全面覆盖条件概率、贝叶斯定理、期望方差、随机变量分布、马尔可夫链等核心内容，提供历年真题精讲、高频题型归纳与实战解题思路，助您高效突破考研概率论难关。
立即查看高频题型事件关系判断是概率计算的基础。常见关系包括互斥（A∩B=∅）、对立（B=A̅）、独立（P(A∩B)=P(A)P(B)）。三者易混淆：互斥事件一定不独立（除非一个概率为0），独立事件一般不互斥。
核心公式：
典型错误：误将“互斥”当作“独立”。例如抛一枚硬币，“正面”与“反面”互斥，但不独立——知道一个发生，另一个必然不发生。
若A、B互斥 → P(A∪B) = P(A) + P(B)；
② 若A、B独立 → P(A∩B) = P(A)·P(B)；
③ 若A、B对立 → P(A) = 1 − P(B)，且A∩B=∅，A∪B=Ω。
离散型随机变量（如二项分布、泊松分布）：用概率质量函数（PMF）描述，P(X=k) = p_k；
连续型随机变量（如正态分布、均匀分布）：用概率密度函数（PDF）描述，P(a≤X≤b) = ∫abf(x)dx。
分布函数F(x) = P(X≤x)是理解所有分布的核心，具有单调不减、右连续、limx→−∞F(x)=0、limx→+∞F(x)=1四条基本性质。
高频分布速查：
“单调不减右连续，两端极限零和一；
密度存在可求导，F′(x)=f(x)是关键。”
P(X=a) = 0（对任意a），但“几乎必然”不等于“必然”——例如X~U[0,1]，P(X∈[0,1])=1，但X=0.5的概率为0。
期望E(X)反映随机变量的平均取值水平；方差D(X)=E[(X−E(X))²]反映其离散程度。
重要性质：
常见分布的期望与方差：
| 分布 | E(X) | D(X) |
|---|---|---|
| 两点分布 | p | p(1−p) |
| 二项分布B(n,p) | np | np(1−p) |
| 泊松分布P(λ) | λ | λ |
| U(a,b) | (a+b)/2 | (b−a)²/12 |
| N(μ,σ²) | μ | σ² |
贝叶斯公式：P(Aᵢ|B) = [P(Aᵢ)P(B|Aᵢ)] / ΣjP(Aⱼ)P(B|Aⱼ)
核心思想：用先验概率P(Aᵢ)与似然度P(B|Aᵢ)更新为后验概率P(Aᵢ|B)，是医学诊断、机器学习、风险评估的理论基础。
经典应用案例：疾病检测。设某病发病率P(D)=0.01，检测灵敏度P(+|D)=0.95，特异度P(−|¬D)=0.95，则：
P(D|+) = [0.01×0.95] / [0.01×0.95 + 0.99×0.05] ≈ 0.161
即阳性者中仅约16%真患病——说明低发病率下，假阳性占主导。
马尔可夫链：具有无后效性——未来状态只依赖当前状态，与过去无关。状态转移由一步转移概率矩阵P描述，Pij=P(Xn+1=j | Xn=i)。
平稳分布π：满足πP=π的向量π=(π₁,π₂,…,πn)，表示长期运行后各状态的概率分布。
存在条件：有限状态、不可约、正常返 ⇒ 存在唯一平稳分布。
求解方法：解方程组：πP=π 且 Σπᵢ=1。
应用实例：天气模型（晴/雨）、排队系统（服务台状态）、搜索引擎PageRank（马尔可夫链随机游走）。
会画状态转移图；
② 会求n步转移概率（P(n)=Pn）；
③ 会解平稳分布方程组；
④ 理解遍历性：limn→∞Pij(n)=πj。
题目：设P(A)=0.6，P(B)=0.5，问A与B能否互斥？能否独立？
解：
① 若A与B互斥，则P(A∩B)=0，但P(A∪B)=P(A)+P(B)=1.1>1，违反概率公理 ⇒ 不能互斥；
② 若独立，则P(A∩B)=0.6×0.5=0.3，且P(A∪B)=0.6+0.5−0.3=0.8≤1 ⇒ 可以独立。
关键点：互斥要求P(A)+P(B)≤1；独立无此限制。
题目：设X~N(2,9)，求P(1≤X≤4)。
解：
X~N(2,3²)，标准化：Z=(X−2)/3 ~ N(0,1)
P(1≤X≤4) = P((1−2)/3 ≤ Z ≤ (4−2)/3) = P(−1/3 ≤ Z ≤ 2/3)
= Φ(2/3) − Φ(−1/3) = Φ(0.6667) − [1−Φ(0.3333)]
查标准正态表：Φ(0.67)≈0.7486，Φ(0.33)≈0.6293
⇒ 原式≈0.7486 − (1−0.6293) = 0.7486 − 0.3707 = 0.3779
题目：设(X,Y)的联合密度f(x,y)=2e−(x+2y)（x>0,y>0），求X的边缘密度fX(x)与P(Y>1|X=0.5)。
解：
① fX(x) = ∫0∞2e−xe−2ydy = 2e−x·∫0∞e−2ydy = 2e−x·(1/2) = e−x（x>0）⇒ X~Exp(1)
② 条件密度fY|X(y|x) = f(x,y)/fX(x) = [2e−xe−2y]/e−x = 2e−2y（y>0）⇒ Y|X=x ~ Exp(2)
⇒ P(Y>1|X=0.5) = ∫1∞2e−2ydy = e−2 ≈ 0.1353
题目：某工厂有甲、乙、丙三台机器生产同种零件，产量占25%、35%、40%，次品率分别为5%、4%、2%。今任取一件为次品，求它由甲厂生产的概率。
解：设A₁,A₂,A₃为“零件由甲、乙、丙生产”，B为“次品”
P(A₁)=0.25, P(B|A₁)=0.05；P(A₂)=0.35, P(B|A₂)=0.04；P(A₃)=0.40, P(B|A₃)=0.02
P(B) = 0.25×0.05 + 0.35×0.04 + 0.40×0.02 = 0.0125 + 0.014 + 0.008 = 0.0345
P(A₁|B) = (0.25×0.05)/0.0345 = 0.0125/0.0345 ≈ 0.3623
即约36.2%的次品来自甲厂——虽产量占比仅25%，但因次品率最高，贡献比例反超。
“条件概率”不是“条件下的概率”这么简单，而是在新信息下对事件可能性的重新评估；“独立”是概率性质，不是直观的“无关”。建议通过画Venn图、树状图、表格来深化理解，避免死记公式。
将题目按“求概率”“求分布”“求数字特征”“求统计量”分类，每类总结3~5种标准题型。例如：
• 求P(A∪B) → 先判断互斥/独立/一般
• 求分布函数F(x) → 分段讨论：x<下限、下限≤x≤上限、x>上限
• 求期望 → 先看是否可拆分（线性性）、是否可用变换公式
标准正态分布表需熟记：Φ(1)=0.8413, Φ(1.645)=0.95, Φ(1.96)=0.975, Φ(2.576)=0.995；
二项分布B(n,p)当n大p小时可用泊松近似λ=np；n大且p不接近0或1时可用正态近似N(np,np(1−p))。
记录错题时，不仅写正确解法，更要注明：
• 错误原因（概念混淆？计算失误？审题不清？）
• 相关公式/定理
• 类似题型变式训练
例如：误用P(A|B)=P(A)当P(A∩B)=P(A)P(B)时——这是独立定义，不是条件概率公式！
P(A|B) = P(A∩B)/P(B)
P(A∩B) = P(B)P(A|B) = P(A)P(B|A)
P(Aᵢ|B) = [P(Aᵢ)P(B|Aᵢ)] / ΣjP(Aⱼ)P(B|Aⱼ)
E(X) = Σxᵢpᵢ（离散）；∫xf(x)dx（连续）
D(X) = E(X²) − [E(X)]²
E(aX+b) = aE(X)+b
D(aX+b) = a²D(X)
若X~N(μ,σ²)，则Z=(X−μ)/σ ~ N(0,1)
P(a≤X≤b) = Φ((b−μ)/σ) − Φ((a−μ)/σ)
B(n,p): E=np, D=np(1−p)
P(λ): E=λ, D=λ
U(a,b): E=(a+b)/2, D=(b−a)²/12
N(μ,σ²): E=μ, D=σ²