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
T
Yimu 26e91c4c68 知识点构建 02—27 批量修公式渲染(约 2500 处)
起因:01 重排时核验发现线上残留 $ 243 个,追查后确认 10-27/11-17 写的这批文件
都有同样问题——收尾 $ 后面紧跟中文标点,Gitea 整对不渲染,正文里直接露出
$\lim_{x\to0}...$ 源码,所以整页看着糊成一团。

- 02—20(背诵版)共插入 2550 处空格,逐文件二次运行均插入 0(幂等)
- 21—27(专背清单)另修 24 处「加粗以公式收尾」:公式被移出加粗范围
  (`**…$f$ **` → `**…** $f$ `),否则补的空格落在 `**` 内侧,星号会原样露出
- 09/11 等 4 处一个加粗里连着两个公式,迭代剥两次才对
- 01 已在上一提交(da4c938)单独处理,网页残留 0

全部经 fix_text 幂等核验;链接 28 文件 0 异常。
2026-11-22 23:00:17 +08:00

10 KiB
Raw Blame History

tags, 专题, 日期, 状态, 来源, 关联笔记
tags 专题 日期 状态 来源 关联笔记
数学一
知识点构建
专背清单
概率论
分布函数
常见分布
概率论 · 第2讲 一维随机变量 · 专背清单 2026-11-17 44 条(式 18 / 表 3 / 判 6 / 模 3 / 反 10 / 坑 4) 知识点构建 16 背诵版 §4—§7;真题库 chapter 15—16
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。