概率论期末 · 随机事件与随机变量

这张图讲什么

「概率论期末 · 随机事件与随机变量」是 SeekFlaw 编辑团队整理的思维导图,分 6 个一级分支:随机事件与概率、古典概型与条件概率、随机变量与分布函数、常见离散分布、常见连续分布、随机变量函数的分布,共 50 个节点、49 张记忆卡。

建议顺序:先过事件运算与概率公式,再做条件概率题,最后背常见分布和分布函数法。配套图:概率论期末 · 多维变量与数字特征、概率统计期末 · 估计与假设检验。

5 个要点

  • 随机事件与概率:事件是样本空间的子集,运算与集合一致;概率由三条公理出发导出加法公式等性质。
  • 古典概型与条件概率:条件概率、乘法公式、全概率公式、贝叶斯公式、独立性是期末复习的一组重点题型。
  • 随机变量与分布函数
  • 常见离散分布:0-1 分布、二项分布、泊松分布、几何分布、超几何分布。
  • 常见连续分布:均匀、指数、正态三类。

适用:大学期末复习。用法:点开任一节点先自己答,再翻面核对。

更新于

一句话:这张图把「概率论期末 · 随机事件与随机变量」整理成 50 个节点、49 张记忆卡;点开节点翻面就能看答案。

覆盖随机事件与概率、古典与条件概率、全概率与贝叶斯公式、独立性、分布函数、常见离散与连续分布、随机变量函数的分布,适合期末复习。点开任一节点翻面看答案,登录后可存进自己的空间,按遗忘曲线复习。

SeekFlaw 求瑕是面向初中、高中、考研、考公考前速记的思维导图与记忆卡平台:把课件、讲义变成思维导图,节点翻面就是记忆卡,按遗忘曲线安排复习。

50 个节点 · 49 张记忆卡。作者:SeekFlaw 编辑团队;发布于 2026-11-17。

先看这 3 条

  1. 样本空间与随机事件:随机试验的所有可能结果组成样本空间 $S$;随机事件是 $S$ 的子集,只含一个结果的事件叫 基本事件 ,$S$ 是 必然事件 ,$\varnothing$ 是不可能事件。
  2. 随机变量的定义:随机变量 $X$ 是定义在样本空间 $S$ 上的 实值函数 ,使得对任意实数 $x$,$\{X\le x\}$ 都是事件。
  3. 离散型随机变量的函数:把取相同 $Y$ 值的 各点概率相加 。

随机事件与概率

  • 样本空间与随机事件:随机试验的所有可能结果组成样本空间 $S$;随机事件是 $S$ 的子集,只含一个结果的事件叫 基本事件 ,$S$ 是 必然事件 ,$\varnothing$ 是不可能事件。 例 抛一枚硬币两次,$S=\{HH,HT,TH,TT\}$,共 …
  • 事件的关系与运算:$A\subset B$ 表示 $A$ 发生必导致 $B$ 发生;和 $A\cup B$、积 $AB$、差 $A-B$($A$ 发生而 $B$ 不发生);互不相容 $AB=\varnothing$;对立 $\bar A$ 满足 $A\cu…
  • 德摩根律与事件的表示:$\overline{A\cup B}=\bar A\bar B$,$\overline{AB}=\bar A\cup\bar B$;差事件 $A-B=A\bar B=A-AB$。 例 三个事件 ${A,B,C}$: 至少一个发生 $A\…
  • 概率的公理化定义:概率 $P$ 是定义在事件上的函数,满足:非负性 $P(A)\ge0$;规范性 $P(S)=1$; 可列可加性 ($A_1,A_2,\dots$ 两两互不相容 时 $P(\bigcup A_i)=\sum P(A_i)$)。 条件 :可列…
  • 概率的基本性质:概率有五条基本性质:$P(\varnothing)=0$;$P(\bar A)=1-P(A)$;$A\subset B$ 时 $P(B-A)=P(B)-P(A)$,且 $P(A)\le P(B)$;一般地 $P(A-B)=P(A)-P(A…
  • 加法公式:两个事件的和的概率 要减去重叠部分 :$P(A\cup B)=P(A)+P(B)-P(AB)$;三个事件: $$P(A\cup B\cup C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)$$ 例 $P…

古典概型与条件概率

  • 古典概型的概率与计数:样本空间有限且 各基本事件等可能 时,$P(A)=\dfrac{A\text{ 包含的基本事件数}}{S\text{ 的基本事件数}}$。 例 袋中 5 个红球、3 个白球,任取 2 个,恰好一红一白:$P=\frac{C_5^1C_3^…
  • 抽签公平性(不放回抽样):不放回抽样中,每次抽到某个特定结果的概率 与抽取的先后次序无关 。 例 10 张签中有 3 张中签,第二个人抽中的概率:$P=\frac3{10}\cdot\frac29+\frac7{10}\cdot\frac39=\frac{6+21…
  • 几何概型:样本空间是某个区域,等可能指落在各部分的概率 与其度量(长度、面积)成正比 ,$P(A)=\dfrac{m(A)}{m(S)}$。 例 甲乙两人在 12:00 到 13:00 之间各自随机到达,先到者等 15 分钟,相遇的概率:设到达时刻…
  • 条件概率:$P(B\mid A)=\dfrac{P(AB)}{P(A)}$,要求 $P(A)\gt 0$;条件概率 也满足概率的三条公理 。 例 掷两颗骰子,已知点数和为 7(共 6 种等可能结果),其中至少一个为 1 的有 $(1,6),(6,1…
  • 乘法公式:两个事件同时发生的概率等于 先发生的概率乘条件概率 :$P(AB)=P(A)P(B\mid A)$($P(A)\gt 0$);$P(ABC)=P(A)P(B\mid A)P(C\mid AB)$($P(AB)\gt 0$)。 例 5 红 …
  • 全概率公式:$B_1,\dots,B_n$ 是样本空间的 一个划分 ( 两两互不相容 、并为 $S$、$P(B_i)\gt 0$),则 $P(A)=\sum_{i=1}^nP(B_i)P(A\mid B_i)$。 例 三台机器产量占比 ${50\%,…
  • 贝叶斯公式:$P(B_i\mid A)=\dfrac{P(B_i)P(A\mid B_i)}{\sum_jP(B_j)P(A\mid B_j)}$, 条件与全概率公式相同 。 例 三台机器产量占比 ${50\%,30\%,20\%}$,次品率 ${1…
  • 事件的独立性:${A,B}$ 独立 $\Leftrightarrow$ $P(AB)=P(A)P(B)$;独立时 $A$ 与 $\bar B$、$\bar A$ 与 $B$、$\bar A$ 与 $\bar B$ 也都独立。 区分 :若 $P(A)\g…
  • 两两独立不等于相互独立:两两独立 不能推出相互独立 :三个事件相互独立要求 $P(AB)=P(A)P(B)$、$P(AC)=P(A)P(C)$、$P(BC)=P(B)P(C)$、$P(ABC)=P(A)P(B)P(C)$ 四条同时成立 。 例 抛两枚硬币,$A$…

随机变量与分布函数

  • 随机变量的定义:随机变量 $X$ 是定义在样本空间 $S$ 上的 实值函数 ,使得对任意实数 $x$,$\{X\le x\}$ 都是事件。 取值有限或可列的是离散型 ,分布函数有概率密度的是连续型。 例 抛一枚硬币两次,$X$ 为正面次数,$X$ 把 $…
  • 分布函数的定义与性质:$F(x)=P(X\le x)$,$x\in\mathbb R$。性质: 单调不减 ;$0\le F\le1$,$F(-\infty)=0$,$F(+\infty)=1$; 右连续 $F(x+0)=F(x)$。 满足这三条的函数一定是 某…
  • 由分布函数求各种概率(含端点):阶梯形分布函数的 跳跃点处有概率 ,求概率时要区分含不含端点。 $$F(x)=\begin{cases}0,&x\lt 0\\0.3,&0\le x\lt 1\\0.8,&1\le x\lt 2\\1,&x\ge2\end{cases}$…
  • 离散型随机变量与分布律:离散型随机变量的分布律由 取值和对应概率 给出:$P(X=x_k)=p_k$($k=1,2,\dots$),满足 $p_k\ge0$,$\sum p_k=1$;分布函数 $F(x)=\sum_{x_k\le x}p_k$,是 右连续的阶梯…
  • 连续型随机变量与概率密度:若有 $f(x)\ge0$ 使 $F(x)=\int_{-\infty}^xf(t)\,dt$,则 $X$ 是连续型,$f$ 是概率密度,$\int_{-\infty}^{+\infty}f=1$;$f$ 的连续点处 $F'(x)=f(x…
  • 由概率密度求分布函数(分段):分段积分:$F(x)=\int_{-\infty}^xf(t)\,dt$, 每一段给出表达式 。 例 $f(x)=\frac x2\ (0\lt x\lt 2)$,其他为 0:$x\lt 0$ 时 $F=0$;$0\le x\lt 2$ …

常见离散分布

  • 二项分布 $B(n,p)$:$n$ 重伯努利试验中 成功次数 $X\sim B(n,p)$:$P(X=k)=C_n^kp^k(1-p)^{n-k}$,$k=0,1,\dots,n$;$p$ 是每次成功的概率, 各次独立 。$B(1,p)$ 就是 0-1 分布。 例 …
  • 至少发生一次的概率:独立重复 $n$ 次,每次成功概率 $p$: 至少成功一次 的概率 $1-(1-p)^n$。 例 $p=0.1$,$n=5$:$1-0.9^5=1-0.59049=0.40951$。 记法 :先求对立事件「一次都不成功」的概率,再用 1 …
  • 泊松分布 $P(\lambda)$:服从泊松分布 $X\sim P(\lambda)$ 时,$P(X=k)=\dfrac{\lambda^ke^{-\lambda}}{k!}$,$k=0,1,2,\dots$,参数 $\lambda\gt 0$,常用来描述 单位时间内 稀有…
  • 泊松定理(二项近似):若 $np_n\to\lambda$($n\to\infty$),则 $C_n^kp_n^k(1-p_n)^{n-k}\to\dfrac{\lambda^ke^{-\lambda}}{k!}$;实际用于 $n$ 较大、$p$ 较小的 二项…
  • 几何分布:伯努利试验中 首次成功 时的 试验次数 $X$:$P(X=k)=(1-p)^{k-1}p$,$k=1,2,\dots$。 例 $p=\frac13$:$P(X=3)=\left(\frac23\right)^2\cdot\frac13=\…
  • 超几何分布:$N$ 件产品含 $M$ 件次品,不放回抽 $n$ 件,次品数 $P(X=k)=\dfrac{C_M^kC_{N-M}^{n-k}}{C_N^n}$。 例 $N=10$,$M=3$,$n=4$,$k=1$:$\frac{C_3^1C_7^…
  • 求离散型随机变量的分布律:列出所有取值, 逐个算概率 ,最后检验概率和为 1。 例 袋中 3 红 2 白,不放回取 2 个,$X$ 为红球数:$P(X=0)=\frac{C_2^2}{C_5^2}=\frac1{10}$,$P(X=1)=\frac{C_3^1C_…

常见连续分布

  • 均匀分布 $U(a,b)$:$f(x)=\frac1{b-a}$($x\in(a,b)$),其他为 0;落在 $(a,b)$ 内任一子区间的概率 与该子区间的长度成正比 ;分布函数在 $[a,b]$ 上为 $F(x)=\frac{x-a}{b-a}$,小于 $a$ …
  • 指数分布 $E(\theta)$(浙大口径):指数分布的密度 $f(x)=\frac1\theta e^{-x/\theta}\ (x\gt 0)$,其他为 0($\theta\gt 0$,$\theta$ 是均值 );分布函数 $F(x)=1-e^{-x/\theta}\ (x\g…
  • 指数分布的无记忆性:$P(X\gt s+t\mid X\gt s)=P(X\gt t)$($s,t\gt 0$)。 步骤 :左边 $=\frac{P(X\gt s+t)}{P(X\gt s)}=\frac{e^{-(s+t)/\theta}}{e^{-s/\…
  • 正态分布 $N(\mu,\sigma^2)$:$f(x)=\dfrac1{\sqrt{2\pi}\sigma}e^{-\frac{(x-\mu)^2}{2\sigma^2}}$,关于 $x=\mu$ 对称,$\mu$ 决定位置、$\sigma$ 决定胖瘦($\sigma$ 越大越平坦…
  • 标准正态分布与标准化:标准正态分布 $Z\sim N(0,1)$ 的分布函数记 $\Phi(x)$,$\Phi(-x)=1-\Phi(x)$,$\Phi(0)=0.5$。若 $X\sim N(\mu,\sigma^2)$,则 $\frac{X-\mu}\sig…
  • 正态概率怎么算(标准化后查表):先标准化 $Z=\frac{X-\mu}{\sigma}\sim N(0,1)$, 再查标准正态分布函数表 $\Phi$。 公式 :$P(a\lt X\lt b)=\Phi\left(\frac{b-\mu}{\sigma}\right)…
  • 正态分布的 $3\sigma$ 原则:$X\sim N(\mu,\sigma^2)$ 时,$P(|X-\mu|\lt 3\sigma)=2\Phi(3)-1\approx0.9974$(按四位表值 $\Phi(3)=0.9987$ 算,精确值约 0.9973),所以 几乎所有…
  • 上 $\alpha$ 分位点的定义:对 $0\lt \alpha\lt 1$,标准正态分布的上 $\alpha$ 分位点 $z_\alpha$ 满足 $P(Z\gt z_\alpha)=\alpha$,即 $\Phi(z_\alpha)=1-\alpha$; 由对称性 $z…

随机变量函数的分布

  • 离散型随机变量的函数:把取相同 $Y$ 值的 各点概率相加 。 例 $X$ 取 $-1,0,1,2$,概率分别为 0.1,0.2,0.3,0.4,$Y=X^2$:$P(Y=0)=0.2$,$P(Y=1)=0.1+0.3=0.4$,$P(Y=4)=0.4$,总和…
  • 分布函数法:分布函数法:先求 $F_Y(y)=P(g(X)\le y)$(化成关于 $X$ 的概率),再对 $y$ 求导得到 $f_Y$。 例 $X\sim U(0,1)$,$Y=X^2$:$0\lt y\lt 1$ 时 $F_Y(y)=P(X\le…
  • 单调函数的公式法:$g$ 严格单调、可导 (${g'}$ 恒正或恒负 ),反函数 $h$,则 $f_Y(y)=f_X(h(y))\,|h'(y)|$,$y$ 在值域内。 例 $X\sim U(0,1)$,$Y=2X+1$:$h(y)=\frac{y-1}{…
  • 正态变量的线性函数:正态变量的线性函数 仍服从正态分布 :若 $X\sim N(\mu,\sigma^2)$,$a\ne0$,则 $aX+b\sim N(a\mu+b,\ a^2\sigma^2)$,均值按函数变换, 方差乘 $a^2$。 例 $X\sim …
  • 标准正态的平方 $Y=X^2$:$X\sim N(0,1)$ 时,$Y=X^2$ 的密度为 $f_Y(y)=\frac1{\sqrt{2\pi y}}e^{-y/2}\ (y\gt 0)$,其他为 0。 步骤 :$y\gt 0$ 时 $F_Y(y)=P(-\sqrt y…

本图由 SeekFlaw 编辑团队整理。发现错误,欢迎到学习论坛指出。

打开这张导图:点节点翻面看答案 →