541 字
1 分钟
考研数学学习记录2026-04-18
2026-04-18

考研数学学习记录 2026-04-18#

今日学习内容#

今日数学学习时长:2小时28分钟 其中分神钻研技术约1小时

具体学习模块#

  1. 随机变量的基本概念
  2. 随机变量的分布函数定义与核心性质
  3. 一维离散随机变量及其概率分布律
  4. 六大常见一维离散分布:
    • 0-1分布
    • 二项分布
    • 泊松分布
    • 几何分布
    • 超几何分布
    • 泊松定理(二项分布的泊松近似)

薄弱点#

  1. 不同离散分布的适用场景辨析容易混淆
  2. 超几何分布与二项分布的近似关联掌握不扎实
  3. 分布函数右连续性的验证练习不足

AI知识点复盘#

核心知识点梳理#

  1. 随机变量:定义在样本空间上的实值单值函数,将随机试验的结果映射为实数,便于量化分析
  2. 分布函数F(x)=P{Xx},xRF(x)=P\{X\leq x\},x\in\mathbb{R},满足单调性、有界性、右连续性
  3. 一维离散随机变量:取值为有限个或可列无限多个,通过概率分布律P{X=xk}=pk(k=1,2,)P\{X=x_k\}=p_k(k=1,2,\cdots)描述,需满足pk0,k=1pk=1p_k\geq0,\sum_{k=1}^\infty p_k=1
  4. 常见离散分布
    • 0-1分布:单次伯努利试验的分布,P{X=k}=pk(1p)1k,k=0,1P\{X=k\}=p^k(1-p)^{1-k},k=0,1
    • 二项分布XB(n,p)X\sim B(n,p)nn重伯努利试验成功次数的分布,P{X=k}=Cnkpk(1p)nk,k=0,1,,nP\{X=k\}=\mathrm{C}_n^k p^k(1-p)^{n-k},k=0,1,\cdots,n
    • 泊松分布Xπ(λ)X\sim \pi(\lambda):描述单位时间/空间内稀有事件发生次数,P{X=k}=λkeλk!,k=0,1,2,P\{X=k\}=\frac{\lambda^k e^{-\lambda}}{k!},k=0,1,2,\cdots
    • 几何分布:首次成功前的失败次数,P{X=k}=(1p)k1p,k=1,2,P\{X=k\}=(1-p)^{k-1}p,k=1,2,\cdots
    • 超几何分布XH(N,M,n)X\sim H(N,M,n):有限总体不放回抽样的成功次数,P{X=k}=CMkCNMnkCNn,k=0,1,,min(n,M)P\{X=k\}=\frac{\mathrm{C}_M^k\mathrm{C}_{N-M}^{n-k}}{\mathrm{C}_N^n},k=0,1,\cdots,\min(n,M)
    • 泊松定理:当nn很大,pp很小,λ=np\lambda=np适中时,Cnkpk(1p)nkλkeλk!\mathrm{C}_n^k p^k(1-p)^{n-k}\approx\frac{\lambda^k e^{-\lambda}}{k!},用于二项分布的近似计算

今日小结#

今日整体学习覆盖了一维离散型随机变量的核心考点,虽然中途有短暂分神,但整体完成了预定的学习计划。后续需要通过配套习题强化不同分布的场景应用,重点攻克薄弱点,同时补充分布函数相关的练习题目,加深对知识点的理解与运用能力。

分享

如果这篇文章对你有帮助,欢迎分享给更多人!

考研数学学习记录2026-04-18
https://elysiaweb.vercel.app/posts/math/4-18/
作者
程翊雪
发布于
2026-04-18
许可协议
Unlicensed

部分信息可能已经过时

目录