Files
MathNotesVersion2/基于考研的学习/数学一/模拟卷/第一次模拟-数学一/05-考点手册-概率论与数理统计.md
T
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

8.1 KiB
Raw Blame History

tags, 专题, 日期, 状态, 关联笔记
tags 专题 日期 状态 关联笔记
数学一
模拟卷
考点手册
概率论
第一次模拟 · 考点手册(概率论与数理统计) 2026-10-27 6 条考点, 对应本卷概率 5 题
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 与 客观题解析 与 解答题解析。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}\}