概率论 随机变量及其分布

图形法求分布

图形法核心与分段依据

• 图形法求解核心：图形法求解是通过绘制随机变量变换关系的函数图像，结合原随机变量的概率密度非零区域，直接确定新变量分布函数的积分区间。该方法适用于 单调或分段单调 的一维连续型随机变量函数的分布函…
• X定义域限定：X的概率密度仅在区间 $(0,1)$ 上非零，其余实数范围内恒为零。这一限定决定了后续所有计算只须关注 $X \in (0,1)$ 对应的Y值域与事件区域。 图像上表现为仅在横轴…
• Y=1/X图像特征：$Y = 1/X$ 在 $X \in (0,1]$ 时单调递减，取值范围为 $[1,+\infty)$。当 $X \to 0^+$ 时，$Y \to +\infty$； 当 $X…
• 分布函数分段依据：$F_Y(y) = P(Y \leq y)$ 需按 $y < 1$ 和 $y \geq 1$ 分段讨论。分段依据来自 $Y = 1/X$ 的值域：因 $Y \geq 1$ 恒成立…
• y<1时分布函数为零：当 $y < 1$ 时，$F_Y(y) = 0$。因为 $Y = 1/X \geq 1$ 对所有 $X \in (0,1]$ 成立，故 $Y \leq y$ 在 $y < 1$ …
• y≥1时分布函数表达式：当 $y \geq 1$ 时，$F_Y(y) = P(Y \leq y) = P(1/X \leq y) = P(X \geq 1/y)$。 具体表达式取决于X的概率密度函数 ，…

图形法进阶应用

本组讲义介绍利用图像法求解一维连续型随机变量分布函数与概率密度的典型题型，涵盖变量替换、分段讨论、交点分析及积分求导等核心步骤。

• Y=−2lnX图像范围：当 $ X \in (0,1) $ 时，变换 $ Y = -2\ln X $ 的取值范围为 $ (0, +\infty) $。 因 $ X \to 0^+ $ 时 $ \ln X…
• y<0时分布函数为零：当 $ y < 0 $ 时，$ Y = -2\ln X $ 的 分布函数 $ F_Y(y) = 0 $。 因为 $ X \in (0,1) $ 时 $ Y > 0 $ 恒成立，故…
• y≥0时概率密度：当 $ y > 0 $ 时，随机变量 $ Y $（$ X \sim U(0,1) $）的 概率密度函数 为 $ f_Y(y) = \frac{1}{2}e^{-y/2} $；其余…
• Y=1−e^(−2X)的分布结论：若 $ X \sim \text{Exp}(2) $，即 $ X $ 服从参数为 2 的指数分布，则变换 $ Y = 1 - e^{-2X} $ 服从区间 $ (0,1) $ 上…
• y≥0时概率密度：当 $ y > 0 $ 时，随机变量 $ Y $ 的 概率密度函数 为 $ f_Y(y) = \frac{1}{2}e^{-y/2} $；其余取值区间上 $ f_Y(y) = 0…

图形法综合辨析

本组讲义继续通过图像法解析一维连续型随机变量的分布函数与概率密度，重点包括分段函数的断点处理、水平线交点判定、空心/实心端点含义及分布函数差求概率等技巧。

• Y=max(X,1)的间断点：当 F_X(1) ≠ 0（如 X ∼ E(λ)）时，Y = max(X, 1) 的分布函数 F_Y(y) 在 y = 1 处存在 跳跃间断点 ，因为 y < 1 时 F_Y(y)…
• 指数分布函数形式：若随机变量 X ∼ Exp(λ)，则其分布函数为 F_X(x) = 1 − e^(−λx)，其中 x ≥ 0。 具体例子为 λ = 2，即 F_X(x) = 1 − e^(−2x…
• 分布函数差求概率：对任意一维随机变量，有 P(a < X ≤ b) = F(b) − F(a)。 例如，P(1 < X ≤ 7/2) = F(7/2) − F(1)。 注意区间为左开右闭，对应分布…
• Y分布函数分段定义：Y 的分布函数 G_Y(y) 是分段函数：当 y < 0 时，G_Y(y) = 0；当 0 ≤ y < 1 时，G_Y(y) = y；当 y ≥ 1 时，G_Y(y) = 1。
• y<1时无交点→GY(y)=0：当 y < 1 时，水平线 Y = y 与变换曲线无交点且位于曲线下方，因此事件 {Y ≤ y} 为空集。 由此得分布函数值 G_Y(y) = 0。 该结论由图形交点分析直接得出。
• Y=E时两线段重合：当 y 等于某常数 E 时，事件 {Y ≤ y} 对应图形中水平线 y=E 及其下方区域，此时图形中两条线段严格重合。 此时不构成一般意义上的交点，而是整段重合。 该情形下分布函…

分布函数法求Y=X²

Y=X²分布函数法

• 四步固定套路：四步固定套路是指用分布函数法求 $Y = X^2$ 的概率密度时的标准步骤。第一步是写出 $Y$ 的分布函数定义； 第二步将 $Y = X^2$ 代入该定义；第三步依据 $X$ …
• 分布函数定义：分布函数定义为 $F_Y(y) = P(Y \leq y)$。将 $Y = X^2$ 代入得 $F_Y(y) = P(X^2 \leq y)$。 对于连续型随机变量 $X$，其分…
• Y取值范围分段讨论：由于 $X$ 的取值范围决定了 $Y=X^2$ 的范围，需对 $y$ 分段讨论。通常分为：$y < 0$、$0 \leq y < \text{最大值}$、$y \geq \tex…
• y < 0时FY(y) = 0：$y < 0$ 时，$F_Y(y) = 0$。因为 $X^2 \geq 0$ 恒成立，所以事件 $X^2 \leq y$ 是不可能事件。该事件的概率为零，故分布函数在此区间取值为…
• y > 4时FY(y) = 1：$y > 4$ 时，$F_Y(y) = 1$。因 $X \in [-1,2]$，故 $X^2 \in [0,4]$，当 $y > 4$ 时，$X^2 \leq y$ 恒成立，该事…
• 0≤y<1时FY(y)=(3/4)√y：当 $0 \leq y < 1$ 时，$F_Y(y) = \frac{3}{4}\sqrt{y}$。由 $X^2 \leq y$ 得 $-\sqrt{y} \leq X \leq…
• 1 ≤ y ≤ 4时FY(y)表达式：当 $1 \leq y \leq 4$ 时，需根据 $X$ 的具体密度函数计算。若沿用前文假设（$X$在$[-1,0)$为$1/2$，$[0,2]$为$1/4$等），则需重新核对…
• 0<y≤1时fY(y)=3/(8√y)：当0 < y ≤ 1时，Y的分布函数为$F_Y(y) = \frac{3}{4}\sqrt{y}$。该式由积分$\int_{-\sqrt{y}}^{0} \frac{1}{2}\…

连续型随机变量基础

概率密度定义与性质

包含：概率密度定义、概率密度性质、概率密度非概率、密度函数非负性、分布函数性质、分布函数验证要点、区间概率公式、三大积分公式。

• 概率密度定义：概率密度定义是：若存在非负可积函数 $f(x)$，使得对任意实数 $a \leq b$，都有 $P(a \leq X \leq b) = \int_a^b f(x)\,dx$，则…
• 概率密度性质：概率密度性质包括： 非负性 ，即对所有 $x$，有 $f(x) \geq 0$；以及 规范性 ，即 $\int_{-\infty}^{+\infty} f(x)\,dx = 1$…
• 概率密度非概率：概率密度 $f(x)$ 不是概率 ，而是通过积分面积来表示概率的工具。 在连续情形下，单点概率恒为零，即 $P(X = x) = 0$。 $P(a \leq X \leq b)$…
• 密度函数非负性：密度函数非负性指：对定义域内所有 $x$，均有 $f_X(x) \geq 0$。 例如指数分布的密度函数为 $f_X(x) = \lambda e^{-\lambda x}$（$…
• 分布函数性质：分布函数 $F(x)$ 的性质包括：定义域为全体实数 $\mathbb{R}$，值域含于 $[0,1]$；$F(x)$ 是 单调不减函数 ；且满足 $\lim_{x \to -\…
• 分布函数验证要点：分布函数验证要点是：通常需验证 单调不减性 、 规范性 （即极限值为 0 和 1）以及 右连续性 。 有界性（值域含于 $[0,1]$）在满足上述条件时往往自动成立。 因此实际验…
• 区间概率公式：区间概率公式给出了连续型随机变量落在开闭混合区间 $(x_1, x_2]$ 上的概率计算方法。该概率等于分布函数之差 $F(x_2) - F(x_1)$。 同时也等于概率密度函数…
• 三大积分公式：三大积分公式是连续型随机变量基本性质的积分表达。第一式：$\int_{-\infty}^{+\infty} f(x)\,dx = 1$，表明概率密度在整个实数轴上积分为 1。 第…

均匀分布及其应用

本组内容讲解均匀分布的定义、密度函数、分布函数及其在实际问题中的应用。包括密度与分布函数之间的导数与积分关系、分段求解分布函数的方法、均匀分布概率密度的具体形式、区间概率的简化计算，以及候车时间等典型例题。

• 密度与分布互导：密度函数与分布函数互导关系成立的前提是函数满足相应可微性或连续性条件。若 $f(x)$ 在 $x$ 处连续，则 $F'(x) = f(x)$。 若 $F(x)$ 在 $x$ 处可…
• 分布函数分段求法：分布函数的分段求法依据概率密度函数 $f(x)$ 的非零取值区间进行划分。例如当 $f(x)$ 在 $[0,3)$ 和 $[3,4)$ 非零时，需将实数轴划分为 $(-\inft…
• 均匀分布密度：均匀分布的概率密度函数在区间 $[a, b]$ 上为常数 $\frac{1}{b-a}$，区间外恒为 0。即 $f(x) = \frac{1}{b-a}$，当 $x \in [a…
• 均匀分布区间概率：均匀分布下，若子区间 $[c, c+l]$ 完全包含于 $[a, b]$，则随机变量落在该子区间上的概率仅取决于 $l$ 与总区间长度 $b-a$ 的比值。即 $P(c \leq…
• 均匀分布应用例：均匀分布应用于候车时间问题：设公交车每 30 分钟一班，乘客到达时刻在发车间隔内服从均匀分布。候车时间少于 5 分钟意味着乘客在下一班车前 5 分钟内到达，对应的有利区间长度为 …

分布函数求区间概率

利用随机变量的分布函数 $F(x)$ 可计算其落在区间上的概率。对于任意实数 $x_1 < x_2$，有 $P(x_1 < X \leq x_2) = F(x_2) - F(x_1)$。 该公式直接由分布函数定义导出，适用于所有类型的随机变量。

密度函数特殊取值

本组内容讲解连续型随机变量概率密度函数 $f(x)$ 在特定点的取值，以及通过变量替换求新随机变量分布时，原变量 $X$ 关于新变量 $Y$ 的等价取值范围。

• f(x)在x=0处值：$f(x)$ 在 $x = 0$ 处的值由其在区间 $[0, 3)$ 上的表达式确定。若假设某合法密度函数在此区间形式类似，需注意归一化条件。 该值用于计算分布函数 $F(x)$…
• f(x)在x=3处值：$f(x)$ 在 $x = 3$ 处的值需根据具体定义的密度函数表达式确定。 该表达式用于计算 $F(x)$ 在第三段（$3 \leq x < 4$）的积分，需累加前一段的概率质…
• Y=eˣ时X=lnY：当 $Y = e^X$ 时，事件 $\{Y \leq y\}$ 等价于 $\{X \leq \ln y\}$，其中 $y > 0$。该等价关系由指数函数严格单调递增性保证。 因此…
• Y=X²时X范围：当 $Y = X^2$ 时，事件 $\{Y \leq y\}$ 等价于 $\{-\sqrt{y} \leq X \leq \sqrt{y}\}$，其中 $y \geq 0$。该等…

随机变量及其分布函数

定义随机变量本质，系统讲解分布函数概念与性质。

随机变量与分布函数基础

• 随机变量定义与本质：包含：随机变量定义、随机变量本质。
• 命名与符号约定：包含：随机变量命名、取值符号约定、小写x含义、小x取值范围、大X与小x区分。
• 事件表示与简化：包含：事件表示简化、奇数点表示法、事件表示优势。
• 分布函数含义：本组讲解分布函数 $F(x)$ 的基本含义，包括其自变量本质、特定点函数值的概率解释及几何直观。
• 分布函数性质：本组讲义系统阐述分布函数的四条基本性质：单调不减性、有界性、规范性（左右极限）、右连续性。
• 分布函数充要条件：本组内容系统讲解分布函数作为某随机变量累积分布函数的充要条件，包括四条基本性质及其验证方法，并结合例题说明如何判断给定函数是否为有效分布函数。
• 核心地位与引入目的：本组讲义阐述分布函数的核心地位、引入目的、对概率问题的转化作用，以及由此引入的数学工具。

分布函数精要

本组系统讲解分布函数的核心性质与关键要点，涵盖其定义辨析、理解路径、数学作用及概率计算功能。

• 定义与本质：本组围绕分布函数的定义逻辑与本质功能展开，阐明其非点概率、映射本质、数学转化作用，以及如何完全决定随机变量全部概率信息。
• 性质与验证：本组讲义系统阐述分布函数的基本性质及其验证方法，包括有界性、规范性、单调不减性等核心要求。
• 概率计算公式：本组讲义系统给出利用分布函数 $F(x)$ 计算各类概率的通用公式，覆盖含等号与不含等号的单点、区间及半开半闭情形。
• 分布函数理解要点：本组内容围绕分布函数的理解与教学展开，涵盖考题常见形式、名称规范、符号统一、实际应用场景及典型例题支撑。
• 随机变量与分布函数综述：包含：功能总结、学习提示、理解关键、几何直观、单调不减、右连续。
• 随机变量分连续型与离散型：随机变量按取值特性主要分为连续型与离散型两类。 连续型随机变量的分布函数图像是连续的单调不减曲线，取值充满某个区间。 离散型随机变量（如掷骰子）仅在有限或可数个孤立点上取值。 二…
• 分布函数四条性质：分布函数 $F(x)$ 具有四条基本性质：有界性、单调不减性、右连续性，以及极限条件。 有界性指对任意 $x$，恒有 $0 \leq F(x) \leq 1$；单调不减性指当 $…

图像法求函数分布

图像法求函数分布是通过绘制函数图像，快速确定随机变量Y = g(X)的取值范围与X到Y的映射关系，从而高效求解Y的分布函数或密度函数。该方法适用于g(X)为分段单调或具有明显几何特征的函数。 核心在于将概率计算转化为对图像交点个数的分类讨论。每一步均以简化积分区间和明确取值范围为目标。

图像法求分布精要

图像法求分布精要涵盖图像法三部曲的完整逻辑链条，包括X取值范围的等价转化、Y值域的图像获取、以及依交点数对Y进行分段处理的关键操作。各步骤环环相扣，服务于分布函数F_Y(y)的分段表达。

• 图像法三部曲：图像法三部曲包含三个标准化步骤：第一步确定所需X的取值范围；第二步绘制Y = g(X)图像以获取Y的值域；第三步作水平直线Y = y，依据其与曲线交点个数对y分类讨论。三者共同构…
• Y值域与交点分析：本组讲义介绍通过Y = G(X)函数图像分析Y的取值范围及Y = y与曲线交点个数，从而确定分布函数F_Y(y)的分段结构与积分区间。
• 积分限与反解逻辑：本组讲义介绍如何根据Y = G(X)图像确定F_Y(y)表达式中的积分限，并说明反解X与积分运算的直接对应关系。
• 典型函数例析：典型函数例析包含四个具体函数类型：指数函数 $Y = e^X$、最值函数 $Y = \max\{1, X\}$、分布函数自复合 $Y = F_X(X)$，以及 $X$ 连续时该复…
• 断点与特殊性质：本组讲解图像法求函数分布中涉及的断点判定与特殊性质，包括断点存在的充要条件、典型断点位置、真题命题倾向、适用变量类型限制及混合型变量的处理边界。
• 适用性与策略：本组讲义介绍图像法在求解随机变量函数分布时的适用条件与解题策略。内容涵盖X取值范围的准确界定、抽象函数下作图步骤的省略可能性、分类讨论的预判依据、方法适用的函数类型广度、密度函数…

图像法核心原理与应用

• 图像法求函数分布例析：本组通过具体函数图像演示如何高效确定 $Y = g(X)$ 的取值范围与映射关系，实现快速求解分布函数。
• 图像法应用与构造

分布函数法再练

本组讲义围绕用分布函数法求解形如 $Y = 2X + 8$ 的一维连续型随机变量函数的分布。

分布函数法适用条件

分布函数法适用于题设给出 $X$ 的 概率密度函数 （即小 $f_X$）的情形，此时可判定 $X$ 为 连续型随机变量 。 题目中明确给出小 $f$，通常采用分布函数法或公式法求 $Y$ 的分布。 该方法同样适用于离散型或混合型情形，通过定义 $F_Y(y)=P(Y\le y)$ 求解。

转换为X概率

将 $Y$ 的分布函数定义式 $F_Y(y) = P(Y \leq y)$ 转化为关于 $X$ 的概率： 由 $Y = 2X + 8$ 得 $P(Y \leq y) = P(2X + 8 \leq y)$。 等价于 $P\left(X \leq \frac{y - 8}{2}\right)$，即 $X$ 落在区间 $(-\infty,\, \frac{y - 8}{2}]$ 的概率。

FY(y)表达式

$F_Y(y)$ 的表达式为 $F_Y(y) = F_X\left(\frac{y - 8}{2}\right)$。 这是因 $P\left(X \leq \frac{y - 8}{2}\right)$ 恰为 $X$ 的分布函数 $F_X(\cdot)$ 在自变量取 $\frac{y - 8}{2}$ 处的函数值。 该式是后续对 $y$ 求导以得 $f_Y(y)$ 的基础。

求导得fY(y)

本组讲义说明如何由 $F_Y(y) = F_X\left(\frac{y - 8}{2}\right)$ 求出 $Y$ 的概率密度函数 $f_Y(y)$，包括求导步骤、导数因子计算、$F_X$ 的分段依据与特性、$f_Y(y)$ 的非零区间及需覆盖全体实数的要求。

• 求导得fY(y)：$f_Y(y)$ 由 $F_Y(y)$ 对 $y$ 求导得到：$f_Y(y) = f_X\left(\frac{y - 8}{2}\right) \times \left|\fr…
• 导数因子值：导数因子为内层函数 $\frac{y - 8}{2}$ 对 $y$ 的导数。 计算得 $\frac{d}{dy}\left(\frac{y - 8}{2}\right) = \f…
• FX分段依据：$F_X(u)$ 的分段依据是其自变量 $u$ 的取值范围。 当 $u \in [0, 4]$ 时，$F_X(u) = \frac{u^2}{16}$（密度 $f_X = \fr…
• FX分段特性：FX 是一个 分段函数 ，其表达式随自变量取值不同而变化。 当自变量落在不同区间时，FX 对应不同的解析式。 例如，在求 FY(y) 过程中，需先识别 FX 的分段点，再依据 y…
• fY(y)非零区间：fY(y) 在区间 $y \in (8,16)$ 上非零，且表达式为 $f_Y(y) = \frac{y-8}{32}$。 该结果由 FY(y) 求导得到，对应 FX 自变量 $…
• fY(y)需覆盖全体实数：fY(y) 必须定义在全体实数上，因此当 $y \notin (8,16)$ 时，$f_Y(y) = 0$。 该段不可省略，否则未覆盖自变量全部取值范围。 考试中若仅写出非零部分…

自变量换元

换元关系为 $u = \frac{y - 8}{2}$，故 $u \in [0,4]$ 等价于 $y \in [8,16]$。 该等价关系用于确定 FY(y) 表达式有效的 y 区间。 据此整理出 y 的范围：$8 < y < 16$。

分段书写规范

概率密度函数必须以 分段形式完整书写 ，明确包含“其他情况为零”的定义。 可表述为“其他时候为零”，或使用英文如 “other”、“else”。 该规范确保 fY(y) 是定义在 $\mathbb{R}$ 上的合法概率密度函数。

核心概念辨析

本组讲义辨析分布函数、概率密度函数与分布律三者的定义及相互关系。重点区分连续型与离散型随机变量所对应的描述工具。 分布函数 $F(x)$ 对所有随机变量通用；概率密度函数 $f(x)$ 仅适用于连续型； 分布律则用于离散型。三者通过积分或求和建立联系。

分布函数与密度本质

• 频率直方图起源：本组讲义从频率直方图出发，说明其纵坐标定义及极限过程如何引出概率密度函数。核心在于理解直方图面积意义与极限过渡的几何直观。不涉及分布律或分布函数的代数推导。
• 概率密度函数f(x)：包含：概率密度函数f(x)是一条“山峰线”、f(x)的积分是分布函数F(x)、F(x)是“切一刀山峰面”、一维概率密度f(x)纵坐标不是点概率、一维f(x)积分得面积=1；二维联…
• 随机变量类型辨析：本组辨析随机变量的基本类型及其表示方式：包括连续型与离散型的取值特征、分布律与分布表的关系、多维随机变量的引入动因及记法。
• 二维联合分布：该组节点系统介绍二维情形下联合分布函数 $F(x,y)$ 与联合概率密度 $f(x,y)$ 的定义、几何意义及记号规范，并对比离散情形下的联合分布律与联合分布表。内容覆盖连续型与…
• 边缘概率密度：本组讲义介绍边缘概率密度的定义、几何含义、计算方式与记号规范。内容覆盖从联合概率密度导出单个变量密度的核心操作。各子节点分别说明其直观理解、积分形式、函数结构及符号意义。

分布函数与密度辨析

• 分布函数性质：本组讲义阐述分布函数的基本性质，包括一维与联合情形下的单调性、右连续性，以及左极限与严格不等式概率的关系。
• 概率密度本质：本组讲义揭示概率密度的本质：它是分布函数的导数（几乎处处），是描述概率在某点附近“集中程度”的函数；一维情形对应山峰线的高度，二维情形对应山峰面的高度。
• 连续型特性：本组讲解连续型随机变量的核心性质：单点概率为0、无概率密度函数的离散型变量不可用密度描述、联合概率密度曲面（“山峰体”）的体积为1。
• 边缘分布定义：本组讲解边缘分布函数的定义与几何含义：包括边缘分布函数的极限表达式、其作为‘切一刀的山峰体’的直观理解、简写形式 $P(X \le x)$、对应 $X \le x$ 一侧的山峰体…
• 边缘分布计算：本组讲义介绍离散型二维随机变量的边缘分布律计算方法，包括从联合分布律出发，通过行求和、列求和得到X与Y各自的边缘分布律，并说明其标准记号。
• 几何直观类比：本组讲义通过几何直观类比，说明边缘概率密度的构造方式，以及均匀分布密度函数在实际问题（如候车时间）中的应用，并解释y<0时分布函数取值为零的原因。