核心知识点复盘#

一维连续型随机变量是考研数学概率论与数理统计的基础考点之一，核心框架如下：

1. 定义与判定：若随机变量$X$的分布函数$F(x)$可表示为$F(x)=\int_{-\infty}^x f(t)dt$（其中$f(x)$为非负可积函数），则$X$为连续型随机变量，$f(x)$为其概率密度函数。
2. 概率密度的核心性质
   • 非负性：$f(x) \geq 0, \forall x \in \mathbb{R}$
   • 归一性：$\int_{-\infty}^{+\infty} f(x)dx = 1$，这是求解概率密度中未知参数的核心依据
   • 区间概率：$P\{a < X \leq b\} = \int_a^b f(x)dx$，同时连续型随机变量满足$P\{X=a\}=0$
   • 可导性：在$f(x)$的连续点处，$F'(x)=f(x)$，可实现分布函数与概率密度的互推
3. 考研高频常用分布
   • 均匀分布$U(a,b)$：概率密度$f(x)=\begin{cases}\frac{1}{b-a}, & a \leq x \leq b \\0, & \text{其他}\end{cases}$，常结合几何概型考察区间概率计算
   • 指数分布$Exp(\lambda)$：概率密度$f(x)=\begin{cases}\lambda e^{-\lambda x}, & x \geq 0 \\0, & \text{其他}\end{cases} (\lambda>0)$，其无记忆性是考研选择题的高频考点

今日考点对应练习复盘#

今日练习中出现的典型错误集中在分段概率密度的积分处理：例如当$f(x)$在$[0,1]$和$[1,2]$上有不同表达式时，计算$P\{0.5 < X < 1.5\}$需要拆分为$\int_{0.5}^1 f_1(x)dx + \int_1^{1.5}f_2(x)dx$，部分同学容易直接用整体区间积分或错用单一表达式计算，后续需强化分段积分的练习。