Files
MathNotesVersion2/基于考研的学习/数学一/知识点构建/16-背诵版-概率论-第1-2讲-随机事件与一维随机变量.md
T
Yimu e6711c9bb1 概率论背诵版 16–20 重构:分块排版、题单对齐点分册、sqlite 真题地图
- 统一模板:§0 骨架(真题地图+考点树)→ 分块正文(单节≤12行)→ B 题型考点 → 纯题干题单
- 题单按真库在学练习重出:第3讲 27 题、第4讲 19 题、第5讲上/下 14+7 题、第6讲 26 题
- 18 号补 §4.4 条件期望与重期望、§4.5 线性组合与最值
- 用 sqlite 校正 4 处真题事实(2020·8 n=100、2025·9 λ=2、17 号 10题86分、20 号 8道解答5道 MLE)
- 修参考仓库 F(ax) 推导之误;表格内数学式统一 \\vert
2026-11-08 20:18:17 +08:00

449 lines
27 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, 知识点构建, 背诵版, 概率论, 随机事件, 一维随机变量]
专题: 概率论 · 第1+2讲 随机事件与一维随机变量(合并)· 背诵版
日期: 2026-10-27
更新: 2026-11-08(v2 重构:分块排版 + 真题地图对齐 sqlite + 纯题干题单)
状态: 背诵版 v2(考点分块完整呈现 + B 题型考点 + 31 题纯题干清单)
来源: 参考仓库 Math/probability-theory-and-mathematical-statistics/{knowledge/1, knowledge/2 一维部分, exercise/1, exercise/2 一维}|真题库 papers/近十年真题题库/kaoyan_math1.db(chapter 15–16)
关联笔记: ["[[README]]", "[[17-背诵版-概率论-第3讲-多维随机变量及其分布]]"]
---
# 概率论 · 第1+2讲 随机事件与一维随机变量 · 背诵版
> **范围**:参考仓库 `knowledge/1`(事件与概率)+ `knowledge/2` 的**一维部分**(多维见 [[17-背诵版-概率论-第3讲-多维随机变量及其分布|第3讲]],不重复)。
> **用法**:§0 搭骨架 → 逐节闭卷回忆 → §B 过题型 → 题单自测(只有题干,卡住回查参考仓库对应 tex 或本专栏解析)。
## 0 骨架(先背这张图)
### 0.1 一句话与依赖链
**一句话**:概率论 = **「算事件的概率(计数 + 公式)」+「刻画随机变量(分布函数 → 分布律/密度 → 常见分布 → 函数分布)」**。
**依赖链**:记数法 → 事件运算 → 概率公理与性质 → 条件/全概率/贝叶斯 → 独立性 → 随机变量与 $F(x)$ → 离散/连续两套语言 → 常见分布 → 函数分布。
**一条锚**:任何结论都要能回到 **$F(x)=P\{X\le x\}$ 的三性质** 与 **$\sum p_i=1$ / $\int f=1$** 去自检;算出来的概率不在 $[0,1]$ 或全积不为 1,立刻回头查。
### 0.2 十年真题地图(sqlite:概率基础章,2016–2025)
| 年份·题号 | 考点 | 分值 | 本章归属 |
|---|---|---|---|
| 2025·16 | 独立事件 + 条件概率 | 5 | §3 独立性 |
| 2024·16 | 独立重复试验的条件概率 | 5 | §3 独立性 |
| 2024·10 | 随机变量函数的分布(指数) | 5 | §7 函数分布 |
| 2024·8 | 正态随机变量的概率等式反求参数 | 5 | §6 连续型 |
| 2023·16 | 独立随机变量(二项)求 $P\{X=Y\}$ | 5 | §5 离散型 |
| 2022·16 | 条件概率(独立 + 互斥) | 5 | §2 概率公式 |
| 2021·8 | 条件概率命题真假判断 | 5 | §2 概率公式 |
| 2020·7 | 恰有一个事件发生的概率 | 4 | §2 概率公式 |
| 2019·14 | 分布函数与期望的复合概率 | 4 | §4 分布函数 |
| 2019·7 | $P(A)=P(B)$ 的充要条件 | 4 | §1 事件运算 |
| 2018·14 | 独立 + 条件概率($BC=\varnothing$) | 4 | §3 独立性 |
| 2018·7 | 概率密度对称性 | 4 | §6 连续型 |
| 2017·7 | 条件概率不等式的充要条件 | 4 | §2 概率公式 |
| 2016·7 | 正态分布概率的单调性 | 4 | §6 连续型 |
> **命题规律**:**选填 4–5 分,从不出解答**。高频三件事:① 独立/互斥/条件概率的**命题辨析**(2021·8、2017·7、2022·16);② **用 $F$ 或对称性反求**(2019·14、2018·7、2024·8);③ **函数分布**(2024·10 起手,大题在第 3 讲)。数字特征类(2023·8、2022·8、2021·16、2020·14、2017·14、2016·8)归 [[18-背诵版-概率论-第4讲-数字特征|第4讲]]。
### 0.3 考点树
| 节 | 考点 | 题号 |
|---|---|---|
| §1 | 样本空间、事件关系与运算、集合翻译 | 4、5 |
| §2 | 概率公理与性质、古典/几何概型、条件概率、全概率、贝叶斯 | 1–3、6–9 |
| §3 | 独立性、两两独立 vs 相互独立、$n$ 重伯努利 | 10–14 |
| §4 | 分布函数定义与三性质、用 $F$ 算概率、$F(g(x))$ 判定 | 15–19 |
| §5 | 分布律、五类离散分布、泊松定理 | 20–24 |
| §6 | 密度、三类连续分布、标准化与分位点 | 25–28 |
| §7 | 离散映射合并、分布函数法、三个常用变换 | 29–31 |
## 1 样本空间与随机事件
### 1.1 四个基本概念
| 概念 | 定义 | 记号 |
|---|---|---|
| 随机试验 | 可重复、结果不止一个、试验前不知哪个结果 | $E$ |
| 样本空间 | 所有可能结果的集合 | $\Omega$ |
| 样本点 | $\Omega$ 的元素,即一个基本结果 | $\omega$ |
| 随机事件 | $\Omega$ 的子集;一个样本点组成**基本事件** | $A,B,\dots$ |
必然事件 $\Omega$、不可能事件 $\varnothing$。**事件是集合**——这条决定了后面所有运算都能用集合语言。
### 1.2 事件的关系
| 关系 | 含义 | 集合语言 |
|---|---|---|
| 包含 | $A$ 发生必导致 $B$ 发生 | $A\subset B$ |
| 相等 | 互相包含 | $A=B$ |
| **互斥(互不相容)** | 不能同时发生 | $AB=\varnothing$ |
| **对立(逆)** | 必有一个发生且不能同时发生 | $A\cup\overline A=\Omega,\ A\overline A=\varnothing$ |
| **完备事件组** | 两两互斥、并为 $\Omega$ | $\sum_iA_i=\Omega,\ A_iA_j=\varnothing\ (i\ne j)$ |
> **互斥与对立的区别**:对立一定互斥,互斥不一定对立(还差"必有一个发生")。做题时"至少一个发生"用对立,"不能同时发生"用互斥。
### 1.3 事件运算与运算律
**五种运算**:积 $AB$(同时)、和 $A\cup B$(至少一个)、差 $A-B=A\overline B$($A$ 发生而 $B$ 不发生)、逆 $\overline A$、对称差(不考)。
**运算律**:交换、结合、分配($A(B\cup C)=AB\cup AC$)、吸收($A\cup AB=A$)、**对偶律(德摩根)**
$$\overline{A\cup B}=\overline A\,\overline B,\qquad \overline{AB}=\overline A\cup\overline B .$$
**差化积**:$A-B=A-AB=A\overline B$;由此 $P(A-B)=P(A)-P(AB)$。
### 1.4 集合翻译(把文字条件写成式子)
| 文字 | 式子 |
|---|---|
| $A,B$ 至少一个发生 | $A\cup B$ |
| $A,B$ 都不发生 | $\overline A\,\overline B$ |
| 恰好一个发生 | $A\overline B\cup\overline A B$ |
| $A$ 发生而 $B$ 不发生 | $A\overline B$ |
| "$C$ 发生必然导致 $AB$ 同时发生" | $C\subset AB$ |
| $A,B$ 互不相容 | $AB=\varnothing$ |
> **真题接口**:2019·7 考「$P(A)=P(B)$ 的充要条件」——把每个选项翻译成集合式,再用 $P(A)=P(A\overline B)+P(AB)$ 逐一比对,比硬凑概率快得多。
## 2 概率的定义与性质
### 2.1 三条公理(柯尔莫哥洛夫)
对样本空间 $\Omega$ 上的事件 $A$:① **非负** $P(A)\ge0$;② **规范性** $P(\Omega)=1$;③ **可列可加**:$A_1,A_2,\dots$ 两两互斥时 $P\left(\bigcup_{i}A_i\right)=\sum_iP(A_i)$。
### 2.2 由公理推出的六条性质(必背)
| 性质 | 公式 | 备注 |
|---|---|---|
| 不可能事件 | $P(\varnothing)=0$ | 反之不成立 |
| 有限可加 | 互斥时 $P(A\cup B)=P(A)+P(B)$ | 可推广到有限个 |
| **减法** | $P(A-B)=P(A)-P(AB)$ | 最关键,一切"差"都用它 |
| **单调性** | $A\subset B\Rightarrow P(A)\le P(B)$ | 且 $P(B-A)=P(B)-P(A)$ |
| **加法公式** | $P(A\cup B)=P(A)+P(B)-P(AB)$ | 三个事件再加 $-P(AB)-P(AC)-P(BC)+P(ABC)$ |
| 有界性 | $0\le P(A)\le1$ | $P(\overline A)=1-P(A)$ |
> **两个反直觉点**(选择题爱考):
> ① $P(A)=0$ **推不出** $A=\varnothing$(连续型单点概率为 0);$P(A)=1$ **推不出** $A=\Omega$。
> ② **互斥 $\Rightarrow P(AB)=0$,但 $P(AB)=0$ 推不出互斥**(同上,单点概率为 0 但事件不空)。
### 2.3 古典概型
**条件**:样本点有限且等可能。则
$$P(A)=\frac{\#A}{\#\Omega}=\frac{\text{有利样本点数}}{\text{样本点总数}} .$$
**三种计数法**:
| 方法 | 触发词 | 公式 | 例 |
|---|---|---|---|
| **捆绑** | "必须在一起" | $A_m^m\cdot A_{n-m+1}^{n-m+1}$ | 6 人排队 $AB$ 相邻:$A_2^2A_5^5$ |
| **插空** | "不相邻" | 先排无限制者,再插入空位 | 6 唱 4 舞不相邻:$A_6^6A_7^4$ |
| **插板** | "相同物分组、每组至少 1" | $C_{n-1}^{m-1}$ | 8 球入 3 盒每盒≥1:$C_7^2$ |
**两个标准模型**:
- **随机分配**:$n$ 个质点入 $N$ 个盒子,每质点独立选盒 ⟹ 总数 $N^n$(盒可空);若"每盒至多一个"⟹ $A_N^n$。
- **抽样**:有放回 ⟹ 每次独立、总数 $N^n$;不放回 ⟹ 有序 $A_N^n$、无序 $C_N^n$。
> **易错**:插空用**排列**(空位有先后),插板用**组合**(板无先后)。判断"是否同物"看题目是否强调"相同"。
### 2.4 几何概型
样本是某区域内的**等可能点**,则
$$P(A)=\frac{m(A)}{m(\Omega)}\quad(m=\text{长度、面积或体积}) .$$
**标准动作**:把"随机取点"翻译成坐标 $(x,y)$,把事件写成不等式,画图求面积比。
### 2.5 条件概率与乘法公式
**条件概率**($P(B)>0$):
$$P(A\mid B)=\frac{P(AB)}{P(B)} .$$
**乘法公式**:$P(AB)=P(B)P(A\mid B)=P(A)P(B\mid A)$;三个事件 $P(ABC)=P(A)P(B\mid A)P(C\mid AB)$。
**条件概率也是概率**:对固定的 $B$,$P(\cdot\mid B)$ 满足三条公理,所以加法、减法、对立公式**全部照用**(只需在条件里补上 $B$)。
### 2.6 全概率公式与贝叶斯公式
设 $A_1,\dots,A_n$ 为完备事件组,$P(A_i)>0$:
$$P(B)=\sum_{i=1}^{n}P(A_i)P(B\mid A_i)\qquad(\text{全概率}),$$
$$P(A_j\mid B)=\frac{P(A_j)P(B\mid A_j)}{\sum_{i=1}^{n}P(A_i)P(B\mid A_i)}\qquad(\text{贝叶斯}).$$
| 公式 | 触发信号 | 方向 |
|---|---|---|
| 全概率 | "分几种情况/几条来源 ⟹ 一个结果" | 由因求果 |
| 贝叶斯 | "已知结果,问来自哪个原因" | 由果溯因 |
> **贝叶斯的分母永远是全概率**。写不出分母,说明完备事件组没找对。
## 3 独立性
### 3.1 两个事件独立
**定义**:$P(AB)=P(A)P(B)$。等价形式(当 $P(A)>0,P(B)>0$):
$$P(A\mid B)=P(A)\iff P(B\mid A)=P(B)\iff P(A\mid B)+P(\overline A\mid B)=1 .$$
**核心定理**:$A,B$ 独立 $\iff$ $A$ 与 $\overline B$ 独立 $\iff$ $\overline A$ 与 $B$ 独立 $\iff$ $\overline A$ 与 $\overline B$ 独立(**补事件不破坏独立性**)。
> **条件**:$P(A\mid B)=P(A\mid\overline B)$ 也等价于独立,但**必须要求 $0<P(B)<1$**——否则 $\overline B$ 上无法定义条件概率。2017·7、2021·8 都在这个条件上设题。
### 3.2 多个事件:两两独立 vs 相互独立
| 概念 | 要求 |
|---|---|
| **两两独立** | 任意一对满足 $P(A_iA_j)=P(A_i)P(A_j)$ |
| **相互独立** | 任意 $k$ 个($2\le k\le n$)都满足 $P(A_{i_1}\cdots A_{i_k})=\prod P(A_{i_j})$ |
**两两独立 $\nRightarrow$ 相互独立**。经典反例:掷两枚硬币,$A_1$=第一次正、$A_2$=第二次正、$A_3$=两次同面——两两独立,但 $P(A_1A_2A_3)=\frac14\ne\frac18$。
### 3.3 $n$ 重伯努利试验
每次只有两个结果、各次独立、成功概率恒为 $p$。$n$ 次中成功 $k$ 次的概率 $C_n^kp^k(1-p)^{n-k}$。
**两类典型问法**:
- "至少成功一次" ⟹ 取对立事件:$1-(1-p)^n$;
- "直到第 $k$ 次才成功" ⟹ 几何分布(见 §5)。
> **真题接口**:2024·16(已知至少成功一次的条件下全部成功的条件概率)、2023·16(独立二项求 $P\{X=Y\}$)都是把"独立 ⟹ 乘"与"条件概率 ⟹ 除"两步拼起来。
## 4 随机变量与分布函数
### 4.1 定义
随机变量 $X=X(\omega)$ 是定义在 $\Omega$ 上的实值函数。**分布函数**
$$F(x)=P\{X\le x\},\qquad x\in\mathbb R .$$
### 4.2 三性质(充要,判断题必用)
① **单调不减**:$x_1<x_2\Rightarrow F(x_1)\le F(x_2)$;
② **有界**:$F(-\infty)=0$,$F(+\infty)=1$(即 $\lim_{x\to-\infty}F=0$,$\lim_{x\to+\infty}F=1$);
③ **右连续**:$F(x+0)=F(x)$。
三条满足的 $F$ 一定是某个随机变量的分布函数;反之亦然。
### 4.3 用 $F$ 算四类概率(必背)
| 目标 | 用 $F$ 表示 |
|---|---|
| $P\{X\le a\}$ | $F(a)$ |
| $P\{X<a\}$ | $F(a-0)$(左极限) |
| $P\{X=a\}$ | $F(a)-F(a-0)$(跳高) |
| $P\{a<X\le b\}$ | $F(b)-F(a)$ |
| $P\{X>a\}$ | $1-F(a)$ |
> $F$ 的**跳点**就是单点概率非零的地方,$F$ 连续 $\iff$ 该点为单点概率 0。
### 4.4 $F(g(x))$ 能否仍作分布函数(存在性判定)
只看 $g$ 把**两端送到哪里**:$x\to-\infty$ 时 $F(g(x))$ 必须 $\to0$,$x\to+\infty$ 时必须 $\to1$。
| 候选 | $x\to-\infty$ | $x\to+\infty$ | 结论 |
|---|---|---|---|
| $F(ax)$,$a>0$ | $F(-\infty)=0$ ✓ | $F(+\infty)=1$ ✓ | ✓(就是 $X/a$ 的分布函数) |
| $F(ax)$,$a<0$ | $F(+\infty)=1\ne0$ | $F(-\infty)=0\ne1$ | ✗(两端颠倒) |
| $F(x^2+1)$ | $F(+\infty)=1\ne0$ | $1$ | ✗ |
| $F(\vert x\vert)$ | $F(+\infty)=1\ne0$ | $1$ | ✗ |
| $F(x^3-1)$ | $F(-\infty)=0$ ✓ | $1$ ✓ | ✓(单调、右连续保住) |
| $F(\mathrm e^x)$ | $F(0)$ | $F(+\infty)=1$ | ✗(左端不是 0) |
**口诀**:**$g$ 的值域必须覆盖整个 $\mathbb R$ 且两端方向正确**——$a>0$ 的线性变换 $ax$ 是"同向拉伸",永远合法;凡含 $x^2$、$|x|$、$\mathrm e^x$ 的,左端都被折回 $+\infty$,必错。
> ⚠️ **一处要自己判对**:参考仓库此处写 $\lim_{x\to+\infty}F(ax)=a\lim F(x)=a$,那是把 $aF(x)$ 与 $F(ax)$ 记混了——$F(ax)$ 里 $a$ 在**自变量**上,$x\to+\infty$ 时 $ax\to+\infty$,极限仍是 1。
## 5 一维离散型随机变量
### 5.1 分布律
$p_i=P\{X=x_i\}$,充要条件:$p_i\ge0$ 且 $\sum_ip_i=1$。分布函数是**阶梯函数**:跳点 $x_i$,跳高 $p_i$。
### 5.2 五类离散分布(参数、分布律、场景)
| 分布 | 记号 | 分布律 | 典型场景 |
|---|---|---|---|
| 0-1 分布 | $B(1,p)$ | $P\{X=1\}=p,\ P\{X=0\}=1-p$ | 一次试验成功与否 |
| **二项** | $B(n,p)$ | $P\{X=k\}=C_n^kp^k(1-p)^{n-k}$ | $n$ 重伯努利成功次数 |
| **泊松** | $P(\lambda)$ | $P\{X=k\}=\dfrac{\lambda^k}{k!}\mathrm e^{-\lambda}$ | 稀有事件计数 |
| **几何** | $G(p)$ | $P\{X=k\}=(1-p)^{k-1}p$ | 首次成功所需次数 |
| **超几何** | $H(N,M,n)$ | $P\{X=k\}=\dfrac{C_M^kC_{N-M}^{n-k}}{C_N^n}$ | 不放回抽样中的次品数 |
**超几何的取值**:$k=0,1,\dots,\min(M,n)$,且需 $n-k\le N-M$。
**三个"变形"要认识**:
- 二项 vs 超几何:**有放回/独立 ⟹ 二项;不放回 ⟹ 超几何**($N$ 很大时超几何近似二项);
- 几何的"第 $r$ 次成功"版本:$P\{Y=k\}=C_{k-1}^{r-1}p^r(1-p)^{k-r}$(前 $k-1$ 次成功 $r-1$ 次,第 $k$ 次必成功);
- 负二项 = 几何的推广,考研只用到上式。
### 5.3 泊松定理(二项 → 泊松)
$n$ 很大、$p$ 很小、$np=\lambda$ 适中时
$$C_n^kp^k(1-p)^{n-k}\approx\frac{\lambda^k}{k!}\mathrm e^{-\lambda},\qquad \lambda=np .$$
> **$\lambda$ 永远是 $np$**,不是 $n$ 也不是 $p$。近似写法:$B(n,p)\approx P(np)$。
### 5.4 离散题的三种反求
| 题型 | 做法 |
|---|---|
| 反求参数 | 用 $\sum p_i=1$ 或题给等式(如 $P\{X=1\}=P\{X=2\}$)解参数 |
| 反求分布律 | 由 $P\{X\ge a\}=1-F(a-0)$ 型等式列方程 |
| 判定是否分布律 | 逐项非负 + 求和为 1 |
## 6 一维连续型随机变量
### 6.1 概率密度
存在 $f\ge0$ 使 $F(x)=\int_{-\infty}^{x}f(t)\,\mathrm dt$。充要条件:**$f(x)\ge0$ 且 $\int_{-\infty}^{+\infty}f(x)\,\mathrm dx=1$**。
**三条推论**:① 连续点处 $F'(x)=f(x)$;② $P\{a<X<b\}=\int_a^bf$(端点含不含都一样);③ **单点概率恒为 0**:$P\{X=a\}=0$。
> 由此,"$P\{X\le a\}=P\{X<a\}$"只对连续型成立,离散型差一个跳高。
### 6.2 三类连续分布
| 分布 | 记号 | 密度 | 分布函数 |
|---|---|---|---|
| **均匀** | $U(a,b)$ | $f=\dfrac1{b-a}$,$a<x<b$ | $\dfrac{x-a}{b-a}$,$a\le x<b$ |
| **指数** | $E(\lambda)$ | $f=\lambda\mathrm e^{-\lambda x}$,$x>0$ | $1-\mathrm e^{-\lambda x}$,$x>0$ |
| **正态** | $N(\mu,\sigma^2)$ | $\dfrac1{\sqrt{2\pi}\sigma}\mathrm e^{-\frac{(x-\mu)^2}{2\sigma^2}}$ | $\varPhi\!\left(\dfrac{x-\mu}{\sigma}\right)$ |
**均匀**:区间内等可能,**概率与长度成正比**——反求参数全靠这条(如 $P\{X>4\}=\frac12$ ⟹ $4$ 是区间中点)。
**指数**:**无记忆性**
$$P\{X>s+t\mid X>s\}=P\{X>t\}=\mathrm e^{-\lambda t}\quad(s,t>0).$$
"已经用了 $s$ 小时,还能再用 $t$ 小时"与"从新开始"一样——这是指数独有的,秒杀条件概率题。
**正态**:密度以 $x=\mu$ 对称,拐点 $\mu\pm\sigma$;标准化 $Z=\frac{X-\mu}{\sigma}\sim N(0,1)$,$F(x)=\varPhi\!\left(\frac{x-\mu}{\sigma}\right)$;对称性 $P\{X\le\mu-a\}=P\{X\ge\mu+a\}$,$P\{|X-\mu|<a\}=2\varPhi(a/\sigma)-1$。
### 6.3 分位点
$u_\alpha$ 满足 $P\{Z>u_\alpha\}=\alpha$(**上侧分位点**,$Z\sim N(0,1)$)。对称性:$u_{1-\alpha}=-u_\alpha$;常用 $u_{0.05}=1.645$、$u_{0.025}=1.96$。
> **读法**:$P\{|Z|<x\}=1-\alpha$ ⟹ 两尾各 $\frac\alpha2$ ⟹ $x=u_{\alpha/2}$。(旧版把 $\alpha$ 混成 $1-\alpha$,注意下标是**尾概率**。)
### 6.4 密度与分布函数的存在性判定
| 候选密度 | 判据 | 结论 |
|---|---|---|
| $f(2x)$ | $\int f(2x)\mathrm dx=\frac12\ne1$ | ✗(缺系数 2) |
| $2f(2x)$ | 全积分 $=1$ | ✓ |
| $f(2-x)$ | 换元后全积仍为 1($\vert x'\vert=1$) | ✓ |
| $f(x^2)$ | 由对称性积分 $\ne1$ 一般不对 | ✗ |
**口诀**:复合变换 $f(g(x))$ 是否仍是密度,只看 **$\int f(g(x))\mathrm dx$ 是否仍等于 1**(等价于 $|g'|$ 是否为 1,或补上 $|g'|$)。
### 6.5 对称性的两个用法
① 若 $f$ 关于 $x=c$ 对称,则 $\int_c^{+\infty}f=\frac12=\int_{-\infty}^{c}f$;
② 已知区间上的积分反求另一段。**标准例**:$f(1+x)=f(1-x)$(关于 $x=1$ 对称)且 $\int_1^2f=0.3$,求 $F(0)$。
$$\int_1^{+\infty}f=\frac12\ \Rightarrow\ \int_0^1f=\int_1^2f=0.3\ \Rightarrow\ F(0)=\int_{-\infty}^{0}f=1-\int_0^{+\infty}f=1-0.3-\frac12=0.2 .$$
**三步动作**:找对称轴 → 把已知区间搬到另一半 → 用 $1$ 减去已知部分。
## 7 一维随机变量函数的分布
### 7.1 离散型:映射合并
$Y=g(X)$ 的取值是 $g(x_i)$;**相同的 $y$ 值概率相加**:
$$P\{Y=y\}=\sum_{i:\,g(x_i)=y}p_i .$$
### 7.2 连续型:分布函数法四步(通法)
① 写 $F_Y(y)=P\{g(X)\le y\}$;
② 解不等式 $g(X)\le y$,得到 $X$ 的取值集合(**注意 $g$ 单调性与分段**);
③ 用 $F_X$ 或积分表示 $F_Y(y)$;
④ 求导得 $f_Y(y)=F_Y'(y)$,并写清 $y$ 的范围。
### 7.3 三个必背结论
| 变换 | $F_Y$ / $f_Y$ |
|---|---|
| $Y=aX+b$,$a\ne0$ | $f_Y(y)=\dfrac1{\vert a\vert}f_X\!\left(\dfrac{y-b}{a}\right)$ |
| $Y=X^2$ | $F_Y(y)=F_X(\sqrt y)-F_X(-\sqrt y)$($y>0$),$f_Y(y)=\dfrac1{2\sqrt y}\left[f_X(\sqrt y)+f_X(-\sqrt y)\right]$ |
| $Y=-X$ | $F_Y(y)=1-F_X(-y)$,$f_Y(y)=f_X(-y)$ |
**单调变换通式**($g$ 严格单调、可导、$g'\ne0$):$f_Y(y)=f_X(x(y))\cdot|x'(y)|$,即**密度乘反函数的导数绝对值**。
> **坑**:非单调($X^2$、$|X|$)必须分段或走分布函数法,直接套通式会漏一半概率。
## B 题型考点(怎么想到、为什么、坑在哪)
- **B1 计数三法的识别**:出现"在一起/相邻"⟹ 捆绑;"不相邻"⟹ 插空(空位数 = 无限制者数 + 1);"相同物分组且每组至少一个"⟹ 插板 $C_{n-1}^{m-1}$。**坑**:插空用排列、插板用组合;"至少一个"其实是用"隔板不空"实现。
- **B2 古典概型的倒数法**:直接数有利事件难时,先定总数(随机分配 $N^n$、抽样 $A_N^n/C_N^n$),再用"选定元素 + 剩余任排"数有利数。**为什么**:总数与有利数在同一模型下计数,才不会漏重或漏算。
- **B3 事件题的集合翻译**:"$C$ 必然导致 $AB$ 发生"⟹ $C\subset AB$;"至少一个"⟹ 并;"恰好一个"⟹ 对称差。翻译完用德摩根化到目标事件,再套公式。
- **B4 全概率 vs 贝叶斯的识别**:题目有"多因一果"的分层(检验误差 ⟹ 通过验收)用全概率;已知结果问来源(抽到正品问来自哪批)用贝叶斯。**分母就是全概率那一串**,写不出分母说明完备事件组错了。
- **B5 独立性的两步验证**:先算 $P(AB)$ 与 $P(A)P(B)$ 比;再验 $P(ABC)$。选择题常用"两两独立但非相互独立"的反例,看到"三个事件"就要警觉。
- **B6 分布函数存在性**:只看 $g$ 的两端走向($x\to-\infty$ 要 $\to-\infty$ 或至少让 $F\to0$)。**坑**:$F(x^2)$、$F(|x|)$ 在左端都取 $F(+\infty)=1$,必错。
- **B7 密度存在性**:算全积分是否为 1。**坑**:$f(2x)$ 少个 2;$f(2-x)$ 的换元方向($|x'|=1$ 所以对)。
- **B8 常见分布反求参数**:泊松用等式 $P\{X=k_1\}=P\{X=k_2\}$ 解 $\lambda$;均匀用"概率 = 长度比";二项/伯努利用"至少一次"取对立事件。
- **B9 指数无记忆性秒杀**:$P\{X>s+t\mid X>s\}=P\{X>t\}$,遇到"已使用/已工作 $s$ 时间"的条件概率**直接代**,不要积分。
- **B10 函数分布的三种出口**:单调变换 ⟹ 套 $f_Y=f_X|{\rm d}x/{\rm d}y|$;非单调 ⟹ 分布函数法分段;离散 ⟹ 映射合并。**最后一定验 $\int f_Y=1$**,防漏段。
## 8 题目清单(31 题,纯题干)
> 编号沿用参考仓库例题与习题顺序;A–F 组按考点归并。**只列题干,不给答案**——自测时先说"这题考哪一节、第一步做什么"。
### A 组 · 计数与古典概型(题 1–4)
- **题 1 · 捆绑法(★☆☆)**【e1】:$A,B,C,D,E,F$ 六人排成一排,要求 $A,B$ 必须相邻,求排法数。
- **题 2 · 插空法(★☆☆)**【e1】:6 个唱歌节目与 4 个舞蹈节目排节目单,要求任意两个舞蹈节目不相邻,求排法数。
- **题 3 · 插板法(★☆☆)**【e1】:8 个完全相同的球放入 3 个不同盒子,每盒至少一个,求放法数。
- **题 4 · 随机分配模型(★★☆)**【k1】:5 人各钓一条鱼,共钓到 3 条鱼,求下列事件概率:(Ⅰ)3 条鱼被同一人钓到;(Ⅱ)恰有 2 条被同一人钓到;(Ⅲ)3 条分属 3 人。
### B 组 · 事件与概率公式(题 5–9)
- **题 5 · 事件等式判断(★★☆)**【k1】:判断 $A-(B-C)=(A-B)\cup C$ 是否成立。
- **题 6 · 包含关系的概率下界(★★☆)**【k1】:$P(A)=0.4$,$P(B)=0.3$,若 $AB$ 发生则 $C$ 必然发生,求 $P(C)$ 的下界。
- **题 7 · 条件概率(★★★)**【k1】:$P(\overline A)=0.3$,$P(B)=0.4$,$P(A\overline B)=0.5$,求 $P(B\mid A\cup\overline B)$。
- **题 8 · 全概率·检验误差(★★★)**【k1】:每箱 10 件产品,次品数为 $0,1,2$ 三情形等可能;任取一箱并从中任取一件,若是正品则通过验收。若箱内确为 1 件次品时该件被误判为正品的概率为 0.1,2 件次品时为 0.2,求任取一箱通过验收的概率。
- **题 9 · 贝叶斯·两批零件(★★★)**【k1】:一批零件 9 正 3 次,另一批 8 正 4 次,两批等可能被选中;从中任取一件为正品,求它来自第一批的概率。
### C 组 · 独立性与伯努利(题 10–14)
- **题 10 · 独立事件的组合(★★☆)**【e1】:$A$ 与 $B$ 独立,$P(A)=a$,$P(B)=b$,事件 $C$ 必然导致 $AB$ 同时发生,求 $P(\overline A\,\overline B\,\overline C)$。
- **题 11 · 独立性的充要条件(★★★)**【k1】:设 $P(A)>0$,$P(B)>0$,证明 $P(B\mid A)=P(B\mid\overline A)$ 是 $A,B$ 相互独立的充要条件。
- **题 12 · 两两独立 ≠ 相互独立(★★★)**【k1】:掷两枚均匀硬币,$A_1$=第一次正面,$A_2$=第二次正面,$A_3$=两次结果相同,判断三事件的独立性。
- **题 13 · 伯努利·对立事件反推(★★☆)**【e1】:射手独立射击 4 次,至少命中 1 次的概率为 $\frac{15}{16}$,求至少有一次未命中的概率。
- **题 14 · 独立与补事件(★★☆)**【e2】:设 $0<P(A)<1$,$0<P(B)<1$,证明 $A,B$ 独立 $\iff$ $A$ 与 $\overline B$ 独立。
### D 组 · 分布函数与密度(题 15–19)
- **题 15 · 分布函数存在性(★★★)**【e2】:$F(x)$ 是某随机变量的分布函数,$a\ne0$ 为常数,判断 $F(ax)$、$F(x^2+1)$、$F(x^3-1)$、$F(\vert x\vert)$ 能否作分布函数。
- **题 16 · 密度对称性(★★★)**【e2】:$f(x)$ 满足 $f(1+x)=f(1-x)$,且 $\int_1^2f(x)\,\mathrm dx=0.3$,求 $F(0)$。
- **题 17 · 密度存在性(★★★)**【e2】:$f(x)$ 是概率密度,判断 $f(2x)$、$f(2-x)$ 能否作概率密度。
- **题 18 · $-X$ 的分布(★★☆)**【e2】:$X$ 的分布函数与密度为 $F(x),f(x)$,求 $-X$ 的分布函数与密度。
- **题 19 · 离散参数与分布函数(★★★)**【k2】:$X$ 的分布律为 $P\{X=1\}=\theta^2$,$P\{X=2\}=2\theta(1-\theta)$,$P\{X=3\}=(1-\theta)^2$,且 $P\{X\ge2\}=\frac34$。(Ⅰ)求 $\theta$;(Ⅱ)求 $X$ 的分布函数 $F(x)$ 并画阶梯图。
### E 组 · 常见分布(题 20–27)
- **题 20 · 二项分布(★★★)**【e2】:$X$ 的密度 $f(x)=2x\ (0<x<1)$,作 3 次独立重复试验,$Y$ 为事件 $\{X\le\frac12\}$ 出现的次数,求 $P\{Y=2\}$。
- **题 21 · 泊松反求参数(★★★)**【e2】:某书每页印刷错误数 $X\sim P(\lambda)$,恰有 1 个错误与恰有 2 个错误的页数相同,求抽查 4 页均无错误的概率。
- **题 22 · 几何分布(★★☆)**【e2】:袋中 8 球(3 白 5 黑),任取 4 球;若恰有 2 黑 2 白则停止,否则放回重取。$X$ 为试验次数,求 $P\{X=k\}$。
- **题 23 · 几何分布的变形(★★★★)**【e2】:$X$ 的密度 $f(x)=2^{-x}\ln2\ (x>0)$,独立重复观测直到出现第 2 个大于 3 的观测值为止,$Y$ 为观测次数,求 $Y$ 的分布律。
- **题 24 · 均匀分布反求参数(★★★)**【e2】:$X\sim U(a,b)$($a>0$),$P\{0<X<3\}=\frac14$,$P\{X>4\}=\frac12$,求 $f(x)$ 与 $P\{1<X<5\}$。
- **题 25 · 指数·无记忆性(★★★)**【e2】:$X\sim E(1)$,$a>0$,求 $P\{X\le a+1\mid X>a\}$。
- **题 26 · 指数·条件概率(★★☆)**【e2】:$X\sim E(1)$,求 $P\{2<X<3\mid X>1\}$。
- **题 27 · 正态分位点(★★★)**【e2】:$X\sim N(0,1)$,$u_\alpha$ 满足 $P\{X>u_\alpha\}=\alpha$;若 $P\{|X|<x\}=\alpha$,用 $u$ 表示 $x$。
### F 组 · 一维函数分布(题 28–31)
- **题 28 · 连续型函数分布(★★★)**【k2】:$X$ 的密度为三角型 $f_X(x)=1-|x|\ (|x|\le1)$,求 $Y=X^2+1$ 的分布函数。
- **题 29 · 离散型函数分布(★★☆)**【k2】:$X$ 取 $0,1,2,3,4,5$,求 $Y=2X+1$ 与 $Z=X^2$ 的分布律。
- **题 30 · 线性变换(★☆☆)**【e2】:$X$ 的密度为 $f(x)$,求 $Y=2X+3$ 的概率密度。
- **题 31 · 平方变换(★★★)**【e2】:$X\sim U(0,2)$,求 $Y=X^2$ 在 $(0,4)$ 内的概率密度。
---
> **回查入口**:参考仓库 `参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/1-random-events-and-probability/random-events-and-probability.tex`、`knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex`(§一维各节)、`exercise/1-…`、`exercise/2-…`。