2025年线性代数知识点整理 .pdfVIP

太上有立德，其次有立功，其次有立言，虽久不废，此谓不朽。——《左传》

2025年线性代数知识点整理

●一维随机变量及其分布

●分布函数，密度函数的判别

●离散型随机变量求分布列

●离散型随机变量求分布函数

●已知离散型随机变量的分布函数求分布列

●已知分布函数求概率

●已知密度函数求分布函数或者概率

●离散和连续的混合型变量求分布函数

●单独处理离散和连续的部分

●划分好区

●已知其中一个变量的分布，求另一个离散（混合型）随机变量的分布列

●已知道其中一个离散的一个变量分布，求另一个相关的连续性变量分布

●全概率公式

●已知其中一个变量的密度函数，求另一个相关变量的密度函数（分布）

●分布定理

●回归分布函数定义，先求分布函数，求导得密度函数

●正态分布有关的计算

●泊松定理和指数分布无记忆性

●概念剖析

●互不相容（互斥）

●A∩B=∅

●独立

●P(AB)=P(A)P(B)

●对立

●小结论

●设随机变量X的密度函数为f(x)且为偶函数，分布函数为F(x),a0

●F(-a)=1-F(a)=\frac{1}2-6\int^a_0f(x)dx

●如果是离散和连续结合，如果离散的知道了，可以考虑考虑全概率公式

●如果求密度函数很难求，可以先求分布函数，在求导得密度函数

●一维随机变量分布函数

●定义F(x)=P\left\{X\lex\right\},(-∞x+∞)

●性质

●单调不减

以铜为镜，可以正衣冠；以古为镜，可以知兴替；以人为镜，可以明得失。——《旧唐书·魏征列传》

●右连续

●0\leF(x)\le1,且F(-∞)=0,F(+∞)=1

●一维随机变量概率密度/分布律

●归一性

●非负性

●一维随机变量的分布函数的连续性

●离散型随机变量X的分布函数F(x)在(-∞,+∞)内除X可能取的值x_i外，处处是连

续的

●由于连续型随机变量X的分布函数F(x)必可以表示成\int_{-∞}^x\:f(t)dt,此时F(x)一

定是(-∞,+∞)上的连续函数，但不能说凡是连续的F(x)对应的X就一定是连续型随

机变量

●连续型随机变量X的分布函数F（x）必连续，但密度函数f(x)不一定连续

●二维随机变量分布函数

●定义F(x,y)=P\left\{(X\lex)\cap(Y\ley)\right\},可写成P\left\{(X\lex)，(Y\ley)\right\}

●性质

●0\leF(x,y)\le1,且关于每一自变量均单增不减

●F(-∞,y)=0,F(x,-∞)=0,F(-∞,-∞)=0,F(+∞,+∞)=1

●F(x,y)关于x和y均右连续，即F(x+0,y)=F(x,y),F(x,y+0)=F(x,y)

●边缘分布函数F_X(x)=F(x,+∞),F_Y(y)=F(+∞,y)

●对于(X,Y)而言，由（X,Y）的分布函数可以确定关于X,关于Y的边缘分布函数，

反之无法确定，只有当X,Y相互独立的时候才能由两个边缘分布函数确定

（X,Y）的分布函数

●提醒

●仅从概率的条件得不出事件的结论的

●如果发现算概率少了条件，可以尝试从题意中推除某些事件为全集或者空集

●对于独立的二维随机变量f(x,y)=f_X(x)f_Y(y)即就是联合概率密度是一样的，那么

类似Z