Files
MathNotesVersion2/基于考研的学习/数学一/模拟卷/第三次模拟-数学一/05-考点手册-概率论与数理统计.md
T
Yimu 6941d4e5ad feat(模拟卷): 新增「第三次模拟-数学一」(22 题 150 分,难度比真题高约半档)
按用户要求:难度略高于考研,参考真题库与张宇 1000 题。卷面照 2021—2025
格式(10 选 5 分 + 6 填 5 分 + 17 题 10 分 + 18—22 各 12 分),配比
高数 86 / 线代 32 / 概率 32;建议用时 200 分钟。

结构 8 文件(沿用卷一/卷二模具):
- 01-模拟卷:22 题纯题目,每题末尾可点击的考点跳转(22 行 / 24 条链接)
- 02a/02b:客观题 16 题、解答题 6 题分册,解答题带分步给分点
- 03—05:考点手册 H01—H12 / L01—L06 / P01—P06,共 24 条,
  每条"一句话 + 判据步骤 + 坑 + 本卷题号"
- 06-考点预测与分布:十年统计、逐题来源、四条规律、空缺、三卷互补表
- README:难度三卷对照 + 命题来源声明

抬难度的两条路径(区别于卷二的"干扰项更刁 + 计算多一步"):
1. 多一步转化:欧拉方程先换元(解 17)、高斯先补面(解 20)、
   二次型先定参再正交化(解 21)、均匀分布 MLE 不能求导(解 22)
2. 冷门也上桌:欧拉方程(十年仅 2021·13 一次)、切比雪夫(仅 2022·9)、
   反常积分含参判敛、定积分定义(仅 2021·4)、置信区间(十年 0 次)

补卷二空缺:二次型(解 21,12 分)与参数估计(解 22,12 分)。
每题数据全部重写,无照搬;真题骨架逐题标注在 06 第三节,
张宇骨架按现行入库的 21 章标注(第 6/8/9/13/15 章、L1/L2/L4/L5/L6)。

关键数值均经 sympy 验算:2/π、-π²/3、2x+4y-z=3、π²/4、4、1-e^{-2}、
y=(1-ln x+(ln x)³/6)x²、极值 -1 与最值 7、f''(η)≤-2、2π/3、
diag(2,1/2,1/2) 与椭球面、θ²/(3n) vs θ²/(n(n+2))。

顺带修正卷二的三个过期表述(本卷 06 第一节与第四节已按实证写):
- 卷面改版是 2021 年不是 2022 年(2021 已是 10 选 + 6 填 + 6 解)
- 张宇库现有高数 15 章 + 线代 6 章,不是"只有第 1 章"
- 21 题含参需先解组数再设条件

校验:check_md_links 8 文件 73 链接 0 异常;fix_gitea_math 0 处待修;
全部文件 < 1.3 万字符(最大 9497)。

另:总览与模拟卷 README 补卷三、卷二的索引行;2027模拟卷一.md 已从磁盘
删除,两处引用同步移除。
2026-10-31 16:06:39 +08:00

150 lines
8.5 KiB
Markdown
Raw 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, 概率论与数理统计]
专题: 第三次模拟 · 概率考点手册(P01—P06)
日期: 2026-10-31
状态: 6 条考点, 每条含一句话定位、判据步骤、坑、本卷题号
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]]"]
---
# 概率考点手册(P01—P06)
概率的小题失分集中在两处:**"不相关"与"独立"混用**,以及**统计量分位数用错自由度**。本卷这两处各占一题,做完务必对一遍。
## P01 切比雪夫不等式
**一句话**:不知道分布、只知道期望方差时,它是唯一能给出**概率下界**的工具。
**公式**
$$P\big\{\lvert X-E(X)\rvert\geqslant\varepsilon\big\}\leqslant\frac{D(X)}{\varepsilon^2},\qquad\text{等价地}\quad P\big\{\lvert X-E(X)\rvert<\varepsilon\big\}\geqslant1-\frac{D(X)}{\varepsilon^2}.$$
**用法三步**
1. 把要估的事件写成 $\lvert X-E(X)\rvert<\varepsilon$ 的形状(**先算中心与半径**);
2. 半径 $\varepsilon$ 就是不等式的分母;
3. 代入 $D(X)$ 得上式。
**本卷题 8**:$E(X)=2$ ,事件 $-1<X<5$ 即 $\lvert X-2\rvert<3$ ,$\varepsilon=3$ ,故下界 $1-\dfrac{1}{9}=\dfrac89$ 。
**坑**
- 区间不对称时**先平移**:$-1<X<5$ 的中心正好是 $2$ ,半径 $3$ ;若区间是 $(0,4)$ 就仍是中心 $2$ 半径 $2$ ,$\varepsilon$ 跟着变。
- 不等号方向:$\geqslant$ 配"落在区间内",$\leqslant$ 配"落在区间外",两个方向别写反。
- 题目问"至少",答案就是这个下界;问"不超过"则用上面那一支。
- 它是**下界**,不是精确值——真题选项里常放一个"看起来很准"的数做干扰。
**本卷**:题 8。
## P02 二维离散型与相关性
**一句话**:离散表只做四件事——**求边缘、求 $E(XY)$ 、算 $\operatorname{Cov}$ 、验独立**。
**计算顺序**
1. 边缘分布律:按行加、按列加;
2. $E(X)$ 、$E(Y)$ 用边缘算;
3. $E(XY)=\sum\sum x_iy_jp_{ij}$ **只能用联合表算**(这是与独立情形唯一的分水岭);
4. $\operatorname{Cov}=E(XY)-E(X)E(Y)$ ;$\operatorname{Cov}=0$ 称**不相关**。
5. 独立要验 $p_{ij}=p_{i\cdot}p_{\cdot j}$ 对**所有** $(i,j)$ 成立。
**本卷题 9 的数**:边缘 $P\{X=-1\}=0.6$ 、$P\{Y=0\}=0.5$ ;$E(X)=-0.2$ 、$E(Y)=0.5$ ;$E(XY)=(-1)(1)(0.4)+(1)(1)(0.1)=-0.3$ ;故 $\operatorname{Cov}=-0.3-(-0.2)(0.5)=-0.2\neq0$ ,**相关**。又 $0.2\neq0.6\times0.5=0.3$ ,**不独立**。
**坑**
- 把 $E(XY)$ 写成 $E(X)E(Y)$ ——那是独立才成立的公式,这里不独立,用了就必错。
- 只验一格就判独立。必须**每一格**都对上(本题第一格就崩了)。
- 认为"相关就一定不独立、独立就一定不相关"——后半句对,前半句不完整:**相关 $\Rightarrow$ 不独立,不独立 $\nRightarrow$ 相关**(存在不相关但不独立的例子)。
- 相互独立(选项 D)在"相关"成立时**逻辑上不可能**,可以直接排掉。
**本卷**:题 9。
## P03 置信区间与分位数
**一句话**:置信区间 $=$ **点估计 $\pm$ 分位数 $\times$ 标准误**,难点全在"选哪个分位数、自由度是多少"。
**三看定公式**($\mu$ 的区间,正态总体)
| 条件 | 统计量 | 分位数 | 区间 |
|---|---|---|---|
| $\sigma^2$ 已知 | $\dfrac{\bar X-\mu}{\sigma/\sqrt n}\sim N(0,1)$ | $u_{\alpha/2}$ | $\bar X\pm u_{\alpha/2}\dfrac{\sigma}{\sqrt n}$ |
| $\sigma^2$ 未知 | $\dfrac{\bar X-\mu}{S/\sqrt n}\sim t(n-1)$ | $t_{\alpha/2}(n-1)$ | $\bar X\pm t_{\alpha/2}(n-1)\dfrac{S}{\sqrt n}$ |
**三条判断**
1. $\sigma^2$ **未知** $\Rightarrow$ 用 $t$ 不用 $u$ ;
2. 双侧(对称区间)$\Rightarrow$ 用 $\alpha/2$ ;单侧才用 $\alpha$ ;
3. 自由度 $=n-1$ (减掉一个被 $\bar X$ 占掉的自由度)。
**坑**
- 自由度写成 $n$ (选项 B):$t$ 分布的自由度随样本量**减一**,这是最高频的错误。
- 单双侧混用:置信区间**一定是双侧**,所以一定是 $\alpha/2$ 。若写成 $t_\alpha$ (选项 D),区间会变窄,置信度不达标。
- $\sigma^2$ 未知却用 $u_{\alpha/2}$ (选项 A):大样本下近似可以,但本题 $n$ 未说明,**严格答案只能用 $t$ 分布**。
- 标准误是 $S/\sqrt n$ 不是 $S$ ;分母漏根号是最隐蔽的错。
**本卷**:题 10。
## P04 指数分布的无记忆性
**一句话**:$P\{X>s+t\mid X>s\}=P\{X>t\}$ ——**已经等过的部分,一笔勾销**。
**推导(也是解法)**
$$P\{X>s+t\mid X>s\}=\frac{P\{X>s+t\}}{P\{X>s\}}=\frac{\mathrm{e}^{-\lambda(s+t)}}{\mathrm{e}^{-\lambda s}}=\mathrm{e}^{-\lambda t}=P\{X>t\}.$$
**本卷题 16**:$P\{X>1\}=\mathrm{e}^{-\lambda}=\mathrm{e}^{-2}$ ,故 $\lambda=2$ 。所求
$$P\{X\leqslant2\mid X>1\}=1-P\{X>1\mid X>1\}=\ldots$$
更直接:条件在 $X>1$ 上,等价于从 $1$ 重新开始计时,所求即 $P\{X\leqslant1\}=1-\mathrm{e}^{-2}$ 。
**坑**
- 直接算 $\dfrac{P\{1<X\leqslant2\}}{P\{X>1\}}=\dfrac{\mathrm{e}^{-2}-\mathrm{e}^{-4}}{\mathrm{e}^{-2}}=1-\mathrm{e}^{-2}$ ——**两条路都要走通**,前者快,后者稳。
- 把"无记忆"用错方向:$P\{X\leqslant2\mid X>1\}$ 不等于 $P\{X\leqslant2\}$ (那是无条件概率,值不同)。
- 只有指数分布(和几何分布)有无记忆性,均匀分布、正态分布**都没有**。
- 先由 $P\{X>1\}$ 反解 $\lambda$ 这一步不要跳,题目可能给的是 $P\{X<2\}$ 之类。
**本卷**:题 16。
## P05 矩估计与最大似然估计
**一句话**:矩估计**让样本矩等于总体矩**;最大似然**让似然函数最大**。两者的方程完全不同,别混用。
**矩估计**
1. 算 $E(X)$ (含未知参数);
2. 令 $E(X)=\bar X$ ;
3. 解出参数。
**最大似然**
1. 写 $L(\theta)=\prod f(x_i;\theta)$ ;
2. 取对数 $\ln L$ ;
3. 求导令零,解出 $\hat\theta$ 。
**本卷题 22(Ⅰ)(Ⅱ)**:$X\sim U(0,\theta)$ 。
- 矩估计:$E(X)=\dfrac\theta2$ ,令 $\dfrac\theta2=\bar X$ ,得 $\hat\theta_1=2\bar X$ 。
- 最大似然:$L=\theta^{-n}$ (要求**所有** $x_i\in(0,\theta)$ ),$\ln L=-n\ln\theta$ 关于 $\theta$ **单调递减**,故 $L$ 在 $\theta$ 取**最小可能值**时最大。约束是所有 $x_i<\theta$ ,即 $\theta>\max x_i$ ,于是 $\hat\theta_2=X_{(n)}=\max\{x_i\}$ 。
**坑**
- **均匀分布的 MLE 不能用求导**:$\dfrac{\partial\ln L}{\partial\theta}=-\dfrac n\theta\neq0$ 永远不为零,写"令导数为零"就卡死了。这是本卷最想考的一步——**似然函数单调时,极值在约束边界上**。
- 忘了支撑集约束 $x_i\in(0,\theta)$ ,把 $\hat\theta$ 写成 $\bar X$ 或 $2\bar X$ 。
- 矩估计与 MLE 结果不同是常态(均匀分布就是最常见的例子),不要以为算错。
- 写 MLE 时要注明"$\theta\geqslant x_{(n)}$ 时 $L>0$ ,否则 $L=0$ ",否则不严谨。
**本卷**:题 22(Ⅰ)(Ⅱ)。
## P06 估计量的无偏性与方差比较
**一句话**:无偏看**期望**,有效看**方差**,两件事分开算、分开说。
**判据**
- 无偏:$E(\hat\theta)=\theta$ 。
- 有偏就修正:若 $E(\hat\theta)=k\theta$ ($k$ 为常数),则 $\dfrac{1}{k}\hat\theta$ 无偏。
- 有效性:同为无偏时,方差小的更有效。
**本卷题 22(Ⅲ)(Ⅳ)**:
- $E(\hat\theta_1)=E(2\bar X)=2\cdot\dfrac\theta2=\theta$ ,**无偏**。
- $E(\hat\theta_2)=E\big(X_{(n)}\big)=\dfrac{n\theta}{n+1}\neq\theta$ ,**有偏**;修正 $\tilde\theta=\dfrac{n+1}{n}X_{(n)}$ 无偏。
- 方差:$D(\hat\theta_1)=4\cdot\dfrac{\theta^2}{12n}=\dfrac{\theta^2}{3n}$ ;$D(\tilde\theta)=\Big(\dfrac{n+1}{n}\Big)^2\cdot\dfrac{n\theta^2}{(n+1)^2(n+2)}=\dfrac{\theta^2}{n(n+2)}$ 。
- 比较:$n(n+2)\geqslant3n\iff n\geqslant1$ ,故 $n\geqslant2$ 时 $\tilde\theta$ 的方差更小,**修正后的 MLE 比矩估计更有效**。
**必须记住的两个期望**
$$E\big(X_{(n)}\big)=\frac{n\theta}{n+1},\qquad D\big(X_{(n)}\big)=\frac{n\theta^2}{(n+1)^2(n+2)} .$$
**坑**
- 判断无偏只算 $E(\hat\theta)$ ,却把"相合""有效"的结论一并写上——三者是不同概念。
- 修正时乘错方向:$E(\hat\theta_2)=\frac{n}{n+1}\theta<\theta$ 是**偏小**,修正要乘 $\frac{n+1}{n}>1$ ,不是乘 $\frac{n}{n+1}$ 。
- 比较方差时忘了平方:$D(cX)=c^2D(X)$ ,$\frac{n+1}{n}$ 的平方漏掉,结论会反转。
- $n=1$ 时两者方差相等(都等于 $\theta^2/3$ ),题目限定 $n\geqslant2$ 就是为了避开这个退化点。
**本卷**:题 22(Ⅲ)(Ⅳ)。