(x)=\frac{1}{1+\mathrm e^{-x}}$ (logistic)满足①②③④之外还连续,**是**分布函数;而 $F(x)=\sin x$ 在 $[0,\pi]$ 上不满足不减(在 $\frac\pi2$ 后下降)。
**L2-06** `反` $F$ 单调不减 **不推出** $F$ 连续;$F$ 有跳跃也不矛盾。
 └ 离散型的 $F$ 就是阶梯,跳跃点正是取值点。
**L2-07** `反` 由 $F$ 求 $f$ 时,**只有在 $F$ 可导的点**才有 $f=F'$ ;分段点上的导数值无意义,写成区间开闭都行。
**L2-08** `判` 由 $F$ 反求参数:把 $F(+\infty)=1$ 与 $F$ 在各段衔接处的**右连续性**联立。
 └ 两个方程解两个参数,这是标准套路(2024·8 的形态)。
**L2-09** `坑` $F(x)$ 表示的是**累积到 $x$ 为止**的概率,所以 $P\{X>x\}=1-F(x)$ ,而不是 $1-F(x-0)$ 。**只有取等号单点时才需要 $F(x-0)$ ** 。
## 二、离散型(8 条)
**L2-10** `式` 分布律两性质:$p_k=P\{X=x_k\}\ge0$ ,$\sum_kp_k=1$ 。
 └ 求和为 1 是**归一化**,求未知参数第一动作。
**L2-11** `表` 五个离散分布(默写支撑与分布律):
| 分布 | 记号 | 分布律 | 支撑 |
|---|---|---|---|
| 0-1 | $B(1,p)$ | $p^k(1-p)^{1-k}$ | $k=0,1$ |
| 二项 | $B(n,p)$ | $C_n^kp^k(1-p)^{n-k}$ | $k=0,\dots,n$ |
| 泊松 | $P(\lambda)$ | $\dfrac{\lambda^k\mathrm e^{-\lambda}}{k!}$ | $k=0,1,2,\dots$ |
| 几何 | $G(p)$ | $(1-p)^{k-1}p$ | $k=1,2,\dots$ |
| 超几何 | $H(N,M,n)$ | $\dfrac{C_M^kC_{N-M}^{n-k}}{C_N^n}$ | $k$ 取值受限于两堆 |
 └ 几何的支撑**从 1 起**(首次成功),这是最容易写错的一格。0-1 是二项的特例。
**L2-12** `式` 泊松定理:$n\to\infty$ 、$np\to\lambda$ 时 $C_n^kp^k(1-p)^{n-k}\to\dfrac{\lambda^k\mathrm e^{-\lambda}}{k!}$ 。
 └ 实用条件:$n\ge20$ 、$p\le0.05$ 、$np$ 适中。$\lambda$ **取 $np$ **,不是 $n$ 也不是 $p$ 。
**L2-13** `式` 可加性两条:二项(**同 $p$ **)相加仍是二项;泊松相加仍是泊松($\lambda$ 相加)。
 └ 反:二项**不同 $p$ ** 不可加;几何不可加。
**L2-14** `式` 几何分布无记忆:$P\{X>m+n\mid X>m\}=P\{X>n\}=(1-p)^n$ 。
 └ 这是**离散型里唯一**无记忆的分布,指数分布是连续型的对应物。
**L2-15** `式` 超几何 $\to$ 二项:$N\to\infty$ 且 $\frac MN\to p$ 时,$H(N,M,n)\approx B(n,p)$ 。
 └ 直观:总体很大时"不放回"和"放回"几乎一样。
**L2-16** `模` 求离散型函数分布 $Y=g(X)$ :把 $g(x_k)$ 逐个算出,**相同值的概率合并**。
 └ 反:$Y=X^2$ 时 $x_k$ 与 $-x_k$ 合并成一项,漏并就错。
**L2-17** `坑` 分布律表格的**行和列都要等于 1**:边缘和是 1,总计也是 1。填表题先查这两处。
## 三、连续型与三类分布(10 条)
**L2-18** `式` 密度三性质:$f(x)\ge0$ ;$\int_{-\infty}^{+\infty}f=1$ ;$F(x)=\int_{-\infty}^xf(t)\,\mathrm dt$ 。
**L2-19** `反` **密度可以大于 1**。
 └ 反例:$U(0,\frac12)$ 的 $f=2$ 。密度是"概率的密度",不是概率本身。判断题年年考。
**L2-20** `式` 连续型单点概率为零:$P\{X=a\}=0$ ,因此**开闭区间概率相同**。
 └ 推论:$P\{X\le a\}=P\{X<a\}$ ,写法上不必纠结端点。
**L2-21** `表` 三类连续分布:
| 分布 | 密度 | 分布函数 | 支撑 |
|---|---|---|---|
| 均匀 $U(a,b)$ | $\dfrac{1}{b-a}$ | $\dfrac{x-a}{b-a}$ | $a<x<b$ |
| 指数 $E(\lambda)$ | $\lambda\mathrm e^{-\lambda x}$ | $1-\mathrm e^{-\lambda x}$ | $x>0$ |
| 正态 $N(\mu,\sigma^2)$ | $\dfrac{1}{\sqrt{2\pi}\sigma}\mathrm e^{-\frac{(x-\mu)^2}{2\sigma^2}}$ | 无初等原函数 | 全体实数 |
 └ **正态的 $F$ 只能查表,绝不能积分**。看到有人对正态密度求积分,那是走错了路。
**L2-22** `式` 指数无记忆:$P\{X>s+t\mid X>s\}=P\{X>t\}=\mathrm e^{-\lambda t}$ 。
 └ 与几何分布成对记:**离散几何、连续指数,都无记忆**。
**L2-23** `式` 正态标准化:$X\sim N(\mu,\sigma^2)\Rightarrow Z=\dfrac{X-\mu}{\sigma}\sim N(0,1)$ 。
 └ 线性变换封闭:$aX+b\sim N(a\mu+b,\ a^2\sigma^2)$ 。**方差要乘 $a^2$ **。
**L2-24** `表` $\Phi$ 五恒等式(背到能反着用):
| 式子 | 用途 |
|---|---|
| $\Phi(-x)=1-\Phi(x)$ | 负值转正值,查表必用 |
| $\Phi(0)=\dfrac12$ | 对称中心 |
| $P\{Z\le z\}=\Phi(z)$ | 定义 |
| $P\{\lvert Z\rvert\le z\}=2\Phi(z)-1$ | 双侧 |
| $\Phi(1.96)=0.975$ 、$\Phi(1.645)\approx0.95$ | 两个必记数 |
**L2-25** `式` 正态区间:$P\{a<X<b\}=\Phi\!\left(\dfrac{b-\mu}{\sigma}\right)-\Phi\!\left(\dfrac{a-\mu}{\sigma}\right)$ 。
 └ **先标准化两个端点,再相减**。顺序反了会得负数。
**L2-26** `式` 上侧分位点:$z_\alpha$ 满足 $P\{Z>z_\alpha\}=\alpha$ ,即 $\Phi(z_\alpha)=1-\alpha$ 。
 └ **下标是尾巴面积,不是累积面积**。所以 $z_{0.025}=1.96$ 、$z_{0.05}=1.645$ 。这个约定与第 6 讲的 $t$ 、$\chi^2$ 分位点一致。
**L2-27** `反` 正态密度的**对称轴是 $\mu$ **,$\sigma$ 只管胖瘦,**不改位置**。
 └ 常见错项:"$\sigma$ 越大峰值越高"(错,越大越矮越胖,因为面积恒为 1)。
## 四、函数分布(8 条)
**L2-28** `判` 三条路线怎么选:
| 条件 | 走哪条 |
|---|---|
| $Y=g(X)$ 单调可导 | 公式法,一步出 $f_Y$ |
| 非单调(如 $X^2$ 、$\lvert X\rvert$ ) | 分布函数法 |
| 离散型 | 逐个映射后合并 |
**L2-29** `式` 单调变换公式:$f_Y(y)=f_X\big(h(y)\big)\,\lvert h'(y)\rvert$ ,$h=g^{-1}$ 。
 └ **绝对值不能丢**。$g$ 递减时 $h'<0$ ,丢了就出负密度。
**L2-30** `模` 分布函数法三步:① $F_Y(y)=P\{g(X)\le y\}$ ;② 解不等式化成 $X$ 的区间,用 $F_X$ 表示;③ 对 $y$ 求导得 $f_Y$ 。
 └ 第②步要**按 $y$ 的范围分段**,这是全题的分水岭。
**L2-31** `式` 平方变换:$X\sim N(0,1)$ 时 $Y=X^2$ 的 $f_Y(y)=\dfrac{1}{\sqrt{2\pi y}}\mathrm e^{-y/2}$ ($y>0$ ),即 $\chi^2(1)$ 。
 └ 这是"平方得卡方"的源头,第 6 讲拼装三大分布全靠它。
**L2-32** `判` $Y=g(X)$ 的支撑 = $g$ 在 $X$ 支撑上的**值域**。
 └ 反:$X\sim U(-1,1)$ 、$Y=X^2$ ,支撑是 $(0,1)$ 不是 $(-1,1)$ 。写错支撑,归一化就失败。
**L2-33** `坑` 分布函数法求导时,**分段点处用单侧导数**;写成统一式子后要回代验 $\int f_Y=1$ 。
**L2-34** `坑` $Y=\lvert X\rvert$ ($X\sim N(0,1)$ )时,$y>0$ 段是**两个分支叠加**:$f_Y(y)=2\varphi(y)$ 。漏一半是最常见的失分。
**L2-35** `反` $Y=g(X)$ 与 $X$ **一般不独立**,即使 $g$ 很简单。
 └ 特例:$X\sim N(0,1)$ 、$Y=X^2$ ,$\operatorname{Cov}(X,Y)=E(X^3)=0$ 但两者不独立——这就是 L4 讲的经典反例。
## 五、坑与反(4 条)
**L2-36** `反` $P\{X=a\}=0$ **不表示** $X=a$ 不可能发生。连续型每一点概率都是 0,但总有一点会发生。
**L2-37** `坑` 正态题里给的是 $\sigma^2$ 还是 $\sigma$ ,**看单位**。$N(\mu,\sigma^2)$ 的第二个参数是方差,标准化时分母要开方。
 └ 2025·10 的同类坑:题干给方差,公式要标准差。
**L2-38** `坑` $\Phi$ 表通常只列 $x\ge0$ ,遇到负值必须用 $\Phi(-x)=1-\Phi(x)$ 转正,**不能直接查**。
**L2-39** `反` $F(x)$ 与 $f(x)$ **量纲不同**:$f$ 是"每单位长度上的概率",可以有单位;$F$ 是无量纲的纯数。混着用会写出 $f>1$ 就判错的错误结论。
**L2-40** `判` 判断"某函数是否为密度":两条——非负、积分为 1。**不要求连续**,也不要求有界(可以有奇点,只要可积)。
**L2-41** `式` 由密度求期望时用 $\int xf(x)\mathrm dx$ ,**但要先确认 $\int\lvert x\rvert f<\infty$ ** ,否则期望不存在(柯西分布)。
**L2-42** `坑` 分段密度求待定常数:**逐段积分再相加等于 1**,不是只看一段。
**L2-43** `判` 独立性在一维里没有意义——独立性是**两个及以上**随机变量之间的事。选填若出现"$X$ 与自身独立",只有退化(常数)时成立。
**L2-44** `反` 两个正态的**和**是正态(独立时),但两个正态的**商**不是正态;两个均匀的和也不是均匀。函数分布不保"分布族"。
## 十秒自检
1. 默写 $F$ 的四条性质,特别说清"右连续"。
2. 说出五个离散分布的支撑,几何分布从几开始。
3. 写出 $\Phi$ 的四条恒等式与两个数值。
4. 分布函数法的三步,第几步最容易错。
5. 为什么 $P\{X=a\}=0$ 不等于不可能。
五条全过,本讲过关。