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

186 lines
19 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
状态: 背诵版 v1(考点完整呈现 + 31 题清单,无解答)
来源: 参考仓库 Math/advanced-math 同源概率仓库(knowledge/1-random-events-and-probability + knowledge/2-random-variables-and-distribution 一维部分 + 对应 exercise)|在学练习尚无此讲
关联笔记: ["[[README]]", "[[16-背诵版-概率论-第1-2讲-随机事件与一维随机变量]]"]
---
# 概率论 · 第1+2讲 随机事件与一维随机变量(合并)· 背诵版
> **说明**:本讲在「在学练习」尚未建讲,按用户口径「前两章合并」(知识点密度较低)。考点取自参考仓库 `probability-theory-and-mathematical-statistics/knowledge/1-random-events-and-probability` 与 `knowledge/2-random-variables-and-distribution` 的**一维部分**(多维部分见 [[07-背诵版-概率论-第3讲-多维随机变量]],不重复);题目 = 两章 knowledge 例题 12 道 + exercise/1 5 道 + exercise/2 一维部分 14 道 = 31 道。
> **用法**:看 §0 骨架 → 闭卷回忆考点正文 → 用题目清单自测,卡住回查参考仓库对应 tex 节。
## 0. 本讲骨架(先背这张图)
**一句话**:概率论 = **「事件概率(计数 + 公式)+ 一维分布(分布函数/分布律/密度 + 常见分布)」**——前半是"算概率",后半是"刻画随机变量"。
**真题地位**:选填基础——古典概型/全概率贝叶斯、分布函数性质、常见分布参数反求、指数无记忆、正态分位点是高频;也是多维与数字特征的地基。参考仓库对应 knowledge/1、knowledge/2 与 exercise/1、exercise/2。
**依赖链**:排列组合计数 → 事件运算 → 概率公式(条件/全概率/贝叶斯)→ 独立性/伯努利 → 随机变量(分布函数 → 离散分布律 → 连续密度 → 常见分布)→ 函数分布。**主线**:**概率三公理 + 分布函数的"归一性"是检验一切对错的锚**。
**考点树**
| 节 | 考点(对应题号) |
|---|---|
| §1 排列组合 | 排列/组合、捆绑/插空/插板(题1–3) |
| §2 随机事件 | 关系、运算律、完备事件组(题4) |
| §3 概率与古典概型 | 定义三版本、古典计数三法、几何概型(题5–6) |
| §4 概率公式 | 逆事件/加法/减法/条件/乘法/全概率/贝叶斯(题7–11) |
| §5 独立性 | 两两独立 vs 相互独立、独立补、$n$ 重伯努利(题12–14) |
| §6 分布函数 | 定义三性质、存在性判定、归一性换算(题15–19) |
| §7 离散型 | 分布律、0-1/二项/泊松/几何(题20–24) |
| §8 连续型 | 密度两条件、均匀/指数(无记忆)/正态(标准化)(题25–28) |
| §9 函数分布 | 离散映射合并、分布函数法(题29–31) |
## 1. §1 排列组合
**公式**:$A_n^m=\dfrac{n!}{(n-m)!}$(排列有序);$C_n^m=\dfrac{n!}{(n-m)!m!}$(组合无序)。
**三种计数法(必背)**:①**捆绑法**——要求在一起:先内部排列再整体排列($A_2^2\cdot A_5^5$);②**插空法**——要求不相邻:先排不受限者,再把受限者插进空($A_6^6\cdot A_7^4$,6 个唱歌 7 个空);③**插板法**——同物分组:$n$ 个相同物 $m$ 盒至少 1 ⟹ $C_{n-1}^{m-1}$(8 球 3 盒 ⟹ $C_7^2$)。**为什么插板用组合**:板的位置选出来即完成分组,无先后次序。
## 2. §2 随机事件
**基本概念**:随机试验、样本空间 $\Omega$、随机事件($\Omega$ 的子集)、基本事件、必然/不可能事件。
**事件关系与运算**:包含、相等;**积** $A\cap B$(同时发生)、**和** $A\cup B$(至少一个)、**差** $A-B$、**逆** $\overline A$;**互斥(不相容)**、**完备事件组**(两两互斥且并为 $\Omega$)。**运算律**:交换/结合/分配律;$A-B=A\overline B$;**对偶律(德摩根)** $\overline{A\cup B}=\overline A\cap\overline B$,$\overline{A\cap B}=\overline A\cup\overline B$。
**集合翻译**:"事件 $C$ 必然导致 $AB$ 同时发生" ⟹ $C\subset AB$ ⟹ $\overline{AB}\subset\overline C$ ⟹ $\overline A\,\overline B\,\overline C=\overline A\,\overline B$。
## 3. §3 概率与古典概型
**概率定义三版本**:古典概型(等可能、有限样本)、几何概型(等可能、无限样本——$\frac{\text{测度之比}}{}$)、公理化定义($P(\Omega)=1$、非负、可列可加)。
**古典概型计数三法**:①列举法;②集合对应法(乘法/加法原理、排列组合);③**倒数法**(先算样本空间总数再数有利事件数)。**典型模型**:随机分配($n$ 质点入 $N$ 容器,每质点 $N$ 种选择,总数 $N^n$)、抽样(有放回/不放回)。
**几何概型**:落在区域任意位置等可能 ⟹ 概率 = 有利区域测度/总测度(面积/长度)。
## 4. §4 概率公式(必背)
- **逆事件**:$P(\overline A)=1-P(A)$;
- **加法**:$P(A\cup B)=P(A)+P(B)-P(AB)$(互斥时 $P(AB)=0$);
- **减法**:$P(A-B)=P(A)-P(AB)$;
- **条件概率**:$P(B|A)=\dfrac{P(AB)}{P(A)}$($P(A)>0$);
- **乘法公式**:$P(AB)=P(A)P(B|A)=P(B)P(A|B)$;
- **全概率公式**:$A_1,\cdots,A_n$ 完备 ⟹ $P(B)=\sum_{i=1}^n P(A_i)P(B|A_i)$(**分情况讨论**,如"正品 + 检验误差"型);
- **贝叶斯公式**:$P(A_j|B)=\dfrac{P(A_j)P(B|A_j)}{\sum_i P(A_i)P(B|A_i)}$(**已知结果求原因**,如"两批零件"型)。
## 5. §5 独立性
**事件独立**:$P(AB)=P(A)P(B)$(等价于 $P(B|A)=P(B)$,即**条件概率等于无条件概率**)。**定理**:$A$ 与 $B$ 独立 ⟺ $A$ 与 $\overline B$ 独立 ⟺ $\overline A$ 与 $B$ 独立 ⟺ $\overline A$ 与 $\overline B$ 独立(**补事件不破坏独立性**)。
**两两独立 vs 相互独立**:$n$ 个事件**两两独立**只要求每对 $P(A_iA_j)=P(A_i)P(A_j)$;**相互独立**要求任意 $k$ 个($2\le k\le n$)都满足乘积公式——两两独立 $\not\Rightarrow$ 相互独立(掷硬币三次 $A_1A_2A_3$ 反例)。
**$n$ 重伯努利试验**:每次只两个结果、概率恒定 $p$;$P\{X=k\}=C_n^k p^k(1-p)^{n-k}$。"至少命中一次" ⟹ 先取对立事件(全不中)再反推 $p$($1-(1-p)^n$)。
## 6. §6 分布函数与概率密度
**分布函数** $F(x)=P\{X\le x\}$:**三性质(充要)**:①单调不减;②$F(-\infty)=0,\ F(+\infty)=1$;③**右连续**。**换算**:$P\{X\le a\}=F(a)$;$P\{X<a\}=F(a-0)$(左极限);$P\{X=a\}=F(a)-F(a-0)$(单点概率);$P\{a<X\le b\}=F(b)-F(a)$。
**分布函数存在性判定**($F(g(x))$ 是否仍为分布函数):检验 $g(x)$ 在 $x\to\pm\infty$ 的**走向是否与原 $F$ 一致**——$F(ax)$($a\ne1$ 时趋向 $F(\infty)=a$ 不符)、$F(x^2+1)$($x\to-\infty$ 时 $x^2+1\to+\infty$,左端趋向 1 ⟹ 不符)、$F(|X|)$(同理不符);$F(x^3-1)$ 单调过全体实数 ⟹ 可以。
**概率密度**:$f(x)\ge0$ 且 $\int_{-\infty}^{+\infty}f(x)dx=1$(充要);连续点 $F'(x)=f(x)$;单点概率 0($P\{X=a\}=0$)。**判定**:$f(2x)$ 全积 $=\frac12$ ⟹ 不是密度;$f(2-x)$ 换元积分 $=1$ ⟹ 是密度(复合系数与方向都要验)。
**对称性用法**:$f(x)$ 关于 $x=c$ 对称 ⟹ $\int_c^{+\infty}f=\frac12$,配合给定区间积分反求 $F$(如 $f(1+x)=f(1-x)$ 求 $F(0)$)。
## 7. §7 一维离散型
**分布律** $p_i=P\{X=x_i\}$:$p_i\ge0$ 且 $\sum p_i=1$;$F(x)$ 为阶梯函数(跳点 $x_i$,跳高 $p_i$)。
**四大分布(参数/分布律/用途必背)**:
- **0-1 分布** $B(1,p)$:$P\{X=k\}=p^k(1-p)^{1-k}$;
- **二项分布** $B(n,p)$:$P\{X=k\}=C_n^k p^k(1-p)^{n-k}$($n$ 重伯努利成功次数);
- **泊松分布** $P(\lambda)$:$P\{X=k\}=\frac{\lambda^k}{k!}e^{-\lambda}$(稀有事件计数;**泊松定理** $n$ 大 $p$ 小二项近似泊松 $\lambda=np$);**用 $P\{X=1\}=P\{X=2\}$ 型反求 $\lambda$**;
- **几何分布** $G(p)$:$P\{X=k\}=(1-p)^{k-1}p$(**首次成功**所需次数,"直到……停止"的信号)。
**几何分布变形(第 $r$ 次成功)**:$P\{Y=k\}=C_{k-1}^{r-1}p^r(1-p)^{k-r}$(前 $k-1$ 次 $r-1$ 次成功 + 第 $k$ 次成功)。
## 8. §8 一维连续型
**三大分布**:
- **均匀分布** $U(a,b)$:$f=\frac1{b-a}$($a<x<b$),$F=\frac{x-a}{b-a}$;**反求参数**用概率与长度成正比:$P\{X>4\}=\frac12$ ⟹ $4$ 是中点;$P\{0<X<3\}=\frac14$ 反解区间;
- **指数分布** $E(\lambda)$:$f=\lambda e^{-\lambda x}$($x>0$),$F=1-e^{-\lambda x}$;**无记忆性** $P\{X>s+t|X>s\}=P\{X>t\}$——"用了 $a$ 小时后还能再用 $b$ 小时"与没用过一样;
- **正态分布** $N(\mu,\sigma^2)$:密度以 $\mu$ 对称、拐点 $\mu\pm\sigma$;**标准化** $Z=\frac{X-\mu}{\sigma}\sim N(0,1)$,$F(x)=\varPhi(\frac{x-\mu}{\sigma})$;$P\{|X|<x\}=\alpha$ ⟹ 两尾各 $\frac{1-\alpha}2$,$x=\mu_{\frac{1-\alpha}2}$(上分位点)。
**条件概率与分布**:$P\{a<X<b|X>c\}=\frac{P\{a<X<b\}}{P\{X>c\}}$(指数型可用无记忆性直接写)。
## 9. §9 一维函数分布
**离散型**:$Y=g(X)$ 的可能取值 $=g(x_i)$,概率按 $x_i$ 合并(**相同的 $y$ 值概率相加**)。
**连续型(分布函数法,四步)**:①$F_Y(y)=P\{g(X)\le y\}$;②解不等式 $g(X)\le y$ 得 $X$ 的范围(注意 $g$ 单调性/分段);③把 $F_Y(y)$ 写成 $X$ 的分布函数或积分;④求导得 $f_Y(y)=F_Y'(y)$。
**常见模式**:$Y=aX+b$ ⟹ $f_Y(y)=\frac1{|a|}f(\frac{y-b}{a})$;$Y=X^2$ ⟹ $F_Y(y)=F_X(\sqrt y)-F_X(-\sqrt y)$ 再求导;$-X$ ⟹ $F_{-X}(x)=1-F(-x)$,$f_{-X}(x)=f(-x)$。
### §2·B 题型考点(怎么做、为什么、坑)★必背
**① 计数三法的识别信号**:出现"在一起/相邻" ⟹ 捆绑;"不能相邻/不相邻" ⟹ 插空(先排无限制者,插空数 = 无限制者个数 + 1);"相同物分组、至少 1" ⟹ 插板($C_{n-1}^{m-1}$)。**坑**:插空用排列(空有先后)、插板用组合(板无先后)。
**② 古典概型倒数法**(钓鱼题):"5 人钓 3 条鱼"——总数 $5^3$(每人任选一条),有利数按"选定人"组合 $C_5^2\cdot3\cdot4$ 型。**为什么**:随机分配模型每质点 $N$ 种选择,独立可乘。
**③ 事件题的集合翻译**("C 必然导致 AB"型):把文字条件写成集合包含关系,再用德摩根/吸收律化简到目标事件,最后用独立性拆乘积。
**④ 全概率与贝叶斯的识别**:题目含"多层原因 → 一个结果"(检验误差导致通过验收)⟹ 全概率(沿原因求和);"已知结果 → 问来自哪个原因"(两批零件里抽到正品问批次)⟹ 贝叶斯。**分母永远是全概率公式的式子**。
**⑤ 独立 vs 两两独立**:选择题常用"两两独立但非相互独立"反例(掷硬币 $A_1A_2A_3$)。判独立性先验 $P(AB)=P(A)P(B)$ 再验 $P(ABC)$。
**⑥ 分布函数/密度存在性判定**:只看 $F(g(x))$ 中 $g$ 的**两端走向与值域**($x\to-\infty$ 必须 $\to-\infty$ 或取到使 $F\to0$ 的值域下确界),$f(g(x))$ 看**全积是否仍为 1**(系数 $\ne1$ 即错)。
**⑦ 常见分布反求参数两模式**:泊松用 $P\{X=k_1\}=P\{X=k_2\}$ 解 $\lambda$;均匀用区间长度比例;几何/伯努利用"对立事件"(至少一次 ⟹ $1-(1-p)^n$)。**坑**:伯努利题先确认"每次试验独立且 $p$ 恒定"再套 $C_n^kp^k(1-p)^{n-k}$。
**⑧ 指数无记忆性是"秒杀器"**:条件概率 $P\{X>s+t|X>s\}$ 直接 $=P\{X>t\}=e^{-\lambda t}$,避免积分(例:$P\{X\le a+1|X>a\}=1-e^{-1}$)。
**⑨ 正态标准化与对称性**:任何 $N(\mu,\sigma^2)$ 概率题先标准化;$P\{|X|<x\}$ 拆成"总概率 1 - 两尾";分位点题用"面积 = 下标"直接对应。
**⑩ 分布函数法的坑**:$g(X)$ 不单调时($X^2$)要**分段**处理区间端点(负半轴、正半轴);求完 $F_Y$ 记得验证归一性($F_Y(\infty)=1$)防漏段。
## 10. 题目清单(31 题)
> 编号按本讲内部顺序;A–F 组对应出处节。来源:knowledge/1 例题 8 道 + exercise/1 5 道 + knowledge/2 一维例题 4 道 + exercise/2 一维 14 道。
### A. 排列组合与古典概型(题1–4)
- **题 1 · 捆绑法(★☆☆)**【e1】:$ABCDEF$ 六人排队,要求 $AB$ 必须在一起,求排法数($A_2^2\cdot A_5^5=240$)。
- **题 2 · 插空法(★☆☆)**【e1】:6 个唱歌节目与 4 个舞蹈节目排列,两个舞蹈节目不能相邻,求排法数($A_6^6\cdot A_7^4$)。
- **题 3 · 插板法(★☆☆)**【e1】:将 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($C_7^2=21$)。
- **题 4 · 古典概型·随机分配(★★☆)**【k1】:5 人各钓 1 条鱼,共 3 条鱼,求三问概率:3 条被同 1 人钓到 / 恰有 2 条被同 1 人钓到 / 3 条被不同人钓到($\frac{C_5^1}{5^3}$、$\frac{C_3^2C_5^1\cdot4}{5^3}$、$\frac{C_5^3P_3^3}{5^3}$)。
### B. 事件运算与概率公式(题5–10)
- **题 5 · 事件等式判断(★★☆)**【k1】:判断 $A-(B-C)=(A-B)\cup C$ 是否成立(不成立,左 $\subset$ 右)。
- **题 6 · 包含关系(★★☆)**【k1】:$P(A)=0.4,P(B)=0.3$,$AB$ 同时发生则 $C$ 也必然发生,求 $P(C)$ 的下界($P(C)\ge P(AB)\ge P(A)+P(B)-1=0.2$,选 B)。
- **题 7 · 条件概率(★★★)**【k1】:$P(\overline A)=0.3,P(B)=0.4,P(A\overline B)=0.5$,求 $P(B|A\cup\overline B)$($=\frac{0.2}{0.8}=0.25$)。
- **题 8 · 全概率·检验误差(★★★)**【k1】:每箱 10 件,次品 0/1/2 件等可能;任取 1 件为正品则通过验收;若 1 件次品(正品 9 件)检验误判为正品的概率为 0.1,2 件次品为 0.2,求任取一箱通过验收的概率($=\frac{1}{3}\cdot1+\frac{1}{3}\cdot0.9+\frac{1}{3}\cdot0.8\cdot\cdots$,$0.887$)。
- **题 9 · 贝叶斯·两批零件(★★★)**【k1】:一批零件 9 个正品 3 个次品,另一批 8 个正品 4 个次品,两批等可能被选,从中任取 1 件为正品,求它来自第一批的概率($=\frac{\frac12\cdot\frac34}{\frac12\cdot\frac34+\frac12\cdot\frac23}=\frac9{17}$)。
- **题 10 · 独立事件组合(★★☆)**【e1】:$A,B$ 独立,$P(A)=a,P(B)=b$,事件 $C$ 必然导致 $AB$ 同时发生,求 $\overline A\overline B\overline C$ 的概率($=(1-a)(1-b)$)。
### C. 独立性与伯努利(题11–14)
- **题 11 · 独立性充要条件(★★★)**【k1】:证明 $P(B|A)=P(B|\overline A)$($P(A)>0$)是 $A,B$ 独立的充要条件。
- **题 12 · 两两独立≠相互独立(★★★)**【k1】:掷硬币两次,事件 $A_1$(第 1 次正面)、$A_2$(第 2 次正面)、$A_3$(两次同面),判断独立性(两两独立但非相互独立,选 C)。
- **题 13 · 伯努利·对立事件反推(★★☆)**【e1】:射手 4 次独立射击,至少命中一次概率 $15/16$,求 4 次中至少没命中一次的概率($(1-p)^4=\frac1{16}$ ⟹ $p=\frac12$,$1-(\frac12)^4=\frac{15}{16}$)。
- **题 14 · 独立与补事件(★★☆)**【e2 同源概念】:$P(B|A)=P(B|\overline A)$ 与 $A,B$ 独立等价(题 11 变体,正反方向各证一次)。
### D. 分布函数与概率密度概念(题15–19)
- **题 15 · 分布函数存在性(★★★)**【e2】:$F(x)$ 是分布函数,判断 $F(ax)$、$F(x^2+1)$、$F(x^3-1)$、$F(|X|)$ 是否可作分布函数(仅 $F(x^3-1)$ 可以)。
- **题 16 · 密度对称性换算(★★★)**【e2】:$f(x)$ 满足 $f(1+x)=f(1-x)$ 且 $\int_1^2f(x)dx=0.3$,求 $F(0)$($=0.2$)。
- **题 17 · 概率密度存在性(★★★)**【e2】:$f(x)$ 是密度函数,判断 $f(2x)$、$f(2-x)$ 是否可作密度($f(2x)$ 否、$f(2-x)$ 可)。
- **题 18 · $-X$ 的分布(★★☆)**【e2】:$X$ 的分布函数/密度为 $F(x),f(x)$,求 $-X$ 的分布函数与密度($1-F(-x)$,$f(-x)$)。
- **题 19 · 离散参数与分布函数(★★★)**【k2】:$P\{X\ge2\}=\frac34$ 且 $X$ 取 $0,1,\cdots$,求 $\theta$ 与 $F(x)$($\theta=\frac12$,阶梯分布函数)。
### E. 常见分布(题20–27)
- **题 20 · 二项分布(★★★)**【e2】:$X$ 密度 $f(x)=2x$($0<x<1$),$Y$ 是 3 次独立重复试验中出现 $\{X\le\frac12\}$ 的次数,求 $P\{Y=2\}$($p=\frac14$,$C_3^2(\frac14)^2(\frac34)=\frac9{64}$)。
- **题 21 · 泊松反求参数(★★★)**【e2】:书中每页印刷错误 $X\sim P(\lambda)$,恰有 1 个与恰有 2 个错误的页数相同,求抽查 4 页均无错误的概率($\lambda=2$,$e^{-8}$)。
- **题 22 · 几何分布(★★☆)**【e2】:袋 8 球 3 白 5 黑,任意取 4 球,2 黑 2 白则停止否则放回重取,$X$ 为试验次数,求 $P\{X=k\}$($p=\frac{C_3^2C_5^2}{C_8^4}=\frac37$,$(\frac47)^{k-1}\cdot\frac37$)。
- **题 23 · 几何分布变形(★★★★)**【e2】:$X$ 密度 $f(x)=2^{-x}\ln2$($x>0$),独立重复观测直到第 2 个大于 3 的观测值出现停止,$Y$ 为观测次数,求 $Y$ 的分布($p=\int_3^\infty 2^{-x}\ln2\,dx=\frac18$,$P\{Y=k\}=(k-1)(\frac18)^2(\frac78)^{k-2}$)。
- **题 24 · 均匀分布反求参数(★★★)**【e2】:$X\sim U(a,b)$($a>0$),$P\{0<X<3\}=\frac14,\ P\{X>4\}=\frac12$,求密度与 $P\{1<X<5\}$($U(2,6)$,$\frac34$)。
- **题 25 · 指数分布·无记忆性(★★★)**【e2】:$X\sim E(1)$,$a>0$,求 $P\{X\le a+1|X>a\}$($=1-\frac1e$)。
- **题 26 · 指数条件概率(★★☆)**【e2】:$X\sim E(1)$,求 $P\{3>X>2|X>1\}$($=e^{-1}-e^{-2}$)。
- **题 27 · 正态分位点(★★★)**【e2】:$X\sim N(0,1)$,$\mu_\alpha$ 满足 $P\{X>\mu_\alpha\}=\alpha$,若 $P\{|X|<x\}=\alpha$,求 $x$($x=\mu_{\frac{1-\alpha}2}$)。
### F. 一维函数分布(题28–31)
- **题 28 · 连续函数分布(★★★)**【k2】:$X$ 密度 $f_X$(三角型,$|x|\le1$ 时 $1-|x|$),求 $Y=X^2+1$ 的分布函数($1<y<2$ 时 $F_Y(y)=2\sqrt{y-1}-y+1$)。
- **题 29 · 离散函数分布(★★☆)**【k2】:$X$ 取 $0,1,2,3,4,5$ 六个值,求 $Y=2X+1$ 与 $Z=X^2$ 的分布律(映射合并相同值)。
- **题 30 · 线性变换(★☆☆)**【e2】:$X$ 密度 $f(x)$,求 $Y=2X+3$ 的概率密度($\frac12f(\frac{x-3}2)$)。
- **题 31 · 平方变换(★★★)**【e2】:$X\sim U(0,2)$,求 $Y=X^2$ 在 $(0,4)$ 内的密度($F_Y(y)=\frac{\sqrt y}2$,$f_Y(y)=\frac1{4\sqrt y}$)。
---
> **回查入口**:参考仓库 `参考仓库/Math/advanced-math` 同源 `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`(一维部分)、`exercise/1-…`、`exercise/2-…`。