概率论与数理统计考研真题权威解析平台

随机变量分布

随机变量分布是连接理论与应用的核心桥梁，命题呈现“分布类型+数字特征+函数变换”三位一体趋势。

离散型随机变量

• 二项分布：2020年真题以射击命中目标次数为背景，考查n重伯努利试验建模能力。特别注意参数n与p的实际意义，避免混淆“成功次数”与“失败次数”。
• 泊松分布：2017年数学三第22题以呼叫中心接线员处理电话为背景，要求利用泊松分布近似二项分布（n大p小），考查近似思想的应用条件。

连续型随机变量

• 正态分布：真题中出现频率最高，常结合标准化变换X~N(μ,σ²)→Z=(X-μ)/σ~N(0,1)考查。2022年数学一第11题给出P(X≤1)=0.3，求P(X≥3)，需利用正态分布对称性求解。
• 指数分布：2016年真题以电子元件寿命为背景，考查无记忆性P(X>s+t|X>s)=P(X>t)，此性质在可靠性理论中具有重要应用价值。

分布函数综合题（2021·数学三·第22题）

设随机变量X的分布函数为F(x)= {0,x<0
x²,0≤x<1
1,x≥1

求X的概率密度函数f(x)；(2)求P(0.5

解：(1)f(x)=F'(x)={2x,00,其他
(2)P(0.5

关键点：分布函数在间断点处不可导，概率密度函数需分段定义；计算概率时应严格按分布函数定义，避免误用密度函数积分区间。

数字特征与极限定理

数字特征是概率模型的核心参数，极限定理则是大样本推断的理论基础。

期望与方差计算

• 线性性质应用：2019年真题给出Y=aX+b，已知E(X)=2,D(X)=3，求E(Y)与D(Y)。直接利用线性性质E(aX+b)=aE(X)+b，D(aX+b)=a²D(X)可快速求解。
• 函数的期望：2020年数学一第14题设X~N(0,1)，求E(X⁴)。需利用标准正态分布的矩生成函数或递推公式E(X²ⁿ)=(2n-1)!!，本题答案为3。

大数定律与中心极限定理

独立同分布中心极限定理（Lindeberg-Levy）：设X₁,X₂,…,Xₙ独立同分布，E(Xᵢ)=μ,D(Xᵢ)=σ²>0，则对任意x，有

limₙ→∞P{(ΣXᵢ-nμ)/(σ√n)≤x}=Φ(x)

典型应用题型：2018年数学三第22题以产品寿命总和为背景，要求计算100件产品总寿命超过2000小时的概率。设Xᵢ~Exp(λ=0.1)，则E(Xᵢ)=10,D(Xᵢ)=100，由中心极限定理，ΣXᵢ近似N(1000,10000)，标准化后查标准正态分布表得结果。

德莫弗-拉普拉斯定理（二项分布的正态近似）：当n很大时，B(n,p)可近似为N(np,np(1-p))。2017年真题以1000次独立射击命中次数为背景，求命中次数在180~220之间的概率，直接应用此定理可大幅简化计算。

参数估计

参数估计是统计推断的核心内容，真题考查频率高达40%，题型包括选择题、填空题与解答题。

矩估计法

基本思想：用样本矩估计总体矩。设总体X的k阶矩μₖ=E(Xᵏ)存在，样本k阶矩Aₖ=(1/n)ΣXᵢᵏ，则令μₖ=Aₖ解得参数估计值。

2017年真题：设总体X的概率密度为f(x;θ)=θx^{θ-1}(0

解：E(X)=∫₀¹x·θx^{θ-1}dx=θ/(θ+1)=X̄，解得θ̂=X̄/(1-X̄)

注意：矩估计不唯一，取决于选择几阶矩。通常优先选择低阶矩简化计算。

最大似然估计法

基本思想：使样本出现概率最大的参数值作为估计值。步骤：(1)写出似然函数L(θ)；(2)取对数得lnL(θ)；(3)对θ求导并令为0。

2019年真题：设总体X~U(0,θ)，求θ的MLE。

解：L(θ)=1/θⁿ (0

关键点：均匀分布的似然函数无驻点，最大值在边界取得，这是与正态分布等连续分布的重要区别。

估计量的评选标准

• 无偏性：E(θ̂)=θ。2020年真题证明样本方差S²=(1/(n-1))Σ(Xᵢ-X̄)²是σ²的无偏估计，而样本二阶中心矩不是。
• 有效性：D(θ̂₁)
• 一致性：θ̂ₙ依概率收敛于θ。大样本下常用此性质评估估计量性能。

综合例题（2022·数学三·第22题）

设总体X的概率密度为f(x;θ)= (θ+1)x^θ (0-1)，X₁,…,Xₙ为样本。

求θ的矩估计量θ̂₁；(2)求θ的MLE θ̂₂；(3)判断θ̂₂是否为θ的无偏估计。

解：(1)E(X)=(θ+1)/(θ+2)=X̄ ⇒ θ̂₁=(2X̄-1)/(1-X̄)

L(θ)=(θ+1)ⁿΠxᵢ^θ，lnL=nln(θ+1)+θΣlnxᵢ，求导得θ̂₂= -n/Σlnxᵢ -1

令Yᵢ=-lnXᵢ，Yᵢ~Exp(θ+1)，ΣYᵢ~Gamma(n,θ+1)，E(1/ΣYᵢ)=(θ+1)/(n-1)，故E(θ̂₂)=n(θ+1)/(n-1)-1≠θ，不是无偏估计。

假设检验

假设检验是统计推断的另一种重要形式，真题考查重点从单总体检验向双总体检验拓展。

单正态总体均值检验

已知条件	统计量	分布	拒绝域
σ²已知	Z=(X̄-μ₀)/(σ/√n)	N(0,1)	|Z|≥z_{α/2}
σ²未知	T=(X̄-μ₀)/(S/√n)	t(n-1)	|T|≥t_{α/2}(n-1)

2018年真题：某厂宣称产品平均寿命不低于300小时，现抽测25件得X̄=292小时，S=15小时，问在α=0.05下能否接受宣称？

解：H₀:μ≥300 vs H₁:μ<300，T=(292-300)/(15/5)=-2.667，t_{0.05}(24)=1.711，|T|=2.667>1.711，拒绝H₀。

单正态总体方差检验

χ²=(n-1)S²/σ₀²~χ²(n-1)，拒绝域χ²≥χ²_{α/2}(n-1)或χ²≤χ²_{1-α/2}(n-1)

2021年真题：某零件直径σ₀=0.05mm，抽测10件得S=0.06mm，问在α=0.05下方差是否显著增大？

解：χ²=(9×0.0036)/0.0025=12.96，χ²_{0.025}(9)=19.023，χ²_{0.975}(9)=2.700，12.96∈(2.700,19.023)，不拒绝H₀。

双正态总体检验

年数学一第22题考查两台机床加工零件直径的均值与方差检验，需先进行F检验确认方差齐性，再决定用t检验还是Welch检验。

两类错误分析

第一类错误：H₀为真时拒绝H₀，概率为α；第二类错误：H₀为假时接受H₀，概率为β。

2019年真题：在μ₀=100 vs μ=105的检验中，α=0.05，σ=10，n=25，求β。

解：拒绝域X̄≤100+1.645×2=103.29，β=P(X̄>103.29|μ=105)=P(Z>(103.29-105)/2)=P(Z>-0.855)=0.804

高频考点突破

正态分布的标准化变换

核心公式：若X~N(μ,σ²)，则Z=(X-μ)/σ~N(0,1)。此变换是概率计算的基础，90%的概率题需用到此技巧。

最大似然估计的通用步骤

1. 写出似然函数L(θ)
2. 取对数得lnL(θ)
3. 对θ求偏导并令为0
4. 解方程组得估计量
5. 验证是否为最大值点

假设检验的决策规则

统计量落在拒绝域 ⇒ 拒绝H₀；统计量落在接受域 ⇒ 接受H₀

等价于：p值 < α ⇒ 拒绝H₀；p值 ≥ α ⇒ 接受H₀

置信区间的构造模板

点估计 ± 临界值 × 标准误差

如：μ的置信区间 = X̄ ± z_{α/2}·σ/√n（σ已知）

易错点警示

• 自由度误用：χ²(n)与χ²(n-1)混淆，t(n-1)与t(n)混淆
• 单双侧检验：未根据备择假设确定拒绝域位置
• 分布近似条件：二项分布正态近似需np≥5且n(1-p)≥5
• 独立性假设：未验证样本独立性导致统计量分布错误

真题训练技巧

真题分类训练法

按知识点分类：概率计算、分布函数、数字特征、参数估计、假设检验

按题型分类：选择题（概念辨析）、填空题（计算准确）、解答题（逻辑完整）

时间管理策略

• 选择题：每题≤3分钟，难题标记后回做
• 填空题：每题≤5分钟，注意单位与格式
• 解答题：每题≤15分钟，写清关键步骤
• 预留10分钟检查：重点看计算题与证明题

真题使用流程

1. 第一轮：按章节做真题，查漏补缺
2. 第二轮：按年份做整套真题，模拟考试环境
3. 第三轮：专项突破错题，建立个性化错题本

错题本模板

题号	错误原因	正确思路	知识点	反思
2021-22	忽略指示函数	θ≤min{xᵢ}是定义域约束	MLE构造	遇到参数有界时需考虑边界值
2019-14	自由度误用	(n-1)S²/σ²~χ²(n-1)	抽样分布	样本方差的自由度总是n-1

心理调适建议

• 考前两周：每天进行15分钟正念冥想
• 考前一周：调整生物钟，保证7小时睡眠
• 考前一小时：深呼吸5次，默念“我已充分准备”
• 考试中：遇到难题先跳过，确保会做的题全对