- 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
449 lines
27 KiB
Markdown
449 lines
27 KiB
Markdown
---
|
||
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-…`。
|