---
resource_id: "1394617"
exam_year: null
exam_name: "考研"
subject_name: "数学一"
material_type: "视频讲义"
prepare_stage: "基础"
version_status: "最终版"
has_analysis: false
date_published: "2026-05-13"
date_modified: "2026-10-30"
---
# 考研概率论与数理统计基础课程讲义

前言
Hi，各位同学大家好，接下来数学一和数学三的同学将开启一段考研概率统计基础课
程的旅程，在课程开启之前，提供一些信息以便大家可以更好更高效的解锁这门课程.

【概率统计考试结构】

概率统计目前在考研当中考察5道题，分别为：3个选择题、1个填空题，每题5分，
客观题总计分值4*5=20分，1个大题，分值12分，概率统计总计分值32分.

【概率统计考试范围】

概率部分

第一章随机事件及其概率
从集合论的角度来陈述事件与事件之间的关系，并求其概率，通常考察一道客观题.

第二章和第三章随机变量及其分布

第二章为一维随机变量及其分布，第三章为二维随机变量及其分布，其随机变量函数
的分布是大题的核心考点.

第四章数字特征
主要从期望、方差、协方差、相关系数四个角度来挖掘随机变量的特征.

第五章大数定律和中心极限定理
统计部分

第六章统计初步，第七章参数估计，第八章假设检验的基本概念（数一）

此部分公式常常易忘且巨无霸，但考查方式通常非常模式化和套路化，是比较容易拿
到满分的.

【2021年考试改革之后大题考点】

|  | 数一 | 数三 |
| --- | --- | --- |
| 2025 | 二维离散联合/边缘/条件三角转换 |  |
| 2024 | 参数估计（同一个题） |  |
| 2023 | 二维随机变量函数的分布 | 一维随机变量函数的分布 |
| 2022 | 参数估计（极大似然估计） |  |
| 2021 | 一维随机变量函数的分布 |  |

从目前大题的考察方式上来看，随机变量函数的分布与参数估计轮番式考察，为大
题的主要考点.

【如何高效学习概率统计】

1. 事件运算的本质是集合运算，掌握了集合的运算，五大概率公式便迎刃而解

2. 随机变量及其分布章节的核心，一定要理解分布函数与概率密度的本质，前者为累积的
概率后者为局部的概率

3. 数字特征的章节的核心是计算，故掌握必备的积分计算技巧并重复主义才可以游刃有余

4. 参数估计大题高效解题的关键，是要理解估计方法的本质，并深度解锁近二十年的真题
最后，依然是熟悉的旋律
唯有热爱可抵岁月漫长
心之所向，终将抵达

目录

第一章随机事件和概率...........................................................................................1

第二章一维随机变量及其分布.............................................................................21

第三章二维随机变量及其分布.............................................................................47

第四章随机变量的数字特征.................................................................................78

第五章大数定律和中心极限定理.........................................................................97

第六章数理统计的基本概念...............................................................................106

第七章参数估计与假设检验...............................................................................118

考研概率论与数理统计基础辅导讲义
考研概率统计的逻辑框架
考研概率论真题风格向来以变化少、题型固定、模式化著称。所以，理论上来讲，只要我
们给予足够的时间和精力，考研概率统计获得满分，从来都不是空想。

主要教材浙大版本概率统计教材
升级版教材陈希孺《概率论与数理统计》中科大出版社
高认知教材茆诗松版本《概率论与数理统计教程》（第三版）

推荐阅读书籍普林斯顿概率统计读本
1

考研概率论与数理统计基础辅导讲义

第一章随机事件和概率

【知识梗概】

2

聚创考研概率论与数理统计基础辅导讲义

【核心考点】

1.随机事件概率的计算（五大公式）

2.随机事件概率命题的判断

3.事件的独立性

第一节事件之间的关系及其运算
一、随机试验和样本空间

1.随机试验
具有以下特点的试验称为随机试验，通常用字母E 来表示.

（1）可以在相同的条件下重复地进行；

（2）每次试验的可能结果不止一个，并且能事先明确试验的所有可能结果；

（3）进行一次试验之前不能确定哪一个结果会出现.

2.样本空间和样本点
样本空间：随机试验的所有可能结果组成的集合称为样本空间.

样本点w：样本空间的元素，即随机试验的每一可能结果称为样本点.

二、随机事件

1.定义：样本空间的子集称为随机事件，简称为事件，通常用A,B,C 表示.

2.事件发生：在每次试验中，当且仅当这一子集中的一个样本点出现时，称这一事件发生.

3.分类
（1）基本事件：由一个样本点组成的单点集.

（2）复合事件：由至少两个基本事件组成.

（3）必然事件：样本空间包含所有样本点，它是自身的子集，在每次试验中它总是
发生的，称为必然事件.记为.

（4）不可能事件：空集不包含任何样本点，它也作为样本空间的子集，在每次试验中都
不发生，称为不可能事件，记为.

3

考研概率论与数理统计基础辅导讲义
（5）零概率事件：对应的概率值和测度都为零，但事件在取值范围内存在.

【深度挖掘】

1. 零概率事件的意思是，概率为零，但是这件事情是有可能发生的

2. 壹概率事件的意思是，概率为壹，但是这件事情不一定必然发生

3. 事件可以推概率，而概率一般不能推事件
即A P(A)0，但P(A)0  A
B  P(B)1，但P(B)1 B 
三、事件间的关系和运算
让事件及其关系，符号化并进行运算，本质是为了达到极简主义

1.事件间的关系
（1）包含关系：A B 事件A 发生一定导致B发生.

（2）事件相等：A B且B A ，则事件A B.

（3）A 和B的和事件：记为AB(或AB)  A,B至少有一个发生时，事件AB发
n
生.类似地，称A 为n个事件A,A ,,A 的和事件.

k 1 2 n
k1
（4）A 和B的积事件：记为AB(或AB) A,B同时发生时，事件AB发生.

n
类似地，称A 为n个事件A,A ,,A 的积事件.

k 1 2 n
k1
（5）A 和B的差事件：事件AB A 发生且B不发生时，事件AB发生，也记为AB.

【深度挖掘】

AB AAB AB，于是有A=ABAB成立.

同理有：AB ABCABC 成立.

（6）互斥(互不相容)事件：AB A,B不能同时发生.

4

聚创考研概率论与数理统计基础辅导讲义
（7）对立(互逆)事件：AB 且AB  A,B在一次试验中必然发生且只能发
生一个.A 的对立事件记为A .

【深度挖掘】

A 1 A 2 A 3 A 4 A 5

互斥只是没有交集，例：，则任意的AA 互斥.

i j

A B

对立则一定是互斥且二分，例：，且AB，则A、B对立.

于是，对立一定互斥，而互斥不一定对立

2.事件的运算律
（1）交换律：AB BA;AB BA .

（2）结合律：A(BC) (AB)C ;A(BC) (AB)C .

（3）分配律：A(BC) (AB)(AC) ，A(BC) (AB)(AC) .

（4）德摩根律(对偶律)：AB  AB,AB  AB .

【例1.1】设是三个A,B,C 随机事件，试用A,B,C 表示下列事件.

1）恰有A 发生. 2）A,B都发生，而C 不发生.

3）A,B,C 同时发生. 4）A,B,C 至少有一个发生.

5）A,B,C 至少有两个发生. 6）A,B,C 恰有一个发生.

7）A,B,C 不多于一个发生.

5

考研概率论与数理统计基础辅导讲义

【例1.2】若随机事件满足(AB)C  ACBC,则（）.


（A）AB C （B）A B C
（C）A B C （D）ABC 

【例1.3】用四则运算来表示下列事件
（1）A、B、C中不多于两个发生
（2）A、B、C中至少两个发生

【例1.4】(AB)B ____________.

6

聚创考研概率论与数理统计基础辅导讲义

第二节五大概率公式

【重点强调】

五大概率公式及其对应的概率事件的计算，为本章考试的重点.

1. 概率的公理化定义
设E 是随机试验，是它的样本空间，对于E 的每一个事件 A 赋予一个实数，记为P(A)，
称为事件A 的概率，如果集合函数P()满足下列条件：

（1）非负性：对于每一个事件A ，有P(A)0.

（2）规范性：对于必然事件，有P()1.

2.可列可加性（本质是无穷多个事情，才会谈可列）

设A,A ,是两两互不相容的事件，即对于AA , i j, i, j 1,2,, 则有
1 2 i j
P(A  A ) P(A)P(A )
1 2 1 2

3.概率的性质
（1）非负性：A，0 P(A)1 .

（2）规范性：P()0,P()1.

（3）有限可加性：设 A , A ,, A 是两两互不相容的事件，即对于AA ,i  j,
1 2 n i j
i, j 1,2,,n ，则有P(A  A  A ) P(A)P(A )P(A ).

1 2 n 1 2 n
（4）逆事件的概率：对于任一事件A ，有P(A)1P(A).

4.概率的基本公式

【加法公式】

对于任意两随机事件A,B有：P(AB)P(A)P(B)P(AB) .

对于3个事件的概率加法公式：

P(ABC) P(A)P(B)P(C) P(AB)P(BC)P(AC)P(ABC) .

7

考研概率论与数理统计基础辅导讲义

【减法公式】

设A,B是任意两个事件，则有P(AB)P(A)P(AB)P(AB).

若B A ，则有 P(AB) P(A)P(B)，P(B) P(A) .

【例1.5】设P（B）0.6,P（AB）0.8,求P（AB）.

【例1.6】已知随机事件A,B满足P(AB) P(AB)，且P(A) p .则P(B)__________，
问A,B是否对立？

1

【例1.7】事件A,B满足P(A) P(B)和P(AB)1则（）.

2
（A）AB . （B）AB.

（C）P(AB)1. （D）P(AB)0.

8

聚创考研概率论与数理统计基础辅导讲义

5.条件概率和乘法公式
1）条件概率的定义
P(AB)
设A,B是两个事件，且P(A)0，称 P(B A) 为在事件A 发生的条件下事件B
P(A)
发生的条件概率.

【简单推导】

以古典型概率为例，对条件概率公式做简单的推导如下
令总事件数N 为
A事件数为m B事件数为m A∩B事件数为m
1 2 12
PAB
m m /N
则P B A 12  12 
m m /N PA
1 1
2）条件概率的性质
（1）非负性：0 P(B| A)1；

（2）规范性：P(| A)1；

（3）条件下逆时间的概率：P(A|B) 1P(A|B)；

（4）条件下的加法公式：P(A  A |B) P(A |B)P(A |B)P(AA |B).

1 2 1 2 1 2
3）乘法公式
若P(A)0,则有P(AB) P(B A)P(A)，我们称此公式为乘法公式.

三个事件的乘法公式：

设A,B,C 为事件，且P(AB)0，则有P(ABC)P(C AB)P(B A)P(A)
9

考研概率论与数理统计基础辅导讲义

【例1.8】在1,2,,9中随机任取一数，令A{是3的倍数}，B ={偶数}，B {大于8}，
1 2
求P(A),P(A|B ),P(A|B ) .

1 2

【例1.9】设A,B为两个随机事件，且0 P(A)1，0 P(B)1,如果P(A B) 1则（）

（A）P(B A) 1 （B）P(A B)0 （C）P(AB) 1 （D）P(B A) 1

6. 全概率公式与贝叶斯公式（非重点，本质是需要分类的概率公式）

（1）完备事件组
若事件A  A ,AA ,1i  j n，则称事件A,,A 是一个完备事件组.

1 n i j 1 n
（2）全概率公式
n
A,,A 是完备事件组，且P(A)0,i 1,2,,n，则P(B)P(A)P(B A).

1 n i i i
i1
10

聚创考研概率论与数理统计基础辅导讲义
（3）贝叶斯公式
贝叶斯公式是概率论中一个著名的公式，这个公式首先出现在英国学者贝叶斯去世后的
1763年的一项著作中，通常也被称之为逆概率公式。从计算的角度上来看，可以理解成复
杂的条件概率公式。

A,,A 是完备事件组，P(B)0,P(A)0,i 1,2,,n，则
1 n i
P(A )P(B A )
P(A B)  j j , j 1,2,,n .

j n
P(A)P(B A)
i i
i1

【例1.10】已知在10件产品中有2件次品，从中取2件，每次任取一件，作不放回抽样.

（I）求第一次取正品的概率，求第二次取出的是正品的概率.

（II）已知第二次取出的是正品，求第一次取出的是次品的概率.

11

考研概率论与数理统计基础辅导讲义

第三节事件的独立性

1.两个事件的独立性
（1）定义
设A,B是两个事件，如果满足等式P(AB) P(A)P(B)，则称事件A,B相互独立，简称事
件A,B独立.

【简单推导】

独立定义的底层逻辑为：P
APB，即已知A发生的情况下，B发生的概率就
B
等于B发生的概率，
PAB
但是，P B A要求PA0
PA
也就是说，将A,B独立定义成：P
APB，且PA0，不够方便.

AB
于是修改成：PABPAPB的样子.

（2）独立性的等价说法
若0 P(A)1，则事件A,B独立也等价于如下四个等式
1）P(B)P(B| A)  P(B) P(B| A)
2）P(B A)P(B A)
3）P(B A)P(B A)1
（3）独立性的性质
1）若事件A,B相互独立，则A与B ，A与B，A与B也相互独立.

2）事件A与B，若P(A)0或1，则A,B相互独立.

12

聚创考研概率论与数理统计基础辅导讲义

【例1.11】设0 P(A)1,0 P(B)1 且P(A|B)P(A|B)1，则有（）.

（A）A与B互不相容. （B）A与B互逆.

（C）A与B相互独立. （D）A与B不独立.

2.三个事件的独立性
（1）定义
设A,B,C 是三个事件，如果满足等式
1）P(AB) P(A)P(B)； 2）P(AC)P(A)P(C)；

3）P(BC)P(B)P(C)； 4）P(ABC) P(A)P(B)P(C)
则称三个事件A,B,C 相互独立.

若仅满足等式1），2），3），则称三个事件A,B,C 两两独立.

（2）性质
若三个事件A,B,C 相互独立，则任意两个事件的和、积、差构成的新事件与另外一个事件
或者它的逆事件是相互独立的.例如事件AB与事件C 相互独立.

【例1.12】设A,B,C 是三个相互独立的随机事件，且0 P(C)1，则下列给定的四对事
件中不一定相互独立的是（）.

（A）AB与C （B）AC 与C
（C）AB与C （D）AB与C
13

考研概率论与数理统计基础辅导讲义
1

【例1.13】设随机事件A与B相互独立，A与C相互独立，BC ，若P AP B，
2
1
P AC|ABC，则P C________.

4

【例1.14】设A,B,C为三个随机事件，A与B互不相容，A与C互不相容，B与C相互
1
独立，P(A)P(B)P(C)，则P BC |ABC .

3
14

聚创考研概率论与数理统计基础辅导讲义

第四节古典型概率和几何型概率
一、预备知识

1.两个基本原理
（1）乘法原理：完成某事要k个步骤，每一步分别有n,n ,,n 种方法，则完成此事共
1 2 k
nn n 种方法.

1 2 k
（2）加法原理：完成某事有k类途径，每一类分别有n,n ,,n 种，则完成此事共有
1 2 k
n n n 种方法.

1 2 k

2.排列
从n个不同的元素中任取r 个(0r n)，按一定顺序排成一列，则称为从n个元素中取
出r 个元素的一个排列，其个数记为Pr或Ar，即Pr n(n1)(nr1).

n n n

3.组合
从n个不同的元素中任取r 个(0r n)，不计顺序拼成一组，称为从n个元素中取出r 个
n!

元素的组合，记为Cr  .

n (nr)!r!

注：区分乘法原理和加法原理，排列和组合.

二、古典型概率
（1）定义：具有以下两特点的试验称为古典概型：



1）样本空间有限
；

e ,e e
1 2 n
2）等可能性 P e P e  P e  .

1 2 n
（2）计算方法
A中基本事件的个数n
P(A) A .

中基本事件总数n

【深度挖掘】

古典型概率是建立在排列组合的基础之上的.

15

考研概率论与数理统计基础辅导讲义

【例1.15】设袋中有红、白、黑球各1个，从中有放回地取球，每次取1个，直到三种颜
色的球都取到时停止，则取球次数恰好为4的概率为____________.

【例1.16】袋中有5只白球，6只黑球，从中取出2球，每次取一球，作不放回抽样.

（I）求取出的2球为1白球1黑球的概率.

（II）求取出的2球为至少有1黑球的概率.

三.几何型概率
如果试验E 是从某一线段（或平面、空间中有界区域）上任取一点，并且所取得点位于
中任意两个长度（或平面、体积）相等的子区间（或子区域）内的可能性相同，则所取
得点位于中任意子区间（或子区域）A 内这一事件（仍记作A ）的概率为：

A的长度(或面积、体积)
P(A) .

的长度(或面积、体积)

【例1.17】星期天，甲乙约定上午9点—10点之间在校门口见面，先到者等15分钟便离开，
求两人能会面的概率.

16

聚创考研概率论与数理统计基础辅导讲义
课后练习
一、选择题

1.设随机事件A与B互不相容,且P A p,P Bq,则A与B中恰有一个发生的概率等
于（）.

（A） pq （B） pq pq
（C） 1 p 1q（D） p 1qq 1 p

2.设P(A)0.6,P(B)0.8,P(B A)0.8,则下列结论中正确的是（）.

（A）事件A,B互不相容（B）事件A,B互逆
（C）事件A,B相互独立（D）A B

3.设A和B为互不相容事件，且P(A)P(B)0，则必有（）.

（A）A和B不相容（B）A和B相容
（C）P(AB) P(B). （D）P(AB) P(B)
二、填空题

4.设A,B是任意两个随机事件，则P AB AB AB AB

_________.



5.随机事件A,B满足P(A)0.4,P(B)0.5,P(A B)P(A B),则P AB __________.

6.假设一批产品中一、二、三等品各占600 ,300 ,100 ,从中随机抽取一件,结果不是三等
0 0 0
品,则取到的是一等品的概率为__________.

17

考研概率论与数理统计基础辅导讲义
三、解答题

7.随机的向半圆0 y 2axx2 （a为正常数）内掷一点，点落在半圆内任何区域的概

率与区域的面积成正比，求原点与该点的连线与x轴的夹角小于的概率.

3

8.甲袋中有5只白球,5只红球,15只黑球,乙袋中有10只白球,5只红球,10只黑球,从两袋
中各取一球,则求两球颜色相同的概率.

18

聚创考研概率论与数理统计基础辅导讲义

【课后练习详细答案】

一、选择题

1.【答案】A


【解析】P AB P AB P(A)P(AB)P(B)P(AB) pq .

2.【答案】C

【解析】P(B A) P(B)，所以A,B相互独立.

3.【答案】D

【解析】P(AB)P(A)P(AB)P(A) ，
P(AB) P(A)P(B)P(AB) P(B).

二、填空题

4.【答案】0

【解析】根据事件间运算的分配律，有
(AB)(AB)  AAB B,(AB)(AB) B.

所以P{(AB)(AB)(AB)(AB)} P  BBP 0.

5.【答案】0.2

【解析】P(A B) P(A B)，所以A,B相互独立.

P(AB) P(A)P(AB) P(A)P(A)P(B)0.2
2

6.【答案】

3

0.6 2

【解析】

0.60.3 3
三、解答题

7.【解析】本题为几何概型，所以
19

考研概率论与数理统计基础辅导讲义
1  1 2
a2sin a2
2 3 2 3 2 3
p 
1 3 2
a2
2

8.【解析】设A :从甲袋取出的球的颜色依次为白、红、黑；B :从乙袋中取出的球的颜色
i i
依次为白、红、黑（i 1,2,3）；C:取出的球颜色相同.则C  AB A B A B ，故
1 1 2 2 3 3
P CP
P 
P 
P 

AB A B A B
AB
A B
A B
1 1 2 2 3 3 1 1 2 2 3 3
 P A  P B P A  P B P A  P B 
1 1 2 2 3 3
5 10 5 5 15 10 9
 .

25 25 25 25 25 25 25
20

聚创考研概率论与数理统计基础辅导讲义

第二章一维随机变量及其分布

【知识梗概】

21

考研概率论与数理统计基础辅导讲义
七种概型分布：

22

聚创考研概率论与数理统计基础辅导讲义

【核心考点】

1.累积分布函数和概率密度函数的性质

2.七大常见分布

3.随机变量函数的分布

第一节随机变量及其分布函数
本章刻画了两个函数从不同的角度来体现概率
（1）累积分部函数（体现全局概率）数学表达式是一个不等式的概率
（2）概率密度函数（体现局部概率）数学表达式是一个等式的概率

1.随机变量的定义
定义在样本空间= e上的实值单值函数X  X(e)，e，则该变量X(e)称为随机变
量.随机变量常用大写字母X,Y,Z等表示，即epX  X(e)，其取值用小写字母
x,y,z等表示.

2.随机变量的分布函数
（1）定义
设X 是一个随机变量，对于任意实数x，令F(x)P{X  x}， x，则称F(x)
为随机变量X 的概率累积分布函数，简称分布函数.

【详细解释】

再次明确一个概念，我们这里说的分布究竟是什么？

无论是在理论还是实际的实验当中，一个事件都有可能有若干个结果.每一个结果可能出现
也可能不出现，对于每个事件而言出现的可能性就是概率.而分布，就是衡量一个概率有多
大.

23

考研概率论与数理统计基础辅导讲义
（2）分布函数的性质
（I）有界性：0 F(x)1.

（II）规范性：F() lim F(x)0， F() lim F(x)1.

x x
（III）单调不减性：对于任意x  x ，有F x F x  .

1 2 1 2
（IV）右连续性：F(x) F(x0).

 b
a x0

【例2.1】设随机变量X 的分布函数为F(x) 1x2 ，求a,b,c的值.

x0

c
（3）利用分布函数求各种随机事件的概率
已知随机变量X 的分布函数为F(x)，则有
（1）P{X a}F(a).

（2）P{X a}1P{X a}1F(a) .

（3）P{X a} F(a0) lim F(x).

xa
（4）P{X a}P{X a}P{X a}F(a)F(a0) .

（5）P{a X b}P{X b}P{X a}F(b)F(a) .

（6）P{a X b} P{X b}P{X a} F(b0)F(a).

24

聚创考研概率论与数理统计基础辅导讲义
（7）P{a X b} P{X b}P{X a} F(b)F(a0).

（8）P{a X b}P{X b}P{X a}F(b0)F(a0) .

【简单的推导】

关于性质（3）xaxa，且0（其中0）

则Pxa limPxa limF a limF xFa0
00 xa
0, x0
1

【例2.2】设随机变量X 的分布函数F x , 0 x1 ，则P X 1
2

1ex, x1
1 1
（A）0 （B）（C）e1 （D）1e1
2 2
0 x0


【例2.3】设随机变量X 的分布函数为F(x)Asinx 0 x/2 ，

1 x/2

求常数A ，并计算P X .

 6
25

考研概率论与数理统计基础辅导讲义

第二节离散型随机变量及其分布
随机变量的分类
（1）离散型随机变量：X 的取值为有限个或无限可列个.

（2）连续型随机变量：X 的取值为某区间上的所有值.

（3）非离散型也非连续型.

我们此节先来给大家介绍，离散型随机变量及其分布

1.离散型随机变量的概率分布
定义：设 X 为离散型随机变量，其可能取值为x ,x ,,x ， X 取各个值x 的概率为
1 2 k k
P X  x  p  k 1,2，其中
k k
（1） p 0 k 1,2；

k
（2） p 1，
k
k
则称，P{X  x } p (k 1,2,)
k k
为随机变量X 的概率分布或分布律，也可记为

| X | x 1 | x 2 | x 3 |  | x k |  |
| --- | --- | --- | --- | --- | --- | --- |
| P | p 1 | p 2 | p 3 |  | p k |  |

2.离散型随机变量的分布函数
已知离散型随机变量X 的概率分布为
P{X  x } p (k 1,2,,n)，
k k
设x  x  x  x ，则分布函数为
1 2 k n
26

聚创考研概率论与数理统计基础辅导讲义
0 x x
1

p x x x
 1 1 2

F(x)p  p x  x x .

1 2 2 3



1 x x
n

【深度挖掘】

离散型随机变量的Fx不连续；且每一个分段点皆为跳跃点.

①
每个分段点为概率值不为零的点.

②0 x1

0.4 1 x1

【例2.4】设随机变量X 的分布函数为F(x)，求X 的概率分布.

0.8 1 x3

1 3 x

【例2.5】10件产品中有2件次品，现任取3件，以X 表示取到的次品数，求X 的概率分布.

27

考研概率论与数理统计基础辅导讲义

3.常用的离散型随机变量
（1）0-1分布

【比如抛一次硬币的分布】

若随机变量X 只有两个可能的取值0和1，其概率分布为
P{X k} pk(1 p)1k ,k 0,1
则称X 服从0-1分布.

（2）二项分布B(n,p)

【比如抛n次硬币的分布】

设事件 A在任意一次试验中出现的概率都是 p(0 p1). X 表示n重伯努利试验中事件
A 发生的次数，则 X 所有可能的取值为 0,1,2,n ，且相应的概率为
P{X k}Ck p(1 p)nk,k0,1,,n，记为X ~ B(n,p).

n

【深度挖掘】

当n很大， p很小的时候，二项分布的概率计算成本非常高.于是乎，我们把这种情况下的
二项分布近似成泊松分布，也就是接下来要出场的分布类型.

（3）泊松分布P()
ke
设随机变量X 的概率分布为P{X k} (0),k 0,1,2,
k!

则称X 服从参数为的泊松分布，记为X  P().

【深度挖掘】

泊松分布的分布律简要推导过程如下
P()：当n很大， p很小时，我们可以把二项分布近似成泊松分布，
令np（的本质是平均次数），即np平均次数=

则有：P{X k}=limCkpk(1 p)nk limCk( )k(1)nk
n
n n n n
n
28

聚创考研概率论与数理统计基础辅导讲义
n(n1)(n2)[n(k 1)]k 
lim (1)nk
n nkk! n
k n(n1)(n2)[n(k 1)] (nk)ln(1)
 lim e n
k!n nk
 nk
因为n ln(1)~()， lim(nk)()lim() 
n n n n n n
k (nk)(
k
)
故原式 lime n  e
k!n k!

k
则：P{X  k} e k 0,1,2,3…
k!

（4）几何分布G(p)【本质：最后一次成功分布】

若X 的概率分布为
P X k pqk1， (k 1,2 q 1 p, 0 p1)
则称X 服从几何分布.记为X G(p).

【例2.6】设随机变量X 服从参数为(2, p)的二项分布，随机变量Y 服从参数为(3, p)的二
5
项分布，若P{X 1}，则P{Y 1}__________.

9
29

考研概率论与数理统计基础辅导讲义
C

【例2.7】X  P X k，k 0,1,2,3……，则C  .

2k k!

【例2.8】设某段时间内通过路口车流量服从泊松分布，已知该时段内没有车通过的概率为
1
，则这段时间内至少有两辆车通过的概率为_______.

e
20

【例2.9】设X ,X …，X 是来自总体B(1,0,1)的简单随机样本，令T X ，利用泊
1 2 20 i
i1
松分布近似表示二项分布的方法可得P
1
T
1 2 3 4
（A）（B）（C）（D）

e2 e2 e2 e2
30

聚创考研概率论与数理统计基础辅导讲义

第三节连续型随机变量的概率分布
在连续分布的场合，密度函数与分布函数是可以互相推出的，含有相同的信息，各有各的
用处，但是在图形上密度函数对各种连续分布的特性可以获得更加直观的显示，如正态还
是偏态，单峰与平顶都是依密度函数图像命名的，因而人们对连续型随机变量的密度函数
更为注意.

1.概率密度函数
设随机变量 X 的分布函数为F(x)，存在非负可积函数 f (x)  0( x )，使
x
得对于任意实数x，有F(x)P{X  x} f(t)dt ，则称 X 为连续型随机变量，函数

f(x)称为X 的概率密度函数（简称概率密度）.

2.性质
（1）非负性： f(x)0.


（2）规范性： f(x)dx=1.


（3）连续型随机变量X 的分布函数F(x)是连续函数，因此在任何给定值的概率都是零，
即对于任何实数a，有P{X a}0.

b
（4）对于任意实数a和b (ab)，有P{a X b} F(b)F(a) f(x)dx.

a
（5）在 f(x)的连续点处，有F(x) f(x).

【深度挖掘】

如果F(x)、F (x)皆为累积分布函数，则
1 2
F(x)F (x)
1 2
①
aF(x)bF (x) （ab1，且a 0,b0）

1 2
②
也为分布函数.

同理，如果 f (x)、f (x)皆为概率密度函数.则
1 2
f (x)F (x)F(x)f (x)
1 2 1 2
①
31

考研概率论与数理统计基础辅导讲义
af (x)bf (x) （ab1，且a 0,b0）也为概率密度函数.

1 2
②

【简单推导如下】

满足规范性令FxF xF x
1 2
①
FF F 111
1 2
FF F  00 0
1 2
满足单调不减
② F x单调不减（F x0） F x单调不减（F x0）

1 1 2 2
则其乘积FxF xF x单调不减.

1 2

【例2.10】设连续型随机变量X 的分布函数为
F(x)abarctanx,(x(,))，
（I）求常数a,b；

（II）求X 的概率密度 f(x)；

（III）求P{X2 1}.

32

聚创考研概率论与数理统计基础辅导讲义
2

【例2.11】设随机变量X 的密度函数 f(x)满足 f(1x) f(1x)，且 f(x)dx0.6，
0
则P{X 0}( ).

（A）0.2 （B）0.3 （C）0.4 （D）0.5

3.常用连续型随机变量
（1）均匀分布 U(a,b)
 1
 a xb
若连续型随机变量X 的概率密度 f(x)ba ，则称X 服从 a,b上的均匀
其他

0
分布，记为X ~U(a,b).

0
xa

xa
随机变量X 的分布函数为F(x) a xb .

ba

xb
1


【例 2.12】随机变量 K 在 0,5 上服从均匀分布，则关于 x 的一元二次方程
4x2 4KxK 20有实根的概率为__________.



【例2.13】设随机变量X 在 2,5 上服从均匀分布，现在对X 进行三次独立观测，试求至
少有两次观测值大于3的概率.

33

考研概率论与数理统计基础辅导讲义
（2）指数分布E() （本质：时间型分布）

ex x0
若连续型随机变量X 的概率密度为 f(x)，其中0为参数，则称X 服
0 x0
从参数为的指数分布，记为X ~ E().

1ex x0
随机变量X 的分布函数为F(x) .

0 x0

【深度挖掘】

1.指数分布的本质为等待行型时间分布，我们日常涉及到的排队模型即为指数分布

2.与泊松当中的为同一个

3.指数分布的概率密度函数简要推导过程如下

【简单推导】

（1）泊松分布简单理解为：

当n很大； p很小时，单位时间内发生的次数的分布，平均发生次数为
（2）泊松过程：t份单位时间下的泊松分布
如单位时间平均发生次数为，则t份单位时间平均发生次数为t
（3）P X t ，即等待时间至少为t的概率} P X t内，一次都没有发生}
 p{平均发生次数为t，发生次数为k 0}
即PX tPX t,且k 0P k 0,参数为t
tk
 et et
k0
k!

则：F(t)P{X t}1P{X t}1et
et t 0
F(t) f(t)
 0 其他
34

聚创考研概率论与数理统计基础辅导讲义

【例 2.14 】设随机变量 X 服从参数为 1 的指数分布， a 0 ，则
P{X a1| X a}__________.

（3）正态分布N(,2)
（高斯分布）

一般正态分布
(x)2
1
若连续型随机变量X 的概率密度为 f(x) e 22 (x)，其中,0
2
为常数，则称X 服从参数为,的正态分布，记作X ~ N(,2).

标准正态分布
1）定义：当0 ，1的正态分布称为标准正态分布，记作N(0，1) ，其概率密度用(x)
表示，分布函数用(x)表示，其中
x2
1
(x) e 2 ( x).

2
2）性质
对称性：密度函数为偶函数，即(x)(x) ，密度函数图形关于 y 轴对称.

1

常用结论：①(x)1(x)；②(0)；③P X a  2(a)1
2
因为正态分布函数的图像形形色色，为了整齐划一，我们将其标准化成标准正态分布
3）一般正态分布的标准化
X 
一般正态分布X ~ N(u,2)，可以通过线性变换Z  ~ N(0,1)转化为标准正态分布

35

考研概率论与数理统计基础辅导讲义
N 5，32
N 0，22
N 0，1

【例2.15】设X ,X ,X 是随机变量：且X ~
，X ~
，X ~
，
1 2 3 1 2 3

P  P 2 X 2 i 1,2,3 ，则（）

i i
（A）P  P  P （B）P  P  P
1 2 3 2 1 3
（C）P  P  P （D）P  P  P
3 2 1 1 3 2


【例2.16】设随机变量X ~ N(,2)(0)，记 p=P X +2 ，则（）

（A） p随着的增加而增加（B） p随着的增加而增加
（C） p随着的增加而减少（D） p随着的增加而减少
36

聚创考研概率论与数理统计基础辅导讲义

第四节随机变量函数的分布
此节我们要利用已知的随机变量X的分布，来获得随机变量X的函数Y  g(X)的分布

1.离散型随机变量的函数分布
设 X 是离散型随机变量，概率分布为P X x  p ,k1,2,, 则随机变量 X 的函数
k k
Y  g(X)取值g(x )的概率为P Yg(x )p ,k1,2,.

k k k
如果g(x )中出现相同的函数值，则将它们相应的概率之和作为随机变量Y  g(X)取该值
k
的概率，就可以得到Y  g(X)的概率分布.

主题一离散型随机变量函数的分布

【例2.17】随机变量X 的概率分布为

| X | 1 | 0 | 1 | 2 |
| --- | --- | --- | --- | --- |
| p | 1 3 | 1 4 | 1 4 | 1 6 |

求Y  X2 的概率分布.

37

考研概率论与数理统计基础辅导讲义

2.连续型随机变量函数的概率密度
已知连续型随机变量X 的概率密度为 f (x) ，Y  g(X)，求Y 的概率密度 f (y).

X Y
方法一：分布函数法
先求随机变量Y 的分布函数
F (y)P{Y  y}P{g(X) y} f (x)dx ，
Y g(x)y X
然后分布函数求导得概率密度 f (y)F(y).

Y Y
方法二单调函数公式法
设y  g(x)是单调、可导且导函数不为0的函数，其反函数x  g-1(y)，则
f [g1(y)][g1(y)] y
f (y) x
Y
 0 else
其中(,)是g(x)在x可能取值区间上的值域.

【单调函数公式法简单推导如下】

方法一分布函数法

F yPY  yP gx y当Y G x 单调递增时 P xg 1y 
Y
F g1y
X 
F yF g1y
Y X 

求导： f y f g1yg1y
Y X 
简写成： f y f xy xy
Y X
方法二概率密度归一性
已知：Y Gx，当函数单调时将其反函数表示为X G1y
把反函数简写成为xxy，进行定积分换元法.

dxdxyx(y)dy
38

聚创考研概率论与数理统计基础辅导讲义
于是： f xdx f xy x(y)dy 1
 x  x
（ x(y) 绝对值为了保证非负性）

主题二连续型随机变量函数的分布
1/2 1 x0


【例2.18】设随机变量X 的概率密度为 f (x)1/4 0 x 2 ，令Y  X2 ，求Y 的
X

0 其他
概率密度 f (y).

Y
2x
 ,0 x,

【例2.19】设随机变量X 的密度概率为 f x2 ，求Y=sinX 的概率密度.


 0, 其他
39

考研概率论与数理统计基础辅导讲义

【例2.20】设随机变量X 服从参数为3的指数分布，求随机变量Y=min(X,2)的分布函数.

主题三分段连续型
1  2, x1,
 x2,0x3, 

【例2.21】设随机变量X 的概率密度为 f xa 令随机变量Y X,1x2,
 0, 其他1, x2,
（1）求Y 的分布函数；

（2）求概率PX Y.

40

聚创考研概率论与数理统计基础辅导讲义
主题四分布函数的分布

【例2.22】设随机变量X 服从参数为2的指数分布，证明随机变量X 的分布函数在区间
(0,1) 上服从均匀分布.

41

考研概率论与数理统计基础辅导讲义
课后练习
一、选择题
5k

1.设X 服从参数为5的泊松分布，即P X k e5，则当k （）时，P X k
k!

最大.

（A）3 （B）5 （C）7 （D）8

2.设F(x) 和F (x)是随机变量的分布函数， f (x), f (x) 是相应的概率密度，则（）.

1 2 1 2
（A）F(x)F (x) 是分布函数（B）F(x)F (x)是分布函数
1 2 1 2
（C） f (x) f (x)是概率密度（D） f (x)f (x)是概率密度
1 2 1 2
N 2,22
 x，分布函数F x
，概率密度为 f

3.设X 
，则（）.

（A）P
0 P
00.5
X
X
x1
 x
（B） f
f
（C）F xFx
（D）P
2 P
20.5
X
X
二、填空题
2x 0 x1

4.设随机变量X 的概率密度为 f(x)，以Y 表示对X 的三次重复观察中事
0 其他
 1
X 出现的次数，则P Y 2__________.

 2
42

聚创考研概率论与数理统计基础辅导讲义


5.已知X  N 2,22 ，则P{0 X 4}__________.

1 / 3 x  [0,1]

，且P
k2

6.设随机变量X 的概率密度为 f (x) 2 / 9 x  {3,6]
3，则k
X

0 其他
的取值范围是__________.

三、解答题

7.一正方体的三个侧面标有“0”，两个侧面标有“1”，另一个侧面标有“2”.将其随意投
掷在桌上，设X 是朝上的侧面上的数字，求 X 的概率分布.

8.设顾客在某银行的窗口等待服务的时间 X (以分计)服从指数分布，其概率密度为
1
 ex/5 x0
f(x)5 ，某顾客在窗口等待服务，若超过10分钟，他就离开.他一个月要
其他

o
到银行5次.以Y 表示一个月内他未等到服务而离开窗口的次数.求Y 的概率分布.

9.设随机变量X ~ N(0,1)，
（I）求Y eX 的概率密度 f (y)；

Y
（II）求Z 2X21的概率密度 f (z).

Z
43

考研概率论与数理统计基础辅导讲义

【课后练习详细答案】

一、选择题

1.【答案】B
5k
e5
5k p (k)! 5

【解析】设 p  P{X k} e5，则 k ，
k k! p 5k1 k
k1 e5
(k1)!

所以当k 5时， p 单调增加，当k 5时， p 单调减少，(p )  p .

k k max 5
k

2.【答案】B

【解析】若函数满足分布函数的四条性质（非负性、规范性、单调不减性、右连续性）即
为分布函数，若函数满足概率密度的两条性质（非负性、规范性）即为概率密度函数.因为
0 F(x)1，0 F (x)1，所以0 F(x)F (x)1；对任意的x  x ，有
1 2 1 2 1 2
F(x )F (x )F(x )F (x )F(x )F (x ) ；因为F(x),F (x)右连续，所以F(x)F (x)右
1 1 2 1 1 1 2 2 1 2 2 2 1 2 1 2
连续； F(-)F (-)=0，F()F ()=1，所以选（B）.选项（A）、（C）、（D）

1 2 1 2
不一定满足规范性.

3.【答案】D
X 2 X 2

【解析】P{X 2}P{ 0}0.5，P{X 2}P{ 0}0.5.

2 2
二、填空题
9

4.【答案】

64
1 1 1 1

【解析】P{X  }22xdx ，所以Y  B(3, )，
2 0 4 4
1 3 9
所以P{Y 2}C2( )2  .

3 4 4 64

5.【答案】2(1)1
X 2

【解析】P{0 X 4}P{11}2(1)1.

2
44

聚创考研概率论与数理统计基础辅导讲义

6.【答案】1k 3
 11 62

【解析】当k 0时，P{X k} f(x)dx  dx dx 1；

k 03 3 9
 11 62 k
当0k 1时，P{X k} f(x)dx  dx dx 1；

k k 3 3 9 3
 62 2
当1k 3时，P{X k} f(x)dx  dx ；

k 3 9 3
 62 2
当3k 6时，P{X k} f(x)dx  dx  (6k) ；

k k 9 9

当k 6时，P{X k} f(x)dx 0.

k
三、解答题

7.【答案】X 的概率分布为

| X | 0 | 1 | 2 |
| --- | --- | --- | --- |
| p | 1 2 | 1 3 | 1 6 |

3 1 2 1 1

【解析】P{X 0}，P{X 1}，P{X 2} .

6 2 6 3 6

8.【分析】Y 服从伯努利分布，首先要算出离开银行的概率.

1 x 1

【解析】P{X 10} f(x)dx  e 5dx ，所以
10 10 5 e2
1
Y  B(5, )，所以Y 的概率分布为
e2
1 1
P{Y k}CK( )k(1)5k,(k 0,1,,5) .

5 e2 e2

9.【分析】先求出分布函数，求导得概率密度函数.

【解析】（I）F (y) P{Y  y} P{eX  y}
Y
①当 y0时，F (y)0；

Y
lny
②当 y 0时，F (y)P{X ln y}(x)dx (ln y) ，
Y 
0 y0
所以F (y)，
Y (ln y) y0
45

考研概率论与数理统计基础辅导讲义
0
 y0
所以 f (y)F(y) 1 (lny)2 .

Y Y  e 2 y 0
 2y
（II）F (z)P{2X21 z}
Z
①z 1时，F (z)0；

Z
z1 z1 z1
②z 1时，F (z) P{ x } 2 (x)dx
Z 2 2  z1
2
z1 z1 z1
( )()2( )1，
2 2 2
 0, z1

所以F z z1 ,
z 2Φ
1 z1

 2 
 0, z1

所以. f zFz 1 z1 ,
z z e 4 z 1
 2 z1

46

聚创考研概率论与数理统计基础辅导讲义

第三章二维随机变量及其分布

【知识梗概】

47

考研概率论与数理统计基础辅导讲义

【核心考点】

1.二维随机变量累积分布函数的性质

2.联合、边缘、条件累积分布函数与概率密度函数的转换与关联

3.二维随机变量的独立性

4.二维正态分布的性质与二维均匀分布的性质

5.二维随机变量函数的分布

第一节二维随机变量及其分布函数

1.二维随机变量
定义：设X  X(),Y Y() 是定义在样本空间上的两个随机变量，则称向量
(X,Y)为二维随机变量(或随机向量).

2.二维随机变量分布函数
设(X,Y)是二维随机变量，对于任意实数x,y，称二元函数F(x,y) P{X x,Y  y}
为二维随机变量(X,Y)的分布函数或随机变量X 与Y 的联合分布函数，它表示随机事件
{X  x}与{Y  y}同时发生的概率.

3.二维随机变量分布函数的性质
（1）非负性：对于任意实数x,yR ，0 F(x,y)1；

（2）规范性：F(,y)  lim F(x,y) 0，F(x,) lim F(x,y)0，
x y
F(,) lim F(x,y)0， F(,) lim F(x,y)1；

x x
y y
（3）单调不减性：F(x,y) 分别关于x和 y单调不减；

（4）右连续性：F(x,y) 分别关于x和 y右连续，即
F(x,y)F(x0,y),F(x,y)F(x,y0) x,yR .

48

聚创考研概率论与数理统计基础辅导讲义

【例3.1】设二维随机变量(X,Y)的分布函数为
x 
F(x,y) A(Barctan )(arctan y),(x,y)R2，则常数A,B分别为（）.

2 2
1  1  2 1 
（A） , （B） , （C）2, （D） ,
 2 2 2  4
二维联合分布函数含有丰富的信息，主要有以下三方面的信息
（1）可以获取每个分量的所有信息，即每个分量的分布，边际分布或边缘分布
（2）可以获取两个分量之间的关联程度，用协方差和相关系数来描述
（3）给定一个分量时，获取另一个分量的分布，即条件分布
我们的目的是将这些信息从联合分布中挖掘出来

4.二维随机变量的边缘分布函数
设二维随机变量(X,Y)的分布函数为F(x,y) ，则称
F (x) P X  x P X  x,Y  F(x,) lim F(x,y) 是二维随机变量
X
y
(X,Y)关于X 的边缘分布函数.

同理，F (y) F(,y) lim F(x,y)为二维随机变量(X,Y)关于Y 的边缘分布函数.

Y
x

5.二维随机变量的独立性
设二维随机变量(X,Y)的分布函数为F(x,y) ，关于X 和关于Y
的边缘分布函数分别为F (x)和F (y) ，如果对于任意实数x和 y有
X Y
F(x,y) F (x)F (y)，则称随机变量X 和Y 相互独立.

X Y
49

考研概率论与数理统计基础辅导讲义

【例3.2】设二维随机变量(X,Y)的分布函数为
(1e2x)(1ey), x0,y0,
F(x,y)
0, 其它.

（I）求X,Y 的边缘分布函数F (x),F (y) ；

X Y
（II）判断随机变量X 和Y 是否独立.

50

聚创考研概率论与数理统计基础辅导讲义

第二节二维离散型随机变量及其分布

1.二维离散型随机变量的定义
如果二维随机变量(X,Y)的可能取值为有限对或无限可列多对实数，则称(X,Y)为二维离
散型随机变量

2.联合（局部）分布律
设二维离散型随机变量(X,Y)所有可能取值为(x,y ) (i, j 1,2,)
i j

且相应的概率为P X  x ,Y  y  p ,(i, j 1,2,)，且满足：

i j ij
（1） p 0，i, j 1,2,，
ij

 p 1
，则称为二维离散型随机变量(X,Y)的概率分布或随机变量X 和Y 的
（2）

ij
i1 j1
联合概率分布.

3.边缘（局部）分布律

二维离散型随机变量(X,Y)的概率分布为P X  x ,Y  y  p ,(i, j 1,2,)
i j y
则X 的边缘概率分布为

P X xP X x,Y P{X x,Yy }  p p (i1,2,)
i i i j ij i
j1 j1
Y 的边缘概率分布为

P Y y P X ,Y y P{X x,Y y } p  p (j 1,2,).

j j i j ij .j
i1 i1

4.条件（局部）概率分布律
设二维离散型随机变量(X,Y)的概率分布为

P X  x ,Y  y  p ,i, j 1,2,.

i j ij

（1）对于给定的 j ，如果P Y  y 0(j 1,2,) ，则称
j
51

考研概率论与数理统计基础辅导讲义

P X  x ,Y  y p
P X  x Y  y  i j  ij ,i 1,2,，
i j P Y  y  p
j .j
为在Y  y 条件下随机变量X 的条件概率分布.

j
（2）对于给定的i，如果P X  x0(i1,2,)，则称
i
P{X  x,Y  y } p
P{Y  y X  x} i j  ij , j 1,2,，
j i P{X  x} p
i i
为在X  x 条件下随机变量Y 的条件概率分布.

i

5.离散型随机变量X 与Y 的独立性
如果(X,Y)是二维离散型随机变量，则随机变量X 和Y 相互独立的充分必要条件是
P X  x ,Y  y  P X  x P Y  y  ,i, j 1,2,.

i j i j
即 p  p  p ，i, j 1,2,.

ij ij

【例3.3】箱中装有10件产品，其中2件次品，每次从箱中任取一件，取两次，作放回抽
样、不放回抽样.记
0 若第一次取正品0 若第二次取正品
X  Y 
1 若第一次取次品1 若第二次取次品
求二维随机变量(X,Y)的概率分布和边缘概率分布，并判断X 与Y 是否相互独立.

52

聚创考研概率论与数理统计基础辅导讲义

【例3.4】设随机变量X 在1,2,3三个数字中等可能取值，随机变量Y 在1与X 之间等可能
取一整数值，求(X,Y)的概率分布.

【例3.5】设随机变量X 和Y 相互独立，下表列出了二维随机变量(X,Y)的概率分布及关
于X 和Y 的边缘概率分布的部分数值，将剩余数值填入表中空白处.

| Y X | y 1 | y 2 | y 3 | p i |
| --- | --- | --- | --- | --- |
| x 1 |  | 1 8 |  |  |
| x 2 | 1 8 |  |  |  |
| p j | 1 6 |  |  |  |

53

考研概率论与数理统计基础辅导讲义

第三节二维连续型随机变量及其分布

1.定义
设二维随机变量(X,Y)的分布函数为F(x,y) ，如果存在非负可积的二元函数 f(x,y)，使
得对任意实数x,y，有
x y
F(x,y) f(u,v)dudv，

则称(X,Y)为二维连续型随机变量，称函数 f(x,y)为二维连续型随机变量(X,Y)的概率
密度函数或随机变量X 和Y 的联合概率密度.

2.性质
（1）非负性： f(x,y)0 ；


（2）规范性： f(x,y)dxdy 1

2F(x,y)
（3）若 f(x,y)在点(x,y)处连续，则有 f(x,y)；

xy
（4）设D是 xoy 平面上任一区域，则随机点(X,Y)落在D内的概率为：

P (X,Y)D
f(x,y)dxdy.

D

3.边缘概率密度
设二维连续型随机变量(X,Y)的概率密度为 f(x,y)，则

X 的边缘概率密度为 f (x) f(x,y)dy ；

X 

Y 的边缘概率密度为 f (y) f(x,y)dx.

Y 
通常分别称 f (x) 和 f (y) 为二维随机变量(X,Y)关于X 和Y 的边缘概率密度.

X Y

【简单推导如下】

由联合概率密度的归一性 f x,ydxdy 1

于是
x,ydx
dy1成立.

f




54

聚创考研概率论与数理统计基础辅导讲义
令Gy f x,ydx

则有 Gydy1；满足概率密度的规一性.


且有Gy f x,ydx0成立，

故 f x f x,ydy
Y 

4.条件概率密度
设二维随机变量(X,Y)的概率密度为 f(x,y)，则
f(x,y)
1）对于给定的实数 y ，如果边缘概率密度 f (y)0，则称 f (x y)为在条件
Y XY f (y)
Y
Y  y下X 的条件概率密度.

f(x,y)
2）对于给定的实数x，如果边缘概率密度 f (x)0，则称 f (y x)为在条件
X YX f (x)
X
X  x下Y 的条件概率密度.

【简单推导如下】

使用极限思想：P X xY  y lim P X x yY  yΔy
Δy0
PX x,yY  yΔy
有PyY  yΔy0.根据条件概率公式可得 lim
Δy0 PyY  yΔy
x yΔy f x,ydxdy
 lim  y
Δy0yΔy f ydy
Y
y
0
此分式极限为，使用洛必达法则，对变限积分关于Δy求导.

0
x f x,yydx
L lim 
Δy0 f yy
Y
因为概率密度为连续函数，
故有 lim f yy f y
Δy0 Y Y
55

考研概率论与数理统计基础辅导讲义
lim x f x,yΔydxx f x,ydx
Δy0
得证其条件分布函数为：F x| yx f x,y dx
X|Y  f y
Y
f x,y
于是：求导获得其概率密度为 f x|y
X|Y f y
Y

5.二维连续型随机变量的独立性
如果二维随机变量(X,Y)的概率密度为 f(x,y)，边缘概率密度分别为 f (x) 和 f (y)，则
X Y
随机变量X 和Y 相互独立的充要条件是
f (x,y) f (x) f (y)，x,yR .

X Y

【例3.6】设随机变量(X,Y)的概率密度为
4.8y(2x), 0 x1,0 y  x
f(x,y)
0, 其他.

（I）求边缘概率密度 f (x) ， f (y)；

X Y
（II）求条件概率密度 f (x| y), f (y|x) ；

X|Y Y|X
（III）判断X 和Y 是否相互独立.

56

聚创考研概率论与数理统计基础辅导讲义
 1

【例3.7】设随机变量X ~U 0,1，当X  x时，随机变量Y 在区间0, 上服从均匀分布.

 x
（I）求(X,Y)的概率密度 f(x,y)；

（II）求Y 的边缘概率密度 f (y)；

Y
（III）求P
Y
X
.

6x2, 0 y1, x  y,

【例3.8】随机变量X,Y的联合概率密度为 f x,y求：

 0, 其他，
（1）X,Y的边缘概率密度 f x,f y
X Y ;

（2）条件概率密度 f x|y和 f y|x；

X|Y Y|X
 1 1
（3）P1 X  |Y .

 4 2
57

考研概率论与数理统计基础辅导讲义

第四节两个特殊的二维连续型随机变量的分布

1.二维均匀分布
定义：设G 是平面上有界可求面积的区域，其面积为S ，若二维随机变量(X,Y) 的概率密
G
 1
 ,(x,y)G,
度为： f(x,y) S
G

0, (x,y)G,
则称(X,Y) 服从区域G 上的二维均匀分布

【深度挖掘】


若在各边平行于坐标轴的矩形区域：D  (x,y) a xb,c yd
上服从均匀分布的二维连续型随机变量(X,Y) ，则它的两个分量X 和Y 是相互独立的，并

且分别服从区间 a,b , c,d 上的一维均匀分布.



【例3.9】设(X,Y) 在区域D (x,y)0x2,1y2 上服从均匀分布.

（I）求边缘概率密度 f (x) ， f (y)；

X Y
（II）判断X 和Y 是否相互独立.

58

聚创考研概率论与数理统计基础辅导讲义

2.二维正态分布

如果二维连续型随机变量 X,Y 的概率密度为
1 (x)2 2(x)(y) (y)2
exp 1  1 2  2 
2(12) 2 2 
f(x,y) 1 1 2 2
2 12
1 2
x,yR ,其中,,0,0,11均为常数，则称 X,Y服从参数为
1 2 1 2
,,,和的二维正态分布，记作(X,Y)~ N(,;2,2;)，
1 2 1 2 1 2 1 2

也称 X,Y 为二维正态随机变量.它的样子像四周无限延伸的草帽，如下图
若(X,Y)~ N(,;2,2;) ，则有以下重要性质：

1 2 1 2
（1）它的两个边缘分布都服从一维正态分布，即

X ~ N ,2 ,Y ~ N ,2 .

1 1 2 2
（2）X 和Y 相互独立的充要条件是相关系数0.

（4）若Z ,Z 是X,Y 的非零线性组合，则 Z ,Z 服从二维正态分布.

1 2 1 2
关于性质
（3）简单证明如下
59

考研概率论与数理统计基础辅导讲义
 1 x 12 2x 1y 2y 22
f x,y 1 e 2 12 12  1 2  22 
2 12
1 2
x 1212 y 2222
e1 2
令0: f x,y 1


2
1 2
x 12
y 22
1
1
 e 2 12  e 2 22
2 2
1 2
 f x f y
X Y
满足变量独立性的充要条件
f x,y f (x) f（y）

X Y

【例3.10】设二维随机变量X,Y服从正态分布N1,0;1,1,0,则PXY Y 0
.

【例3.11】设X,Y:N,,2,2,0 ,则PX Y
.

60

聚创考研概率论与数理统计基础辅导讲义
 1 1

【例3.12】令X ~ N0, ，在X  x的条件下，有Y ~ Nx, ，求 f y
 2 2 Y .



【例3.13】设随机变量X,Y 相互独立，且均服从正态分布N(,2)，则概率P X Y 1 （）.

（A）与无关，而与2有关（B）与无关，而与2无关
（C）与、2都有关（D）与、2都无关.

61

考研概率论与数理统计基础辅导讲义

第五节二维随机变量函数的分布

1.两个离散型随机变量函数的概率分布
已知(X,Y)的概率分布为P{X  x,Y  y } p ,(i, j 1,2,)，则Z  g(X,Y)的概率
i j ij
分布为

| Z  g(X,Y) | g(x ,y ) 1 1 |  | g(x ,y ) i j |  |
| --- | --- | --- | --- | --- |
| P | p 11 |  | p ij |  |

【例3.14】设二维离散型随机变量(X,Y)的概率分布为

| Y X | 1 | 2 | 3 |
| --- | --- | --- | --- |
| 1 | 1 4 | 1 4 | 1 8 |
| 2 | 1 8 | 0 | 1 4 |

求X Y,XY 的概率分布.

62

聚创考研概率论与数理统计基础辅导讲义

【例3.15】设随机变量X 与Y 的概率分布分别为
X 0 1
P 1/3 2/3
Y -1 0 1
P 1/3 1/3 1/3
且P{X2 Y2}1.

（I）求二维随机变量(X,Y)的分布；

（II）求Z  XY的概率分布.

63

考研概率论与数理统计基础辅导讲义

【例3.16】投保人的损失时间发生时，保险公司的赔付额Y 与投保人的损失额X 的关系为
 0, X 100
Y ，设损失事件发生时，投保人的损失额X 的概率密度为
X 100, X 100
 21002
 , x0
f(x)(100x)3

 0, x0
（1）求P
0
及E(Y)
Y
（2）这种损失事件在一年内发生的次数记为N ,保险公司在一年内就这种损失事件产生的
理赔次数记为M ，假设N 服从参数为8的泊松分布，在N n(n1)的条件下，M 服从
二项分布B(n,P),其中P
0
Y
,求M 的概率分布
64

聚创考研概率论与数理统计基础辅导讲义

2.两个连续型随机变量连续函数的分布
已知二维连续型随机变量(X,Y)的概率密度为 f(x,y)，求随机变量函数Z  g(X,Y)的

概率密度 f z .

Z

【经典永恒方法之公式法】

f z f  x,yz y'
z z
yz为由zgx,y反推出由x,z表示的y的函数yx,z的简写.

①yx,z
y' 
z z
②【简单推导如下】

已知： f x,ydxdy 1

即有
x,ydy
dx1
f




令Gx f x,ydy,对其进行定积分换元法

由Z Gx,y .考研范畴之内，皆为单调函数，故其反函数存在
写成yG1x,z简写为y yz
.

dydyz ydz
z
于是有：Gx f  x,yz y dz 成立.（加绝对值是保证非负性）

 z
回代回去有 f  x,yz y dz dx1
 z 
即： f  x,yz y dxdz 1
 z
因为 f  x,yz y满足了归一性，则为联合概率密度
z
有： f x,z f  x,yz y
z
常见的和差商积的概率密度如下
65

考研概率论与数理统计基础辅导讲义
Z aX 1

1.Z aX bY；Y ；Y
b Z b
x,zax
1
z
f
f
dx

z  b  b
①
Z 1

2.Z  XY;Y  ;Y
X Z X
x,z
1
z
f
f
dx

z  x x
②
Y

3.Z ；Y  XZ；Y X
X Z
f z f x,xzx dx
z 
③
2xy 0x1,0 y1,

【例3.17】设二维随机变量(X,Y)的概率密度为 f x，y
 0, 其他.

（I）求Z  X Y 的概率密度 f (z)；

Z
（II）求Z  XY 的概率密度 f (z).

Z
66

聚创考研概率论与数理统计基础辅导讲义

【例3.18】设X 和Y 是两个相互独立的随机变量，其概率密度分别为
1, 0x1, ey, y0,
f x f y
X 0, 其他. Y  0, 其他.

求随机变量Z  X Y 的概率密度.

3.一个离散型一个连续型随机变量的连续函数的分布
设X 是离散型随机变量，它的概率分布为
P X  x p ，i 1,2,,m；

i i

Y 是连续型随机变量，它的概率密度是 f y ，
Y
求连续函数Z  g(X,Y)的分布.

【例3.19】设随机变量X 与Y 相互独立，X 的概率分布为
1 1, 0 y1,
P X i i 1,0,1，Y 的概率密度为 f (y)，记Z  X Y ，求
3 Y 0, 其他，
 1 
（I）PZ  X 0；

 2 
（II）Z 的概率密度.

67

考研概率论与数理统计基础辅导讲义
1

【例3.20】设随机变量X 和Y 相互独立，且X 的概率分布为PX 0PX 2 ,Y 的
2
2y, 0 y1
概率分布为 f y
 0, 其他
（Ⅰ）求PY EY
;

（Ⅱ）求Z  X Y 的概率密度.

68

聚创考研概率论与数理统计基础辅导讲义

4.最值的分布
一般地，对任意常数C ，有
 max X,YC
C
C
X
Y
，
 max X,YC
C
C
X
Y
 min X,YC
C
C
X
Y
，
 min X,YC
C
C
X
Y
.


设随机变量X,Y 相互独立，X 的分布函数为F x ，Y 的分布函数为F y ，则
X Y
max X,Y
M
的分布函数为
F  z P M  z P max X,Y z P X  z,Y  z
M
 P X  z P Y  z F  z F  z
X Y
min X,Y
N
的分布函数
F  zP N  z1P min X,Y z
N
11F  z1F  z

X Y


【例3.21】设随机变量X与Y独立，且均服从 0,3 上的均匀分布，则
P max(X,Y)1 __________，P min(X,Y)1
__________.

69

考研概率论与数理统计基础辅导讲义
课后练习
一、选择题


1.X ,X 是任意两个相互独立的连续型随机变量,它们的概率密度分别为 f x , f x ，分
1 2 1 2

布函数分别为F x ,F x ，则（）.

1 2
1 x
2 x
（A） f
f
必为某一随机变量的概率密度

（B） f
x f
x 必为某一随机变量的概率密度
1
2
1 xF 2 x
（C）F
必为某一随机变量的分布函数

（D）F
x F
x 必为某一随机变量的分布函数
1
2

2.设随机变量X,Y 都服从正态分布，则（）.

（A）X Y 一定服从正态分布（B）X,Y 不相关与独立等价
（C） X,Y
（D） X,Y
一定服从正态分布
未必服从正态分布
4 5

3.设 X,Y 是两个随机变量，且 P X 1,Y 1， P X 1 P Y 1，则
9 9
P min X,Y1（）.

4 20 2 1
（A）（B）（C）（D）

9 81 3 3
二、填空题

4.已知随机变量 XN1,1， YN 3,1，且 X,Y 相互独立， Z  X 2Y ，则
Z __________.

70

聚创考研概率论与数理统计基础辅导讲义
服从于参数
1,2
i

5.设随机变量是 X
的泊松分布，且 X ,X 相互独立，则
i i 1 2

P X i X  X k __________.

1 1 2
3
 x2, 0 x 2

6.设随机变量X,Y 同分布，X 的概率密度为 f(x)8 ，
0 其他
3
已知事件A X a ,B Y a相互独立，且P(AB)，则a__________.

4
三、解答题
e(xy) 0x，0 y X Y

7.设随机变量 X,Y的概率密度为 f(x,y)，求Z 的概率
0 其他 2
密度 f (z).

Z

8.已知随机变量X ,X ,X ,X 相互独立且服从相同的分布，X （i 1,2,3,4）的概率分布为
1 2 3 4 i

| X i | 0 | 1 |
| --- | --- | --- |
| P | 0.6 | 0.4 |

X X
令随机变量X  1 2 ，求X 的概率分布.

X X
3 4
71

考研概率论与数理统计基础辅导讲义


9.设随机变量 X,Y 相互独立， X 服从区间 0,1 上的均匀分布，Y 的概率密度为
1 y
 e 2,y 0,
 y2
f
Y

0, y0.

（I）求Z  X Y 的概率密度 f (z)；

Z
（II）设含有a的二次方程a2 2aY 0，试求a有实根的概率.

10.设随机变量(X,Y)的概率密度为
 1
x2  xy, 0 x1,0 y2
f(x,y) 3
0 其他

（I）求(X,Y)的边缘概率密度 f x , f y ；

X Y

（II）求条件概率密度 f y x , f x y ；

YX XY
1 1
（III）求概率P{X Y 1}，P{Y  X}，P{Y  | X  }.

2 2
72

聚创考研概率论与数理统计基础辅导讲义

【课后练习详细答案】

一、选择题

1.【答案】D


【解析】因为 [f (x) f (x)]dx  f (x)dx f (x)dx 2 ，因此排除（A）.

 1 2  1  2
例，取 X U(0,1)且X U(2,3)，则 f (x) f (x)0，xR，故 f (x)f (x)不是某
1 2 1 2 1 2
一随机变量的概率密度，因此排除（B）

由于 lim[F(x)F (x)]dx F()F () 2 ，因此排除（C）

1 2 1 2
x
由于X ,X 是任意两个相互独立的连续型随机变量，故随机变量X max X ,X 的分布
1 2 1 2
函数为F(x) F  x F  x，因此选（D）

1 2

2.【答案】D

【解析】题设条件为随机变量X,Y 都分别服从一维正态分布.

当且仅当它们相互独立时，它们的非零线性组合aX bY 服从正态分布，因此排除（A）

两个一维随机变量相互独立则一定不相关，相关则一定不相互独立.不相关与独立不是等价
条件，因此排除（B）

若(X,Y)服从二维正态分布，则X,Y 都分别服从一维正态分布，反之不成立，因此排除（C），
选择（D）

注意：本题的条件是两个随机变量服从一维正态分布，要区别于一个二维随机变量服从二
维正态分布的条件.

3.【答案】C

【解析】公式法
注意到P min(X,Y) 1P{ X 1 Y 1 }，而
P X 1,Y 1P{ X 1 Y 1 }.

由P(AB) P(A)P(B)P(AB)得，
73

考研概率论与数理统计基础辅导讲义
5 5 4 2
P min(X,Y)1 .

9 9 9 3
二、填空题

4.【答案】N7,5

【解析】因为X,Y 相互独立，则Z  X 2Y 服从正态分布，且
E(Z) E(X)2E(Y)7，D(Z) D(X)4D(Y)5，
故Z  N(7,5).

k!iki

5.【答案】 1 2
 ki !i!k
1 2
P{X i,X X k}

【解析】P{X i X X k} 1 1 2
1 1 2 P{X X k}
1 2
P{X i,X k i} P{X i}P{X k i}
 1 2  1 2
P{X X k} k
1 2 P{X i}P{X k i}
1 2
i0
ie
kie
i ki
1
2
1 2 k! 1 2
i! (k i)! i! (k i)! k!iki
 1 2 .

k ie 1 kie 2 k k!iki i!(k i)!()k
 1 2  1 2 1 2
i! (k i)! i!(k i)!

i0 i0
其中，分母的整理用到了二项式定理.

6.【答案】3 4
.

【解析】因为X,Y 同分布，则P(A)P(B).又事件A,B相互独立，则
3
P(AB) P(A)P(B)P(AB) 2P(A)P2(A) ，
4
1 3
解得P(A)，P(A)（舍去）.

2 2
a3 1 1 1
则P{X a} x2dx  a3 1，故a  3 4.

0 8 8 2 2
74

聚创考研概率论与数理统计基础辅导讲义
三、解答题

7.【分析】本题考查两个随机变量的线性组合的分布函数，使用分布函数法，属于基础题.

【解析】当z 0时，F (z)P{Z  z}0；

Z
当z 0时，F (z)P{Z  z}P{X Y 2z} e(xy)dxdy
Z
XY2z
2z 2zx 2z
 exdx eydy (1ex2z)exdx1e2z 2ze2z .

0 0 0
X Y 1e2z 2ze2z, z 0
故 Z 的分布函数为 F (z)，则概率密度函数为
2 Z 0, z 0
4ze2z, z 0
f (z)F(z) .

Z Z 0, z 0

8.【分析】本题考查离散型随机变量的概率分布，属于基本题.

【解析】随机变量X  X X X X ，已知随机变量X ,X ,X ,X 相互独立且同分布，
1 4 2 3 1 2 3 4
故X 的可能取值为1,0,1.

P{X 1}P{X 0,X 1,X 1}P{X 1,X 1,X 0}
1 2 3 2 3 4
P{X 0,X 1,X 1,X 0} 20.60.40.40.60.60.40.4
1 2 3 4
0.1344.

根据对称性可知，P{X 1} P{X 1}0.1344.

所以P{X 0}120.13440.7312.

故X 的概率分布为

| X | 1 | 0 | 1 |
| --- | --- | --- | --- |
| P | 0.1344 | 0.7312 | 0.1344 |

9.【分析】求随机变量函数的分布函数和概率密度函数及相关事件的概率是常见的题型，要
求考生必须熟练掌握.

【解析】（I）由于 X 服从区间 (0,1) 上的均匀分布，所以 X 的概率密度为
75

考研概率论与数理统计基础辅导讲义
1, 0 x1
f (x) .

X 0, 其他
又随机变量X,Y 相互独立，则X 和Y 的分布函数为
1 1
y
 e 2 , 0x 1,y 0
f(x,y) f (x) f (y)2 .

X Y

0, 其他
1  1 y 1 z
当z 0时，F (z)P{X Y  z} dx e 2dy 2(1e 2)e2 ；

Z 0 xz 2
1 xz1 y z1
当0 z 1时，F (z)P{X Y  z}1 dx e 2dy  z22e 2 ；

Z z 0 2
当z 1时，F (z)1.

Z
 1 z

2(1e 2)e2, z0,

故Z  X Y 的分布函数为F (z) z1
Z z22e 2 , 0 z1,
1, 1 z.

 1 z

(1e 2)e2, z0,

Z  X Y 的概率密度为 f (z) F(z) z1
Z Z 1e 2 , 0 z1,
 0, 1 z.

（II）当44Y 0时，方程有实根，即方程有实根的概率为
11 1 y 1
P{44Y 0}P{Y 1} e 2 dy 1e 2 .

0 2

10.【分析】本题考查由已知概率密度求边缘概率密度和条件概率密度，并求相关事件的概
率，属于常见的题型，要求考生熟练地使用基本公式求解相应的问题.



【解析】（I）当x0或x1时， f (x) f(x,y)dy 0；

X 
 2 1 2
当0 x1时， f (x) f(x,y)dy  (x2 xy)dy 2x2 x .

X  0 3 3
76

聚创考研概率论与数理统计基础辅导讲义
 2
2x2  x, 0 x1
故X 的边缘概率密度为 f (x) 3 .

X
0, 其他

当y0或y2时， f (y) f(x,y)dx 0；

Y 
 1 1 1 1
当0 y2时， f (y) f(x,y)dx  (x2 xy)dx  y .

Y  0 3 3 6
1 1
 y, 0 y2
故Y 的边缘概率密度为 f (y)3 6 .

Y
0, 其他
（II）当0 x1时， f (x)0，
X
在X  x(0 x1)时，Y 的条件概率密度为
3x y
f(x,y)  , 0 y2
f (y x) 6x2 .

YX f (x)
X  0, 其他
当0 y2时， f (y)0，
Y
在Y  y(0 y2)时，X 的条件概率密度为
6x2 2xy
f(x,y)  , 0 x1
f (x y) 2 y .

XY f (y)

Y 0, 其他
1 2 1 65
（III）P{X Y 1} f(x,y)dxdy  dx (x2 xy)dy  .

0 1x 3 72
xy1
1 2 1 17
P{X Y} f(x,y)dxdy  dx (x2 xy)dy  .

0 x 3 24
yx
1 1
P{Y  ,X  }
1 1 5
2 2
P{Y  | X  } .

2 2 1 32
P{X  }
2
77

考研概率论与数理统计基础辅导讲义

第四章随机变量的数字特征

【知识梗概】

【核心考点】

1.期望与方差

2.协方差与相关系数
78

聚创考研概率论与数理统计基础辅导讲义

第一节随机变量的数学期望

1.离散型随机变量的数学期望
（1）一维离散型随机变量的数学期望

设随机变量X 的概率分布为P{X  x} p (i 1,2,)，若级数 x p 绝对收敛，则称
i i i i
i1

 x p 为随机变量X 的数学期望，记作E X，即E Xx p ；如果级数 x  p
i i i i i i
i1 i1 i1
发散，则称X 的数学期望不存在.

【深度挖掘】

期望的本质：随机变量取值的加权平均数，权重即为某点对应的概率
（2）一维离散型随机变量函数的数学期望
若X 是离散型随机变量，其概率分布为P{X  x} p ,i 1,2,，g x为连续函数，
i i

Y  g(X)，若级数 g x  p 绝对收敛，则E g(X)存在，E g(X)g(x )p .

i i i i
i1 i1

2.连续型随机变量的数学期望
（1）一维连续型随机变量的数学期望

设连续型随机变量X 的概率密度为 f(x)，若积分 xf(x)dx绝对收敛，则称积分 xf(x)dx

为X 的数学期望，记E X，即E X xf(x)dx；若积分+ x f(x)dx发散，则称 X
 -
的数学期望不存在.

（2）一维连续型随机变量函数的数学期望
若X 是连续型随机变量，其密度函数为 f (x)，g(x) 为连续函数，Y  g(X)，若积分
X
(x)dx绝对收敛，则E g(X)存在，且E Y E g(X)

g(x)f (x)dx.

g(x)f
 X  X
二维随机变量函数的数学期望
二维随机变量函数的数字特征都是一维的，此处考虑的是由二维随机变量X,Y组成的变
量Z GX,Y的期望和方差
79

考研概率论与数理统计基础辅导讲义
（3）二维离散型随机变量函数的数学期望
若(X,Y)是二维离散型随机变量，其概率分布为

P X  x ,Y  y  p ，i, j 1 ,2 ,
i j ij

g(x,y)为二元连续函数，Z  g(X,Y)，当 g(x,y )p 绝对收敛时，E g(X,Y)存
i j ij
i1 j1

在，且E Z E g(X,Y) g(x,y )p .

i j ij
i1 j1
（4）二维连续型随机变量函数的数学期望
若(X,Y)是二维连续型随机变量，其密度函数为 f(x ,y)，Z  g(X,Y)则当广义积分
 g(x,y)f(x,y)dxdy绝对收敛时，E g(X,Y)
存在，且

E Z E g(X,Y)
g(x,y)f(x,y)dxdy.



3.随机变量数学期望的性质（主要是线性性质）

（1）设C 为常数，则有E(C)C；

为一随机变量，且E X
为常数，则E(CX)CE X
（2）设X
存在，C
；

（3）设X 与Y 是两个随机变量，则有E(X Y) E XE Y；

（4）设X 与Y 不相关时，则有 E(XY)E XE Y；

12y2, 0 y  x1,

【例4.1】设随机变量(X,Y)的概率密度为 f(x,y)
 0, 其他.

求E(X),E(Y),E(XY).

80

聚创考研概率论与数理统计基础辅导讲义

【例4.2】设随机变量(X,Y)的概率分布为

| Y X | 1 | 0 | 1 |
| --- | --- | --- | --- |
| 1 | 0.2 | 0.1 | 0.1 |
| 2 | 0.1 | 0 | 0.1 |
| 3 | 0 | 0.3 | 0.1 |


（I）求E X ,E Y
（II）求E(XY).

1

【例4.3】设随机变量X 的概率分布为P X k，k 1，2，3，，Y 表示X 被3除的
2k
余数，则EY ______.

x4

【例4.4】设随机变量X 的分布函数为Fx0.5Φx0.5Φ，其中Φx为标准正
 2 
态分布函数，则EX ______.

81

考研概率论与数理统计基础辅导讲义

第二节随机变量的方差

【背景知识】

方差定义的来源是为了体现数值的波动程度，其本质为数值离平均值越远，则称之为
波动越大，接下来我们简单的呈现下方差是如何诞生的

第一步构建离差X EX

第二步正负离差会相互抵消，所以离差需要加绝对值， X EX

第三步离差平方，放大波动程度

1.方差的定义
设X 是一个随机变量，如果 EX E X 2存在，则称 EX E X 2为随机变

量X 的方差，记作D X，即D X EX E X 
2，称 D X为标准差或均方差.



【深度挖掘】

1.方差的本质是为了体现波动程度，所以需要有离差的出现，为了正负的离差相互不抵消，
必须要加绝对值，为了放大体现离差的权重，我们需要平方一下子.

2.日常生活中我们更多使用标准差而不是方差，随机变量的方差不是衡量波动水平的正确尺
度，因为方差的单位是错的。比如，如果X是以秒为测量单位的话，那么方差的单位就是
神秘的物理单位“平方秒”，标准差与X具有向东的单位，所以我们用标准差来描述数据
集的分布情况。

2.方差的计算
（1）定义法
离散情形：若X 是离散型随机变量，其概率分布为
P{X  x} p ,i 1,2,
i i
则D X EX E X 
2x E  X 2 p

i i
i
连续情形：设连续型随机变量X 的概率密度为 f(x)，
则 D X EX E X  2xE  X 2 f (x)dx .


82

聚创考研概率论与数理统计基础辅导讲义
（2）公式法
D X E X2E X 2 .

【简单推导】

第一步：计算X EX2  X2 EX2 2X EX

第二步：计算E X2 EX22XEX

根据数学期望的线性性质，加减法打开无障碍

EX2 E EX2 E2EX X 
EX2 EX2 2EX EX
EX2 EX2

3.方差的性质
主要的特点是平方性
为常数，则D C0.

（1）设C
为常数，则D(CX)C2D X
（2）如果X 为随机变量，C
.

（3）如果X 为随机变量，C 为常数，则有D(X C) D X .

b)a2D

由性质（2）（3）可得 D(aX
X
(a,b为任意常数).

（4）D X YD(X)D(Y)2EX E  X Y E  Y  .

（5）DXY 的正确打开方式为：DXYEXY2 EXY2
83

考研概率论与数理统计基础辅导讲义

【例4.5】设二维随机变量(X,Y)在区域D  x,y 0 x1,| y| x上服从均匀分布，
求随机变量Z 2X 1的方差D(Z).

【例4.6】设随机变量X,Y 独立，且X ~ N1,2,Y ~ N1,4，则DXY为
（A）6 （B）8 （C）14 （D）15
84

聚创考研概率论与数理统计基础辅导讲义

第三节常见特殊分布的期望与方差

1.01分布B(1, p)
若随机变量X 服从01分布，即PX i pi(1 p)1i (i 0,1)，
则其数学期望E(X) p，方差D(X) p(1 p).



2.二项分布B n,p
若X~B n,p，它的概率分布为P
kCkpk(1p)nk,k0,1,,n
X
n
则其数学期望E Xnp，方差D Xnp(1
p).

3.泊松分布P()
k
若X ~ P()，它的概率分布为 P{X k} e，k 0,1,2,其中0 为参数，
k!

则其数学期望EX，方差DX
.

4.几何分布Gp
若随机变量X ~Gp，即X 的分布律为
PX k pqk1,k 1,2,,q1 p.

1 1 p
其数学期望EX，方差DX .

p p2

5.均匀分布U(a,b)
 1
 , a xb,
若X ~U(a,b)，它的概率密度为 f(x)ba

0, 其他.

ab (ba)2
则数学期望EX，方差D(X) .

2 12
85

考研概率论与数理统计基础辅导讲义

6.指数分布E()
ex, x0，
若X ~ E()，它的概率密度为 f(x)其中0为参数，
0, 其他.

1 1
则数学期望 EX，方差D(X) .

2

7.正态分布N(,2)
(x)2
1 
若X ~N(,2)，它的概率密度为 f(x) e 22 ( x)
2
其中,为常数，，0，则数学期望E(X)，方差D(X)2，特
别地，X  N(0,1)，则E(X)0, D(X)1.

1 ex2x1

【例4.7】设随机变量X的概率密度为， f  x
4  x，则


E X2 =__________.

【例4.8】设X 表示10次独立重复射击命中目标的次数，每次射中目标的概率为0.4，则X2
的数学期望E(X2)=__________.

86

聚创考研概率论与数理统计基础辅导讲义

【例4.9】设随机变量X ,X ,X 相互独立，其中X 在 0,6上服从均匀分布，X 服从正
1 2 3 1 2

态分布 N 0,22 , X 服从参数为3 的泊松分布，记 Y  X 2X 3X ，则
3 1 2 3
D Y
__________.

1

【例4.10】设两个随机变量X,Y 相互独立，且都服从均值为0，方差为的正态分布，求
2
随机变量 X Y 的方差.

【例4.11】已知随机变量 X,Y ~ N 0,0；1,1；0.5,U max X,Y ,V min X,Y ,则

E U V = , E U V = , E UV = .

【例4.12】设X ,Y 独立且同服从N 0,1 ,求Z  X2 Y2 的数学期望.

87

考研概率论与数理统计基础辅导讲义

第四节协方差和相关系数

【背景知识】

协方差的本质：用来衡量两个变量之间的相关程度的
我们依旧来看一下协方差是如何诞生的

第一步获取两个基本的事实
如果 X 越大，Y 越大；或X 越小，Y 越小，则有X 、Y 正相关
同理：X 越小，Y 越大；或X 越大，Y 越小，则有X 、Y 负相关

第二步构建离差之积X EXY EY
于是有
当X EXY EY0时；随机变量X 、Y 正相关
当X EXY EY0时；随机变量X 、Y 负相关

第三步加权平均，权重为数值对应的概率
EX EXY EY


1.协方差
（1）定义
设(X,Y)是二维随机变量，且E(X)和E(Y)都存在，若EX E X Y E Y 存
在，则称其为随机变量X 和Y 的协方差，记Cov(X,Y) ，
即Cov(X,Y) EX E XY E Y

（2）计算公式
对于任意两个随机变量X 和Y ，有Cov(X,Y) E XYE X E Y .

（3）性质（本质是线性性质）

1）Cov(X,Y)Cov(Y,X)
2）Cov(aX,bY) abCov(X,Y) ，其中 a,b为任意常数
88

聚创考研概率论与数理统计基础辅导讲义
3）Cov(C,X) 0，其中C 为任意常数
4）Cov(X  X ,Y)Cov(X ,Y)Cov(X ,Y)
1 2 1 2
5）如果X 和Y 不相关，则Co（v X,Y）0

【例4.13】设随机变量X 与Y 的方差都存在，且不为0，则D(X Y) D(X)D(Y)是X
与Y （）.

（A）不相关的充分条件，但非必要条件.

（B）独立的充分条件，但非必要条件.

（C）不相关的充分必要条件.

（D）独立的充分必要条件.



【例4.14】设X 服从区间 , 上的均匀分布，Y sin X ，则Cov(X,Y)
.

 2 2
89

考研概率论与数理统计基础辅导讲义

2.相关系数
（1）定义
设(X,Y)是二维随机变量，若X 和Y 的方差均存在，且都不为零，则称
Cov(X,Y)
为随机变量X 和Y 的（线性）相关系数.

XY 
D X D Y
（2）相关系数的本质是相关程度的标准化
（3）性质
1）1；

XY
2）1的充分必要条件是
X 和Y 以概率1线性相关，即存在常数a和b，使得
XY
P Y abX1.当b0时，1；当b0时，1.

XY XY

【例4.15】设随机变量(X,Y)的概率分布为

| Y X | 1 | 0 | 1 |
| --- | --- | --- | --- |
| 0 1 | 0.07 0.08 | 0.18 0.32 | 0.15 0.20 |

则X,Y 的相关系数__________.

【例4.16】设X ~ N(0,1)，Y  X2 ，求 .

XY
90

聚创考研概率论与数理统计基础辅导讲义

【例4.17】将一枚硬币重复掷n次，以X 和Y 分别表示正面向上和反面向上的次数，则X
和Y 的相关系数等于（）.

1
（A）1 （B）0 （C）（D）1
2

【例4.18】甲、乙两个盒子中各装有2个红球和2个白球，先从甲盒中任取一球，观察颜
色后放入乙盒，再从乙盒中任取一球.令X,Y 分别表示从甲盒和从乙盒中取到的红球个数，
则X 与Y 的相关系数为 .

3. 随机变量的矩的基本概念

1.k阶原点矩

设X 和Y 为随机变量，若E Xk (k 1,2,)存在，则称E Xk 为X 的k阶原点矩，
记为 .

k

2.k阶中心矩

若E X E Xk ( k 1,2,) 存在，则称E X E Xk 为X 的k阶中心矩，
记为v .

k

3.k阶混合中心矩

若E X E Xk Y E Yl 存在，则称之为X 和Y 的kl 阶混合中心矩.

91

考研概率论与数理统计基础辅导讲义
课后练习
一、选择题

1.随机变量X 和Y 的协方差Cov X,Y0,则以下结论正确的是（）.

（A）X 与Y 相互独立
（B）D
Y D XD Y
X
（C）D
Y D XD Y
X
（D）D XY D X D Y
N,2，Y N,2
,则Z  X 2Y ~（）.

2.设随机变量X 和Y 相互独立,且X
1 1 2 2

（A）N ,2 22
1 2 1 2

（B）N ,22
1 2 1 2

（C）N 2,242
1 2 1 2

（D）N 2,242
1 2 1 2

3.设有一线段AB,在AB上随机取一点C,则C点到A点的距离X 的数学期望为（）.

（A） AB （B） AB 3 （C） AB 2 （D）2 AB 3
二、填空题

4.设X,Y 相互独立,X ~ N 0,32 ,Y ~ P 2,则D 3X 2Y_____.

5.设随机变量X 有E X0，D X 1，E aX 228 a 0,则a __________.

92

聚创考研概率论与数理统计基础辅导讲义

6. 设 X,Y 相互独立 , 且 E X0 , E Y1 , D X1 , D Y4 , 则

E X2Y2 __________.

三、解答题

7.假设一部机器在一天内发生故障的概率为0.2,机器发生故障时全天停止工作.若一周5个
工作日里无故障,可获利润10万元,发生一次故障仍可获利润5万元;发生二次故障所获利
润0元;发生三次或三次以上故障就要亏损2万元.求一周内期望利润是多少?

2 
 cos2 x, x 

8.设随机变量X 的概率密度为(x) 2 ，求E(X)，D(X).

0, 其他
1
 , x2  y2 1

9.设(X,Y)的联合密度为(x,y)，求E(X)，D(Y)， .

XY
0, 其他

10.在长为l的线段上任选两点, 求两点间距离的数学期望与方差.

93

考研概率论与数理统计基础辅导讲义

【课后练习详细答案】

一、选择题

1.【答案】B

【解析】D
YD XD Y2Cov X,YD XD Y0.

X

2.【答案】C


【解析】因X 和Y 相互独立,故X,2Y 也相互独立,而2Y N 2,42 ,
2 2

故Z  X 2Y  N 2,242 .

1 2 1 2

3.【答案】C

【解析】由题设知,随机变量X 在线段AB上服从均匀分布,所以其数学期望应为线段长度
的一半即 AB 2.

二、填空题

4.【答案】89

【解析】D
2Y9D X4D Y994289.

3X

5.【答案】2

【解析】E aX 22 E a2X 24aX 4a2E  X 24aE  X 4
a2 D XE2 X  4aE X  4a2  4 8

故 a 2,但a 0,只能取a 2.

6.【答案】5

【解析】E X2Y2E X2 E Y2D XE2 XD YE2 Y


 102 412 5.

三、解答题

7.【分析】此题为求离散型随机变量函数的期望问题.

【解析】假设X 表示一周内发生故障的天数.则X  B(5,0.2)
P(X 0) (0.8)5 0.33,
94

聚创考研概率论与数理统计基础辅导讲义
P(X 1)50.2(0.8)4 0.41
P(X  2)  c2 0.22 (0.8)3 0.20 P(X 3) 10.330.410.200.06
5
又设Y 为该企业的利润,Y 的分布律为
Y 10 5 0 －2
p 0.33 0.41 0.20 0.06
E(Y)=10×0.33+5×0.41+0×0.20+(－2)×0.06=5.23(万元)

8.【分析】此题为求连续型随机变量的期望问题.


 2

【解析】E(X) x(x)dx  2 x cos2 xdx 0

2

2
D(X)  E(X2)[E(X)]2  2 x2 cos2 xdx

2
 2 1cos2x 2 1
2 2 x2 dx 
0  2 12 2

9.【分析】此题为求二维连续型随机变量的期望、方差和相关系数问题.

 1

【解析】E(X)  x(x,y)dxdy xdxdy 0

x2y21
 1
E(Y)  y(x,y)dxdy  ydxdy  0

x2y21
 1
E(X2) x2(x,y)dxdy  x2dxdy

x2y21
1 2 1 1
 cos2d r3dr
 0 0 4
 1
E(Y2) y2(x,y)dxdy  y2dxdy

x2y21
1 2 1 1
 sin2d r3dr
 0 0 4
95

考研概率论与数理统计基础辅导讲义
 1
E(XY)  xy(x,y)dxdy xydxdy  0

x2y21
1 1
D(X)  E(X2)[E(X)]2  , D(Y)  E(Y2)[E(Y)]2 
4 4
E(XY)E(X)E(Y)
0.

XY
D(X) D(Y)

10.【分析】此题为求二维连续型随机变量函数的期望、方差问题.

【解析】假设X,Y 为线段上的两点.则它们都服从[0,l]上的均匀分布，且它们相互独立.

1 1
 0 xl  0 yl
X ~(x)l , Y~(y)l
0 其它0 其它
1
 0 x, yl
(X,Y)的联合分布为(x)l2
0 其它
又设Z  X Y ，D {(x,y):x y, 0 x,yl}，
1
D {(x,y):x y, 0 x,yl}，则
2

E(Z) |x y|(x,y)dxdy

1 1
(x y) dxdy (yx) dxdy
l2 l2
D D
1 2
1 l x 1 l y
 [ (x y)dy]dx [ (y  x)dx]dy
l2 0 0 l2 0 0
1 l x2 1 l y2 l
 dx dy  .

l2 0 2 l2 0 2 3
 1 l2
E(Z2)  (x y)2(x,y)dxdy (x y)2dxdy 
 l2 6
0xl
0yl
l2 l2 l2
D(Z) E(Z2)[E(Z)]2  .

6 9 18
96

聚创考研概率论与数理统计基础辅导讲义

第五章大数定律和中心极限定理

【知识梗概】

97

考研概率论与数理统计基础辅导讲义

【核心考点】

1.切比雪夫不等式

2.依概率收敛

3.大数定律的本质

4.中心极限定理的条件
一、切比雪夫不等式
设随机变量X 期望E(X),方差D(X)2 都存在，则对任意 0均有

D X D X
P{XE X}或P{XE X}1 .

2 2
证明过程简单呈现如下：

证明：P xEX f xdx
xEX
 xEX2
 f xdx
xEX

xEX 2
 f xdx

Dx

2

【深度挖掘】

切比雪夫不等式描述了这样一个事实，事件大多会集中在平均值附近.

【例5.1】设随机变量X 和Y的数学期望分别为2和2，方差分别为1和4，而相关系数为

0.5，则根据切比雪夫不等式，有P X Y 6 __________.

98

聚创考研概率论与数理统计基础辅导讲义

【例 5.2】设随机变量 X ,X ,,X 独立同分布，且 X 的 4 阶矩存在，设
1 2 n 1
 E(Xk)(k 1,2,3,4) ，则由切比雪夫不等式，对任意0 有
k 1
 1 n 
PX2 （）.

 n i1 i 2 
2 2 2 2
（A） 4 2 . （B） 4 2 . （C） 2 1 . （D） 2 1 .

n2 n2 n2 n2
二、大数定律

1.依概率收敛
设X ,X ,X ,是一个随机变量序列，a是一个常数，如果对于任意给定的正数，有
1 2 n
limP X a 1，则称随机变量序列X ,X ,X ,依概率收敛于a，记作
n 1 2 n
n
X Pa.

n

2.切比雪夫大数定律
设
是相互独立的随机变量序列，若方差D

1存在且一致有界，则对0，
X
X
k
n k
 1 n 1 n 
有limPX E X 1，
n n i1 i n i1 i 
1 n 1 n
即随机变量序列X  X P E X  .

n i n i
i1 i1
99

考研概率论与数理统计基础辅导讲义

3.伯努利大数定律
设在每次实验中事件A 发生的概率P(A) p ，在n次独立重复实验中，事件A 发生的频
率为 f (A)，则对于任意正数，总有
n

limP f (A) p 1.

n
n

4.辛钦大数定律
设随机变量X ,X ,X ,相互独立，且服从相同的分布，具有数学期望
1 2 n
E X  (n1,2,，),则对于任意给定的正数，总有
n
1 n 
limPX 1.

n n k1 k 

【例5.3】设总体X 服从参数为2的指数分布，X ,X ,X 为来自总体的X 的简单随机样
1 2 n
1
本，则当n时，Y n X2依概率收敛于 .

n n i1 i
三、中心极限定理
中心极限定理(Centrallimittheorems,CLT)是概率论和统计学中的一个核心定理.在统计
学的实践中，CLT无处不在.CLT表明，在一定条件下，若干随机变量的算术平均值的分布
可以用正态分布近似。CLT简洁优美且有普遍适用性.它并不需要明确知道参与求和的随机
变量的精确分布，而只要满足一些较弱的条件即可.然而和大数定律(Lawoflargenumbers)
不同，CLT并不是那么自然.我们很容易理解硬币正面朝上的频率应该逐渐接近于朝上的概
率，而不太容易理解为什么即使每个变量是从偏态分布比如指数分布、卡方分布中抽取的，
它们的样本均值都会近似服从正态分布.

100

聚创考研概率论与数理统计基础辅导讲义
从1733年De Moivre 首次得出了一个特殊版本的CLT到 1935年Feller 和 Levy 给出
CLT的充要条件，无数伟大的数学家统计学家做出了巨大的贡献，共同谱写了一场跨越两
百年的传奇.

1.棣莫弗—拉普拉斯中心极限定理
设随机变量X 服从参数为n,p 的二项分布，即 X  B(n,p)
n n
(0 p 1, n 1,2,)，则对于任意实数x，有
 X np 
limP n x(x) .

n np(1 p) 

2.列维——林德伯格中心极限定理
设随机变量X ,X ,,X ,相互独立，且服从相同的分布，具有数学期望E X 和
1 2 n n
 n 
X n

 k 
方差D X 2 (n1,2,，)，则对于任意实数x，limPk1 x(x) .

n n n


【例5.4】设X ,X ,…，X ,…为独立同分布的随机变量列，且均服从参数为(1)的
1 2 n
指数分布，记(x) 为标准正态分布函数，则（）.

n n
X nX n
I i
（A）limP{i1 x}(x) （B）limP{i1 x}(x)
n n n n
n n
X n X 
i i
（C）limP{ i1 x}(x) （D）limP{i1 x}(x)
n n n n
101

考研概率论与数理统计基础辅导讲义

【例5.5】设X ,X ,...,X 为来自总体X 的简单随机样本，其中
1 2 100
1
P X  0 P X 1，(x)表示标准正态分布函数，则利用中心极限定理可得
2
100 
PX 55的近似值为（）

i

i1
（A）1(1). （B）(1). （C）1(0.2). （D）(0.2).

102

聚创考研概率论与数理统计基础辅导讲义
课后练习
一、选择题

1.假设随机变量X ,X ,,X ,独立同分布且EX 0，则
1 2 n n
 n 
limPX n（）.

i
n
i1
1 1
（A）0. （B） . （C） . （D）1.

4 2
二、填空题

2.设Y 是n次伯努利试验中事件A出现的次数, p为A在每次试验中出现的概率,则对任意
n
 Y 
0，有limP| n  p|__________.

n n 
三、解答题

3.某厂有400台同型机器,各台机器发生故障的概率均为0,02,假如各台机器相互独立工作,
试求机器出现故障的台数不少于2台的概率.

4.设供电网中有10000盏灯,夜晚每一盏灯开着的概率都是0.7,假设各灯开、关时间彼此无
关,计算同时开着的灯数在6800与7200之间的概率.

103

考研概率论与数理统计基础辅导讲义

【课后练习详细答案】

一、选择题

1.【答案】D

【解析】由此题条件及所求概率,考虑用辛钦大数定律：

 1 n 
0,limPX EX 1,
n n i1 i n 
 n 
因为EX 0,取1,则limPX n1,
n i
n i1 
 n  n  n 
又X nX n,所以limPX n1.

i i i
 i1  i1  n i1 
二、填空题

2.【答案】0
 Y  Y 

【解析】limP| n  p|1－limP| n  p|110
n n  n n 
三、解答题

3.【分析】利用棣莫佛－拉普拉斯中心极限定理

【解析】假设X表示400台机器中发生故障的台数,所以X～B(400,0.02)
由棣莫佛－拉普拉斯定理：

t2
 X 4000.02  1 x
limP x e 2dt (x)
n 4000.020.98  2
所以P(X 2)1P(X 1)
 X 8 7 
1P

 4000.020.98 4000.020.98
=12.5 2.50.9938.

4.【分析】利用棣莫佛－拉普拉斯中心极限定理

【解析】假设X表示10000盏灯中开着的灯数,所以X～B(10000,0.7)
104

聚创考研概率论与数理统计基础辅导讲义
由棣莫佛－拉普拉斯定理:

t2
 X 7000  1 x
limP x e 2dt (x)
n 100000.30.7  2
所以 P(6800  X  7200)
 68007000 X 7000 72007000 
P
 100000.30.7 100000.30.7 100000.30.7
4.364.3624.361 0.9999.

105

考研概率论与数理统计基础辅导讲义

第六章数理统计的基本概念

【知识梗概】

【核心考点】

1.样本均值与样本方差的数字特征

2.三大分统计分布的简单对应
106

聚创考研概率论与数理统计基础辅导讲义

【背景知识】

数理统计学是研究如何以有效的方式去收集、整理和分析受到随机影响的数据，以对所考
虑的问题作出推断，预测，直至为采取决策和行动提供依据或建议的一门学科.

【总体的深度理解】

总体大家可以理解为一个大的背景，或者理解为很多很多数据，但是它们都有相同的
分布.或者也可以理解为，我们学统计，是为了研究一个东西的不确定性，而这个不确定性
的特征被附身在了很多物体上，所以我们一般把这很多物体的集合就称为总体，因为每一
个个体的不确定性的存在，导致这个总体产生了很多变化，为了描述这些变化，我们就认
为它符合一种分布.

【样本的深度理解】

样本你就可以理解为是总体的某一个小的子集.我为了研究这个总体的性质，我需要调
查这个样本.很多时候对这个样本做检验，就可以推断出总体的性质.每一个样本都是一个随
机变量，而每一个样本在观测之后也会有一个值.

只要它是薛定谔的猫，它就是一个随机变量.

一、总体和样本

1.总体：在数理统计中所研究对象的某项数量指标X 取值的全体称为总体.X 是一个随机变
量，X 的分布函数和数字特征分别称为总体的分布函数和数字特征.

2.个体：总体中的每个元素称为个体.

3.总体容量：总体中个体的数量称为总体的容量.容量为有限的总体称为有限总体，容量为
无限的总体称为无限总体.

4.简单随机样本：与总体X 具有相同的分布，并且每个个体X ,X ,,X 之间是相互独立
1 2 n
的，则称X ,X ,,X 为来自总体X 的简单随机样本，简称样本，n称为样本容量.它们
1 2 n
的观测值x ,x ,,x 称为样本观测值，简称为样本值.

1 2 n
107

考研概率论与数理统计基础辅导讲义

5.样本的联合分布
（1）联合分布函数
如果总体X 的分布函数为F(x)，X ,X ,,X 是来自总体X 的简单随机样本，则随机变
1 2 n
n
量X ,X ,,X 的联合分布函数为F(x ,x ,,x )F(x ) .

1 2 n 1 2 n i
i1
（2）联合概率密度
如果总体X 的概率密度为 f(x)，则X ,X ,,X 的联合概率密度为
1 2 n
n
f(x ,x ,,x )  f(x ) .

1 2 n i
i1

6.统计量及抽样分布
（1）统计量
设X ,X ,,X 是来自总体X 的简单随机样本，g(t ,t ,,t )是一个不含未知数的n元
1 2 n 1 2 n
函数，则称随机变量X ,X ,,X 的函数Tg(X,X ,,X )为一个统计量.设x ,x ,,x
1 2 n 1 2 n 1 2 n
是相应于X,X ,,X 的样本值，则称g(x ,x ,,x ) 为统计量T  g(X ,X ,,X ) 的
1 2 n 1 2 n 1 2 n
观测值.

（2）抽样分布
统计量是样本的函数，是一个随机变量，统计量的分布称为抽样分布.

二、常用统计量
设X ,X ,,X 是来自总体X 的简单随机样本，x ,x ,,x 是相应于X ,X ,,X 的
1 2 n 1 2 n 1 2 n
的期望、方差都存在，即E
，D X2
X
样本值.若总体X
.

1 n
1 n
X ，样本值x 
x

1.样本均值 X 
n i n i
i1 i1
 1
E X ,D X 2
n
108

聚创考研概率论与数理统计基础辅导讲义
1 n 1 n

2.样本方差 S2 (X  X)2 ，样本值为 s2 (x x)2 .

n1 i n1 i
i1 i1
1 n 1 n
样本标准差 S (X X)2 ，样本值为s(x x)2 .

n1 i n1 i
i1 i1
1 n E X2nE
2
E S2
2 .


X
n1 i 
i1
1 n

3.样本k 阶原点矩 A Xk
k n i
i1
1 n
观测值为a xk ，k 1,2.

k n i
i1
1 n

4.样本k 阶中心矩 B (X  X)k
k n i
i1
1 n
观测值为b (x x)k ，k 1,2.

k n i
i1

5.顺序统计量 X max(X ,X ,,X )和X min(X ,X ,,X )
(n) 1 2 n (1) 1 2 n
设总体X 的分布函数为F(x)，X ,X ,,X 是来自总体X 的简单随机样本，则统计量
1 2 n
X max(X ,X ,,X )的分布函数为
(n) 1 2 n
F (x) P max(X ,X ,,X ) x F(x)n .

max 1 2 n
X min(X ,X ,,X ) 的分布函数为
(1) 1 2 n
F (x) P min(X ,X ,,X ) x1 1F(x)n .

min 1 2 n
109

考研概率论与数理统计基础辅导讲义

【例 6.1】设总体 X 服从正态分布 N (μ ,σ 2 ) ，总体Y 服从正态分布 N(μ ,σ2) ，
1 2
X ,X ,,X 和 Y,Y ,,Y 分别是来自总体X 和Y 的简单随机样本，则
1 2 n 1 2 n
1 2
E
Y2
1 n 
X2 n2 
__________.

X
Y

2i1 i
i 
n 1n
j1
2

【例6.2】设总体X ~Bm,,X ,X ,K,X 为来自总体的简单随机样本，X为样本均值，
1 2 n
则En 
X2
（）.

X
i

i1
（A）m1n1（B）mn11
（C）m1n11（D）mn1
1 n
是总体N,2

【例6.3】设X ,X ,L,X
的简单随机样本，记X 
X
1 2 n n i
i1
S2  1 n  X  X2 ,T  X2  1 S2.

n1 i n
i1
（I）求E(T)
（II）当0,1时，求D(T)
110

聚创考研概率论与数理统计基础辅导讲义
三、常用统计量的抽样分布

1.2分布
（1）典型模式
设随机变量X ,X ,X 相互独立，都服从标准正态分布N(0,1)，则随机变量
1 2 n
2  X2  X2  X2服从自由度为n的2分布，记作2 ~2(n).

1 2 n
（2）2分布的性质
1）设2 ~2(n ),2 ~2(n ) ，并且2和2相互独立，则
1 1 1 2 2 2 1 2
2 2 ~2(n n ) .

1 2 1 2
2）如果2 ~2(n)，则有E2n,D22n.

2.t分布
（1）典型模式
X
设随机变量X,Y 相互独立，且X ~ N(0,1),Y ~2(n) ，则随机变量t 服从自由
Y n
度为n的t分布，记作t ~t n .

（2）t分布的性质
1 ex 22
t n分布的概率密度 f(x)是偶函数且有lim f(x)
，即当n充分大时，t n分
n 2
布近似N(0,1)分布.

由于t(n)分布的概率密度是偶函数，因此t (n)t (n)
1

3.F 分布
（1）典型模式
X m
设随机变量X,Y 相互独立，且X ~2(m) ,Y ~2(n) ，则随机变量F 服从自由
Y n

度为 m,n 的F 分布，记作F ~ F (m,n) .

111

考研概率论与数理统计基础辅导讲义

【深度挖掘】

除以自由度是为了标准化
（2）F 分布的性质
1
设F ~ F(m,n) ，则 ~ F(n,m) .

F

【例6.4】设X ,X ,,X 是来自正态总体X ~ N(0,22)的简单随机样本，求不为零的常
1 2 6
数a,b,c使QaX2b X X 2c X X X 2 服从2分布，并求自由度n.

1 2 3 4 5 6
为来自总体N 1,20

【例6.5】设X ,X ,X ,X
的简单随机样本，则统计量
1 2 3 4
X X
1 2 的分布为（）

X +X 2
3 4
（A）N0,1（B）t1（C）21（D） F1,1
112

聚创考研概率论与数理统计基础辅导讲义
四、正态总体的抽样分布

1.一个正态总体
设X ,X ,,X 是来自正态总体X ~ N( , 2)的样本，样本均值为X ，样本方差为S2 ，
1 2 n
则有
2 X 
（1）X ~ N(, )，U  ~ N(0,1).

n  n
(n1)S2 1  n 
（2）X 与S2 相互独立，且(X  X)2
~ 2(n1).


2 2  i 
i1
X 
（3）T  ~t(n1).

S n
1 n
（4）2 (X )2 ~2(n).

2 i
i1

【例6.6】设X ,X ,,X (n  2)为来自总体N(0,1)的简单随机样本，X 为样本均值，
1 2 n
S2 为样本方差，则（）.

（A）nX ~ N(0,1) （B）nS2 ~2(n)
(n1)X2
(n1)X 1 ~ F(1,n1)
（C） ~ t(n1) （D） n
X2
S
i
i2
113

考研概率论与数理统计基础辅导讲义

【例 6.7】设随机变量 X 和Y 相互独立且都服从正态分布 N(0,32) ，而 X ,,X 和
1 9
X  X
Y,,Y 分别是来自总体 X 和Y 的简单随机样本，则统计量U  1 9 服从
1 9
Y2 Y2
1 9
__________分布，参数为__________.

【例6.8】已知随机变量X ~t n，则X2 ~__________.

1 n

【例 6.9】设 X ,X ,,X 是总体 X 为 N(,2) 的简单随机样本.记 X X ，
1 2 n n i
i1
1 n
，则D S2
S2 
(X  X)2
__________.

n1 i
i1
114

聚创考研概率论与数理统计基础辅导讲义
课后练习
一、选择题

1.设总体X ~ N(,2),,2均未知,X ,X ,X 是X 的一个样本,则非统计量是（）.

1 2 3
1
（A） X  X  X 
3 1 2 3

（B）max X ,X ,X
1 2 3

（C）min X ,X ,X
1 2 3
1
（D） X  X  X 
2 1 2 3

2.若,2 ~2(n ),2 ~2(n )且2与2相互独立,则下列结论正确的是（）.

1 1 2 2 1 2

（A）D 2 2 n2 n2
1 2 1 2

（B）D 2 2 n n
1 2 1 2

（C）D 2 2 n2 n2
1 2 1 2
（D）D2 22 n n 
1 2 1 2
5U

3.设,U ~2(6),V ~2(5)且U,V 独立,则Q ~（）.

6V
1
（A）（B）F(5,6)
F(5,6)
1
（C）（D）以上均不是
F(6,5)
115

考研概率论与数理统计基础辅导讲义
二、填空题
2

4.设X,X ,X,X 是来自正态总体X~N(,2)的样本,则Y X X (X )2 服从
1 2 3 4 3 4 i
i1
__________分布,其自由度为_________.

5. 若 X ,X ,,X 是取自总体 X ~ N(10,102) 的样本 , X 为其样本均值 , 则
1 2 10
X ~__________.

 S2 


6.从正态总体N,2 中抽取一容量为16的样本,S2为样本方差,则D__________.

2


7.随机变量X 服从自由度为 n,n 的F 分布,则随机变量Y 1 X 服从__________分布，
1 2
参数为__________.

116

聚创考研概率论与数理统计基础辅导讲义

【课后练习详细答案】

一、选择题

1.【答案】D

【解析】统计量不能未知参数.

2.【答案】D

【解析】22 ~2(n n )，其方差是自由度的2倍.

1 2 1 2

3.【答案】A
5U U /6 1

【解析】Q ~ F(6,5)
6V V /5 F(5,6)
二、填空题

4.【答案】t，2
2
 (X )2
1

【解析】因为X  X ~ N(0,22) i1 ~2(2)
3 4 2
2
根据t分布的典型模式，知Y X X (X )2 ~t(2)
3 4 i
i1


5.【答案】N 10,10

【解析】X ~ N(,2) N(10,10)
2

6.【答案】

15
15S2

【解析】由卡方分布的典型模式， ~2(15)，两边取方差，有
2
S2 15S2
152D( )D( )D(2(15))30
2 2
S2 2
D( )30/152  .

2 15


7.【答案】F , n ,n .

2 1

【解析】根据F分布的典型模式，可得.

117

考研概率论与数理统计基础辅导讲义

第七章参数估计与假设检验

【知识梗概】

【核心考点】

1.极大似然估计（经典永恒）

2.矩估计

3.估计量的评选标准（数一专项）

118

聚创考研概率论与数理统计基础辅导讲义
一、点估计

1.点估计的概念
设总体X 的分布形式F(x;)已知，但含有未知参数；或者总体的某数字特征存在但未知.

设X ,X ,X 是来自总体X 的样本，x ,x ,,x 是相应的样本值.所谓的点估计就是构
1 2 n 1 2 n
造一个适当的统计量ˆ (X ,X ,,X )，用它估计未知参数，用它的观测值ˆ (x ,x ,,x )
1 2 n 1 2 n
作为未知参数的近似值，称统计量ˆ (X ,X ,,X )称为未知参数的估计量，
1 2 n
ˆ (x ,x ,,x )为的一个估计值.

1 2 n

2.点估计的方法
（1）矩估计法
1）矩估计法思想
根据大数定律，样本矩、样本矩的连续函数依概率收敛于相应的总体矩、总体矩的连续函
1 n
数.矩估计法的基本思想是用样本的 k 阶原点矩 A Xk 作为总体的k 阶原点矩
k n i
i1

 E Xk 的估计.

k
2）矩估计法的解题思路
当只有一个未知参数时，我们就用样本的一阶原点矩即样本均值来估计随机变量的一阶原点
矩即期望.令X E X .解出未知参数，就是其矩估计量.

如果有两个未知参数，那么除了要用一阶矩来估计外，还要用二阶矩来估计.因为两个未知
数，需要两个方程才能解出.解出未知参数，就是参数的矩估计.

3）矩估计法的解题步骤
类型一：Fx;中一个未知参数
Step1：求总体X的一阶原点矩EX ；

119

考研概率论与数理统计基础辅导讲义
1 n
Step2：样本的一阶原点矩：X X ；

n i
i1
Step3:令总体矩=样本矩，即X  E X，得到 .

类型二：Fx;,中两个未知参数,

Step1：求总体X的一阶、二阶原点矩为EX  ,E X2 ；

1 n 1 n
Step2：样本的一阶原点矩：X X ,A X2 ；

n i 2 n i
i1 i1
Step3：令总体矩=样本矩，即EX X ，E X2 A ,得到 , .

2
（2）最大似然估计法
1）最大似然估计思想
对未知参数进行估计时，在该参数可能的取值范围内选取，使“样本获得此观测值x,x ,,x ”
1 2 n
的概率最大的参数值作为的估计，这样选定的
最有利于x,x ,,x 的出现.

1 2 n
最大似然估计的本质思想是：发生的事件为大概率事件
2）最大似然估计的解题思路
离散型随机变量
设总体X 是离散型随机变量，概率分布为
P X t p(t ;),i1,2,,
i i
其中为待估参数.

设X ,X ,,X 是来自总体X 的简单随机样本，x ,x ,,x 是样本值，称函数
1 2 n 1 2 n
n 
L()L(x ,x ,,x ;)P(x;) 为样本x ,x ,,x 的似然函数.如果，使得
1 2 n i 1 2 n
i1

L()maxL() ，这样的与x ,x ,,x 有关，记作(x ,x ,,x )，称为未知参数
1 2 n 1 2 n


的最大似然估计值，相应的统计量(X ,X ,,X )称为的最大似然估计量.

1 2 n
120

聚创考研概率论与数理统计基础辅导讲义
连续型随机变量
设总体X 的概率密度函数 f x;，其中为待估参数，设X ,X ,,X 是来自总体
1 2 n
X 的简单随机样本，x ,x ,,x 是样本值，称函数
1 2 n
n 
L() L x ,x ,,x ; f  x;为样本x ,x ,,x 的似然函数.如果，使
1 2 n i 1 2 n
i1

得 L()maxL() ，这样的与x ,x ,,x 有关，记作(x ,x ,,x )，称为未知参
1 2 n 1 2 n


数的最大似然估计值，相应的统计量(X ,X ,,X )称为的最大似然估计量.

1 2 n
3）最大似然估计法的解题步骤
Step1：写出似然函数；

n
L(x ,,x ;,,)P(x ,,,) （离散型）

1 n 1 m i 1 m
i1
n
L(x ,,x ;,,) f(x ,,,) （连续型）

1 n 1 m i 1 m
i1
Step2：对似然函数取对数lnL；

lnL
Step3：分别对,,求偏导数 ,i 1,,m；

1 m 
i
lnL
Step4：判断方程组0是否有解.若有解，则其解即为所求最大似然估计；若无解，

i
则最大似然估计常在的边界点上达到.

i

3.估计量的评选标准 (数一)
（1）无偏性

如果的估计量(X ,X ,,X )的数学期望E存在，且对于任意，有
1 2 n 

E，则称是未知参数的无偏估计量.


121

考研概率论与数理统计基础辅导讲义
（2）有效性

设(X ,X ,,X ) 和(X ,X ,,X ) 都是未知参数的无偏估计量，如果对于任意
1 1 2 n 2 1 2 n

，有 D() D() ，且至少有一个，使上式中的不等式成立，则称
1 2

(X ,X ,,X )比(X ,X ,,X )更有效.

1 1 2 n 2 1 2 n
（3）一致性(相合性)

设(X ,X ,,X )为未知参数的估计量，如果对于任意，当n时，
1 2 n

(X ,X ,,X )依概率收敛于，则称(X ,X ,,X )为未知参数的一致估计量或
1 2 n 1 2 n
相合估计量.

0, x1,

, 1 x2, 1

【例7.1】设总体X 的分布函数为F x其中未知(0).利用总
2, 2 x3, 2

1, 3 x,
体X 的如下样本值1,1,3,2,1,2,3,3.试求的矩估计值和最大似然估计值.

122

聚创考研概率论与数理统计基础辅导讲义

【例7.2】设总体 X 的概率密度为
x
f x; 1 e, x，
2
其中 0，为未知参数，X ,X ,,X 为来自总体 X 的简单随机样本.记的最大似
1 2 n
然估计量为ˆ
（Ⅰ）求ˆ；

（Ⅱ）求Eˆ和Dˆ .

123

考研概率论与数理统计基础辅导讲义

【例7.3】设总体 X 的概率密度为
 (x)2
A 
 e 22 ,x,
f(x;2)

0, x
其中是已知参数，0是未知参数，A是常数. X ,X ,,X 是来自总体 X 的简单随
1 2 n
机样本.

（Ⅰ）求A；

（Ⅱ）求2的最大似然估计量.

124

聚创考研概率论与数理统计基础辅导讲义

【例7.4】设某种元件的使用寿命T的分布函数为
tm

F(t)1e  ,t 0,
 0, 其他.

其中，m为参数且大于零.

（Ⅰ）求概率PT t与P T st T s其中s0，t 0；

，
（Ⅱ）任取n个这种元件做寿命试验，测得它们的寿命分别为t ,t ,...,t ，若m已知，
1 2 n

求的最大似然估计值
.

125

考研概率论与数理统计基础辅导讲义
(1)x, 1 x1,

【例 7.5】设总体 X 的概率密度为 f(x)其中1是未知参
 0, 其他，
数.X ,X ,,X 是来自总体X 的一个容量为n的简单随机样本，求的矩估计量.

1 2 n
2e2(x),x

【例7.6】设某种元件的使用寿命X 的概率密度为 f(x;)
0, x
其中0为未知参数，X ,X ,,X 为来自总体的简单随机样本，求参数的矩估计及
1 2 n
最大似然估计.

126

聚创考研概率论与数理统计基础辅导讲义
二、区间估计（数一）

1.置信区间
设总体X 的分布函数为F(x;)，其中为未知参数，X ,X ,,X 为来自总体X 的简单
1 2 n
随机样本.对于给定的 (01)，如果两个统计量(X ,X ,,X )，
1 1 1 2 n
(X ,X ,,X )，满足P1，则称随机区间(,)为参数的
2 2 1 2 n 1 2 1 2
置信水平(或置信度)是1的置信区间(或区间估计)，简称为的1的置信区间，和
1
分别称为置信下限和置信上限.

2

2.一个正态总体的区间估计
设X ~ N(,2)，X ,X ,,X 为来自总体X 的简单随机样本，样本均值为X ，样本方
1 2 n
差为S2
.

| 未知参数 |  | 1置信区间 |
| --- | --- | --- |
|  | 2已知 |  (Xu ,X u ) 2 2 n n |
|  | 2未知 | S S (Xt (n1) ,X t (n1) ) 2 2 n n |
| 2 | 已知 |  n n (X )2 (X )2  i i  i1 , i1 2(n) 2 (n)  1 2 2  |
|  | 未知 | (n1)S2 (n1)S2 ( ,) 2 (n1) 2 (n1) 2  1 2 |

127

考研概率论与数理统计基础辅导讲义

【例7.7】设一批零件的长度服从正态分布N(,2)，其中,2
均未知.现从中随机抽取
16个零件，测得样本均值x  20(cm) ，样本标准差s 1(cm) ，则的置信水平为0.90
的置信区间是（）.

1 1
（A）(20 t (16),20 t (16)).

4 0.05 4 0.05
1 1
（B）(20 t (16),20 t (16)).

4 0.1 4 0.1
1 1
（C）(20 t (15),20 t (15)).

4 0.05 4 0.05
1 1
（D）(20 t (15),20 t (15)).

4 0.1 4 0.1
三、假设检验（数一）

1.假设检验
假设：关于总体分布的未知参数的假设，所提出的假设称为零假设或原假设，记为H ，对
0
立于零假设的假设称为独立假设或备择假设，记为H
1
假设检验：根据样本，按照一定规则判断所做假设H 的真伪，并作出接受还是拒绝接受H
0 0
的决定.

2.两类错误
拒绝实际真的假设H (弃真)称为第一类错误；

0
接受实际不真的假设H (纳伪)称为第二类错误.

0

3.显著性检验
在确定检验法则时，应尽可能地使犯两类错误的概率都小些，但是一般来说，当样本容量
128

聚创考研概率论与数理统计基础辅导讲义
取定后，如果要减少犯某一类错误的概率，则犯另一类错误的概率往往要增大.要使犯两类
错误的概率都减少，只好加大样本容量.在给定样本容量的情况下，我们总是控制犯第一类
错误的概率，使它不大于给定的(01)，这种检验问题称为显著性检验问题，给定的
称为显著性水平，通常取0.1,0.05,0.01,0.001 .

在对假设H 进行检验时，常使用某个统计量T ，称为检验统计量.当检验统计量在某个区
0
域W 取值时，我们就拒绝假设H ，称区域W 为拒绝域.

0

4.显著性检验的一般步骤
（1）根据问题要求提出原假设H 和对立假设H ；

0 1
（2）给出显著性水平(01)及样本容量n；

（3）确定检验统计量及拒绝域形式；

（4）按犯第一类错误的概率等于，求出拒绝域W ；

（5）根据样本值计算检验统计量T 的观测值t，当tW 时，拒绝原假设H ，否则接受
0
原假设H .

0

【例7.8】设总体 X 服从正态分布N(,2),x ,x ,,x 是来自总体X 的简单随机样本，
1 2 n
据此样本检测假设：H :,H :，则（）.

0 0 1 0
（A）如果在检验水平0.05下拒绝H ，那么在检验水平0.01下必拒绝H
0 0
（B）如果在检验水平0.05下拒绝H ，那么在检验水平0.01下必接受H
0 0
（C）如果在检验水平0.05下接受H ，那么在检验水平0.01下必拒绝H
0 0
（D）如果在检验水平0.05下接受H ，那么在检验水平0.01下必接受H
0 0
129

考研概率论与数理统计基础辅导讲义

【例 7.9】设 X ,X ,,X 是来自总体N(,4)的简单随机样本，考虑假设检验问题：

1 2 16
H :10,H :10,(x) 表示标准正态分布函数.若该检验问题的拒绝域为
0 1
1 16
W {X 11}，其中X X ，则11.5，该检验犯第二类错误的概率为（）.

16 i
i1
（A）1(0.5). （B）1(1).

（C）1(1.5). （D）1(2).

130

聚创考研概率论与数理统计基础辅导讲义
课后练习
一、选择题

1.假设总体 X 的方差DX 存在，X ,X ,...,X 是取自总体 X 的简单随机样本，其样本均
1 2 n
值和样本方差分别是X,S2，则EX 2的矩估计量是（）.

X2 （B）(n1)S2X2
（A）S2 
（C）nS2 X2 （D）n1 S2  X2
n
二、填空题
XEX Y EY

2.设随机变量 X 和 Y 的方差均不为零，且 X和 Y，则
DX DY
__________.

XY XY

3.设 X ,X ,,X 是来自正态总体 X ~ N(0,32) 的简单随机样本，则统计量
1 2 10
X  X
T  1 5 服从__________分布，参数为__________.

X2  X2
6 10

4.设总体X ~ N(a,2),Y ~ N(b,2)并且相互独立，分别是来自总体X 和Y 的容量为m和n
1
的简单随机样本，得样本方差 S2 和 S2 ，则统计量T  [(m1)S2 (n1)S2]服从
X Y 2 X Y
__________分布，参数为__________.

5.设由来自正态总体X ~ N(,0.92) 容量为9的简单随机样本,得样本均值X 5,则未知
参数的置信度为0.95的置信区间为__________.

131

考研概率论与数理统计基础辅导讲义
三、解答题

6.设X ,X ,,X 是来自总体X ~U(0,) 的简单随机样本.

1 2 n
（I）求参数的矩估计量
.

1
（II）求参数的最大似然估计量
.

2
x 1, 0 x 1，

7.设总体 X 的概率密度为 f(x)，其中0 是未知参数，设
 0, 其他，
x,x,,x 是来自总体X 的一组样本值，求未知参数的最大似然估计值为 .

1 2 n
 1
， 0 x,

2

 1

8.设总体X 的概率密度为 f(x,)， x1，其中参数（01)未知，
2(1）



0，其他，

X ,X ,,X 为来自总体X 的简单随机样本，X 是样本均值.

1 2 n
（I）求参数的矩估计量
.

（II）判断4X2 是否为2的无偏估计量，说明理由.

132

聚创考研概率论与数理统计基础辅导讲义

【课后练习详细答案】

一、选择题

1.【答案】D
1 n

【解析】按照定义，EX 2的矩估计量是X2，由于
n i
i1
S2  1 n (X  X)2  n (1 n X 2  X2 )
n1 i n1 n i
i1 i1
所以，n1 S2  X2  1 n X2 是EX 2的矩估计量.

n N i
i1
二、填空题

2.【答案】0
EX*Y*EX*EY* EXYEXEY

【解析】
X*Y* XY
DX* DY* DX DY
则答案为0.

3.【答案】t，5

【解析】X X X X X ~ N(0,45),
1 2 3 4 5
X2 X2 X2 X2 X2
6 7 8 9 10 ~2(5)
9
(X  X  X  X  X )/3 5 X  X  X  X  X
T  1 2 3 4 5  1 2 3 4 5 ~t(5)
X2  X2  X2  X2  X2 X2  X2  X2  X2  X2
6 7 8 9 10 /5 6 7 8 9 10
9

4.【答案】2,mn2.

(m1)S2 (n1)S2

【解析】 X ~2(m1), Y ~2(n1)
2 2
(m1)S2 (n1)S2
T  X  Y ~2(mn2)
2 2

5.【答案】(4.412,5.588)
133

考研概率论与数理统计基础辅导讲义

0.92 X 

【解析】已知X ~ N(, ), 故P()0.95

0.025
9 0.9/3
又1.96，计算得的置信度为0.95的置信区间(4.412,5.588)

0.025
三、解答题
0 

6.【解析】（I）EX  , 令EX  X , 得2X
1
2 2
（II）令 X ,X ,,X 的观测值是 x,x ,...,x 且 0x ,i1,2,...,n ，似然函数
1 2 n 1 2 n i
n 1 dL()
L() f(x ,)，nn1 0
i n d
i1
知L()关于单调递减，也就是说越小越好，
所以max(X ,X ,,X )
2 1 2 n

7.【解析】构造似然函数
n n
L() f(x ,)x 1 ，两边取对数有
i i
i1 i1
n n n
lnL() ln(x 1 ) ln(1) lnx
i i
2
i1 i1
dlnL() n 1 n
两边关于求导数，并令 lnx 0
d 2 2  i
i1
2
 n 
得未知参数的最大似然估计值为 =n2 lnx
i

i1
 x 1 x  1 1

8.【解析】（I）EX  dx dx
0 22(1) 4 4 2 4
1
X  EX 得矩估计量：2X 
2
2 2  1
（II）E(4X )4E(X )4DX 4(EX)2 4DX 2 2
4 16
4X2 不是2的无偏估计量.

134
