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

27 KiB
Raw Blame History

tags, 专题, 日期, 更新, 状态, 来源, 关联笔记
tags 专题 日期 更新 状态 来源 关联笔记
数学一
知识点构建
背诵版
概率论
随机事件
一维随机变量
概率论 · 第1+2讲 随机事件与一维随机变量(合并)· 背诵版 2026-10-27 2026-11-08(v2 重构:分块排版 + 真题地图对齐 sqlite + 纯题干题单) 背诵版 v2(考点分块完整呈现 + B 题型考点 + 31 题纯题干清单) 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)
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,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。

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-…。