概率论的基本概念与随机变量及其分布

对应《数学 1》大纲概率论第一、二章。前两章建立"概率怎么算"和"随机变量怎么描述"两套语言，后面几章都在此基础上展开。

一、这个知识点考什么

• 题型：单项选择 + 判断；计算以古典概型、条件概率、分布律与密度为主。
• 高频落点：加法公式、条件概率与全概率公式、独立与互斥的区别、二项分布、泊松分布、正态分布、密度与分布函数的性质。
• 能力要求：能把文字描述翻译成事件与分布，能区分"互斥"与"独立"。

二、核心知识与方法

1. 古典概型与概率的加法公式

• 古典概型：样本点有限且等可能，P(A) = 有利样本点数 / 总样本点数。
• 加法公式：P(A∪B) = P(A) + P(B) − P(AB)；三个事件时依次加减。
• 互斥时 P(AB) = 0，此时 P(A∪B) = P(A) + P(B)。
• 对立事件：P(Ā) = 1 − P(A)；"至少一个"常用对立事件算。

2. 条件概率与全概率公式

• 条件概率：P(B|A) = 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：若 B₁,…,Bₙ 构成完备事件组，则 P(A) = ΣP(Bᵢ)P(A|Bᵢ)。
• 贝叶斯公式：P(Bᵢ|A) = P(Bᵢ)P(A|Bᵢ) / ΣP(Bⱼ)P(A|Bⱼ)。
• 例：P(A)=0.5、P(AB)=0.2，则 P(B|A) = 0.4。

3. 事件的独立性与互斥

• 独立：P(AB) = P(A)P(B)；n 个事件相互独立要求任意子集的乘积等式成立。
• 互斥：AB = ∅，即不能同时发生。
• 互斥与独立是不同概念：若 P(A)>0、P(B)>0，互斥必不独立；独立必不互斥。
• 独立性的等价刻画：P(A|B) = P(A)，P(B|A) = P(B)。

4. 二项分布

• X ~ B(n,p)：n 次独立重复试验中事件发生的次数，P(X=k) = C(n,k)p^k(1−p)^(n−k)。
• E(X) = np，D(X) = np(1−p)。
• 例：B(4, 0.5) 时 P(X=2) = 6×0.25×0.25 = 3/8。

5. 泊松分布与指数分布

• 泊松分布 X ~ P(λ)：P(X=k) = λ^k e^(−λ)/k!，E(X) = D(X) = λ。
• 指数分布：密度 f(x) = λe^(−λx)（x>0），分布函数 F(x) = 1 − e^(−λx)，E(X) = 1/λ，D(X) = 1/λ²。
• 指数分布具有"无记忆性"：P(X > s+t | X > s) = P(X > t)。

6. 正态分布与均匀分布

• X ~ N(μ, σ²)：密度关于 x = μ 对称，E(X)=μ，D(X)=σ²；标准化 Z = (X−μ)/σ ~ N(0,1)。
• 标准正态分布函数 Φ(x) 满足 Φ(−x) = 1 − Φ(x)；P(|X−μ|<σ) ≈ 0.6827。
• 均匀分布 U(a,b)：密度 1/(b−a)，E(X) = (a+b)/2，D(X) = (b−a)²/12。

7. 概率密度的性质

• f(x) ≥ 0；∫(−∞→+∞) f(x)dx = 1（归一性）。
• P(a<X<b) = ∫(a→b) f(x)dx；连续型随机变量在单点的概率为 0。
• 求待定常数：用归一性列方程，如 f(x) = c·x（0≤x≤1）时 c = 2。

8. 分布函数的性质

• F(x) = P(X ≤ x)，单调不减、右连续，F(−∞) = 0，F(+∞) = 1。
• P(a<X≤b) = F(b) − F(a)。
• 连续型时 F'(x) = f(x)（在 f 连续点）。

三、易错点

1. 把"互斥"当作"独立"。
2. 条件概率分母用错（应为 P(A) 而不是 P(B)）。
3. 全概率公式漏掉某个完备事件组的分支。
4. 二项分布与泊松分布记号混用，忘记 E = D = λ 只对泊松成立。
5. 正态分布不标准化就查表。
6. 连续型随机变量在单点概率不为 0 的误解。
7. 密度函数求常数时忘记积分限。

四、备考建议

1. 把"互斥/独立/对立"三者的定义与关系写在一张卡片上。
2. 二项、泊松、均匀、指数、正态五个分布的"密度/分布律 + 期望 + 方差"列成表背。
3. 概率题先画事件图或列完备事件组，再套公式。
4. 判断题重点看"必""一定"这类绝对化表述。