2013考研数学复习全程指南.docx

考研数学复习全程指南

2013考研数学复习全程指南
随着2012年考研的逐步远去，2013考研的钟声正在逐渐临近，在2013考研的道路上，充满了困难与艰辛，在此仅以这篇文档赠送给2013年为考研而奋斗的战友们。

我归纳考研数学复习分为四个阶段：
第一阶段 了解大纲要求，学好基础知识
每年的大纲都不会有什么变化，应该沿着大纲的要点认真地去复习，基础知识的复习教材为主，通读并理解教材。 高等数学一定要把每个考点的细节都要搞懂，觉得难的地方仔细的思考，不能一遇到困难就翻书，看答案，要学会独立思考。教材上的题和考研题相差甚远，书上的题可以少做。加深对基本概念、公式、定理等重点内容的理解和正确应用。学完一章复习全书中考核知识要点讲解部分，然后做历年真题对应的第三篇试题分类解析的题目。历年真题题型分类解析将历年同一内容的试题归纳在一起，并进行详细解答。这样便于学员复习该部分内容时了解到：该内容考过什么样的题目，是从哪个角度来命题的，并常与哪些知识点联系起来命题等，从而能让学员掌握考研数学试题的广度和深度，并在复习时能明确目标，做到心中有数。
第二阶段 了解题型，熟练解题
据近十年特别是近两年的研究生入学考试试题分析显示，考试加强了对考生分析问题和解决问题能力的考核。在线性代数的两个大题中，基本上都是多个知识点的综合。从而达到对考生的运算能力、抽象概括能力、逻辑思维能力和综合运用所学知识解决实际问题的能力的考核。因此，在打好基础的同时，通过做一些综合性较强的习题（或做近年的研究生考题），边做边总结，以加深对概念、性质内涵的理解和应用方法的掌握。
第三阶段 模拟考试，反思不足
2012年的真题是全新的题目，可以作为测试用，要全真模拟考场，第一天集中三个小时自我检测，对答案，打分，第二天总结错题知识点，把之前做过的相同知识点对应题目再做一遍。建议大家根据历年的真题来总结出最可能出大题的重点部分，特别是如果这个重点部分自己还复习的不是太好的一定要抓住自己最后的机会。其实考研数学每年出大题的地方就只有几个点，而且题型也比较固定。另外还有一个记忆不是很深刻的公式也一定要抢记噢。
第四阶段 加强训练，善于合作
同学们在复习的时候一定要和你周围的同学、老师多交流学习心得。只有你总结出来的方法才是最适合你的方法。同学们在复习的过程中肯定要遇到一些疑难问题、做错的题目，一定要在第一时间把他整理到你的笔记本里，方便的时候可以答疑。计划里明确了每章该看的知识点、该做的习题，后面备有大纲要求，学员要根据大纲要求合理学习知识点。
考研高等数学复习
第一讲 函数、连续与极限
一、理论要求
1.函数概念与性质
函数的基本性质（单调、有界、奇偶、周期）
几类常见函数（复合、分段、反、隐、初等函数）
2.极限
极限存在性与左右极限之间的关系
夹逼定理和单调有界定理
会用等价无穷小和罗必达法则求极限
3.连续
函数连续（左、右连续）与间断
理解并会应用闭区间上连续函数的性质（最值、有界、介值）

二、题型与解法
A.极限的求法
（1）用定义求
（2）代入法（对连续函数，可用因式分解或有理化消除零因子）
（3）变量替换法
（4）两个重要极限法
（5）用夹逼定理和单调有界定理求
（6）等价无穷小量替换法
（7）洛必达法则与Taylor级数法
（8）其他（微积分性质，数列与级数的性质）
1.（等价小量与洛必达）
2.已知
解：

（洛必达）
3. （重要极限）
4.已知a、b为正常数，
解：令
（变量替换）
5.
解：令
（变量替换）
6.设连续，，求
（洛必达与微积分性质）
7.已知在x=0连续，求a
解：令 （连续性的概念）

三、补充习题（作业）
1. （洛必达）
2. （洛必达或Taylor）
3. （洛必达与微积分性质）
第二讲 导数、微分及其应用
一、理论要求
1.导数与微分
导数与微分的概念、几何意义、物理意义
会求导（基本公式、四则、复合、高阶、隐、反、参数方程求导）
会求平面曲线的切线与法线方程
2.微分中值定理
理解Roll、Lagrange、Cauchy、Taylor定理
会用定理证明相关问题
3.应用
会用导数求单调性与极最值、凹凸性、渐进线问题，能画简图
会计算曲率（半径）

二、题型与解法
A.导数微分的计算
基本公式、四则、复合、高阶、隐函数、参数方程求导
1.决定，求
2.决定，求
解：两边微分得x=0时，将x=0代入等式得y=1
3.决定，则
B.曲线切法线问题
4.求对数螺线处切线的直角坐标方程。
解：

5.f(x)为周期为5的连续函数，它在x=1可导，在x=0的某邻域内满足f(1+sinx)-3f(1-sinx)=8x+o(x)。求f(x)在（6，f(6)）处的切线方程。
解：需求，等式取x->0的极限有：f(1)=0

C.导数应用问题
6.已知，
，求点的性质。
解：令，故为极小值点。
7.，求单调区间与极值、凹凸区间与拐点、渐进线。
解：定义域

8.求函数的单调性与极值、渐进线。
解：，
D.幂级数展开问题
9.

或：
10.求
解：
=
E.不等式的证明
11.设，
证：1）令

2）令
F.中值定理问题
12.设函数具有三阶连续导数，且，
，求证：在（-1，1）上存在一点
证：
其中
将x=1，x=-1代入有
两式相减：

13.，求证：
证：
令
令
（关键：构造函数）

三、补充习题（作业）
1.
2.曲线
3.
4.证明x>0时
证：令

第三讲 不定积分与定积分
一、理论要求
1.不定积分
掌握不定积分的概念、性质（线性、与微分的关系）
会求不定积分（基本公式、线性、凑微分、换元技巧、分部）
2.定积分
理解定积分的概念与性质
理解变上限定积分是其上限的函数及其导数求法
会求定积分、广义积分
会用定积分求几何问题（长、面、体）
会用定积分求物理问题（功、引力、压力）及函数平均值

二、题型与解法
A.积分计算
1.
2.
3.设，求
解：

4.
B.积分性质
5.连续，,且，求并讨论在的连续性。
解：

6.

C.积分的应用
7.设在[0，1]连续，在（0，1）上，且，又与x=1,y=0所围面积S=2。求，且a=?时S绕x轴旋转体积最小。
解：

8.曲线，过原点作曲线的切线，求曲线、切线与x轴所围图形绕x轴旋转的表面积。
解：切线绕x轴旋转的表面积为
曲线绕x轴旋转的表面积为
总表面积为

三、补充习题（作业）
1.
2.
3.
第四讲 向量代数、多元函数微分与空间解析几何
一、理论要求
1.向量代数
理解向量的概念（单位向量、方向余弦、模）
了解两个向量平行、垂直的条件
向量计算的几何意义与坐标表示
2.多元函数微分
理解二元函数的几何意义、连续、极限概念，闭域性质
理解偏导数、全微分概念
能熟练求偏导数、全微分
熟练掌握复合函数与隐函数求导法
3.多元微分应用
理解多元函数极值的求法，会用Lagrange乘数法求极值
4.空间解析几何
掌握曲线的切线与法平面、曲面的切平面与法线的求法
会求平面、直线方程与点线距离、点面距离

二、题型与解法
A.求偏导、全微分
1.有二阶连续偏导，满足，求
解：
2.
3.，求
B.空间几何问题
4.求上任意点的切平面与三个坐标轴的截距之和。
解：
5.曲面在点处的法线方程。
C.极值问题
6.设是由确定的函数，求的极值点与极值。

三、补充习题（作业）
1.
2.
3.
第五讲 多元函数的积分
一、理论要求
1.重积分
熟悉二、三重积分的计算方法（直角、极、柱、球）

会用重积分解决简单几何物理问题（体积、曲面面积、重心、转动惯量）

2.曲线积分
理解两类曲线积分的概念、性质、关系，掌握两类曲线积分的计算方法

熟悉Green公式，会用平面曲线积分与路径无关的条件
3.曲面积分
理解两类曲面积分的概念（质量、通量）、关系
熟悉Gauss与Stokes公式，会计算两类曲面积分

二、题型与解法
A.重积分计算
1.为平面曲线绕z轴旋转一周与z=8的围域。
解：
2.为与围域。（
3.，
求 (49/20)
B.曲线、曲面积分
4.

解：令

5.,。
解：取包含(0,0)的正向，

6.对空间x>0内任意光滑有向闭曲面S，
，且在x>0有连续一阶导数，,求。
解：

第六讲 常微分方程
一、理论要求
1.一阶方程
熟练掌握可分离变量、齐次、一阶线性、伯努利方程求法
2.高阶方程
会求
3.二阶线性常系数
(齐次)
(非齐次)
(非齐次)

二、题型与解法
A.微分方程求解
1.求通解。（
2.利用代换化简并求通解。（）
3.设是上凸连续曲线，处曲率为，且过处切线方程为y=x+1，求及其极值。
解：

三、补充习题（作业）
1.已知函数在任意点处的增量。(）
2.求的通解。（）
3.求的通解。（）
4.求的特解。（
第七讲 无穷级数
一、理论要求
1.收敛性判别
级数敛散性质与必要条件
常数项级数、几何级数、p级数敛散条件
正项级数的比较、比值、根式判别法
交错级数判别法
2.幂级数
幂级数收敛半径、收敛区间与收敛域的求法
幂级数在收敛区间的基本性质（和函数连续、逐项微积分）
Taylor与Maclaulin展开
3.Fourier级数
了解Fourier级数概念与Dirichlet收敛定理
会求的Fourier级数与正余弦级数
第八讲 线性代数
一、理论要求
1.行列式
会用按行（列）展开计算行列式
2.矩阵
几种矩阵（单位、数量、对角、三角、对称、反对称、逆、伴随）
矩阵加减、数乘、乘法、转置，方阵的幂、方阵乘积的行列式
矩阵可逆的充要条件，会用伴随矩阵求逆
矩阵初等变换、初等矩阵、矩阵等价
用初等变换求矩阵的秩与逆
理解并会计算矩阵的特征值与特征向量
理解相似矩阵的概念、性质及矩阵对角化的冲要条件
掌握将矩阵化为相似对角矩阵的方法
掌握实对称矩阵的特征值与特征向量的性质
3.向量
理解n维向量、向量的线性组合与线性表示
掌握线性相关、线性无关的判别
理解并向量组的极大线性无关组和向量组的秩
了解基变换与坐标变换公式、过渡矩阵、施密特方法
了解规范正交基、正交矩阵的概念与性质
4.线性方程组
理解齐次线性方程组有非零解与非齐次线性方程组有解条件
理解齐次、非齐次线性方程组的基础解系及通解
掌握用初等行变换求解线性方程组的方法
5.二次型
二次型及其矩阵表示，合同矩阵与合同变换
二次型的标准形、规范形及惯性定理
掌握用正交变换、配方法化二次型为标准形的方法
了解二次型的对应矩阵的正定性及其判别法
第九讲 概率统计初步
一、理论要求
1.随机事件与概率
了解样本空间（基本事件空间）的概念，理解随机事件的关系与运算
会计算古典型概率与几何型概率
掌握概率的加减、乘、全概率与贝叶斯公式
2.随机变量与分布
理解随机变量与分布的概念
理解分布函数、离散型随机变量、连续型变量的概率密度
掌握0-1、二项、超几何、泊松、均匀、正态、指数分布，会求分布函数
3.二维随机变量
理解二维离散、连续型随机变量的概率分布、边缘分布和条件分布
理解随机变量的独立性及不相关概念
掌握二维均匀分布、了解二维正态分布的概率密度
会求两个随机变量简单函数的分布
4.数字特征
理解期望、方差、标准差、矩、协方差、相关系数的概念
掌握常用分布函数的数字特征，会求随机变量的数学期望
5.大数定理
了解切比雪夫不等式，了解切比雪夫、伯努利、辛钦大数定理
了解隶莫弗-Laplace定理与列维-林德伯格定理
6.数理统计概念
理解总体、简单随机样本、统计量、样本均值、样本方差及样本矩
了解分布、t分布、F分布的概念和性质，了解分位数的概念
了解正态分布的常用抽样分布
7.参数估计
掌握矩估计与极大似然估计法
了解无偏性、有效性与一致性的概念，会验证估计量的无偏性
会求单个正态总体的均值和方差的置信区间
8.假设检验
掌握假设检验的基本步骤
了解单个及两个正态总体的均值和方差的假设检验
第十讲 总结
1.极限求解
变量替换（作对数替换），洛必达法则，其他（重要极限，微积分性质，级数，等价小量替换）
1. (几何级数)
2. (对数替换)
3.
4.
5.
6.，求
2.导数与微分
复合函数、隐函数、参数方程求导
1.
2.，求dy/dx
3.决定函数，求dy
4.已知，验证
5.,求
3.一元函数积分
1.求函数在区间上的最小值。（0）
2.
3.
4.
5.
6.
4.多元函数微分
1.，求
2.由给出，求证：
3.求在O(0,0),A(1,1),B(4,2)的梯度。
4.，求
6.证明满足
7.求内的最值。
5.多元函数积分
1.求证：
2.
3.
4.改变积分次序
5.围域。
6.常微分方程
1.求通解。
2.求通解。
3.求通解。
4.求通解。
5.求特解。
6.求特解。
《高等数学考研题型分析》
填空题：极限（指数变换，罗必达）、求导（隐函数，切法线）、不定积分、二重积分、
变上限定积分
选择题：等价小量概念，导数应用，函数性质，函数图形，多元极限
计算题：中值定理或不等式，定积分几何应用，偏导数及几何应用，常微分方程及应用
考研概率论复习
第一章 随机事件和概率
（1）排列组合公式
从m个人中挑出n个人进行排列的可能数。
从m个人中挑出n个人进行组合的可能数。
（2）加法和乘法原理
加法原理（两种方法均能完成此事）：m+n
某件事由两种方法来完成，第一种方法可由m种方法完成，第二种方法可由n种方法来完成，则这件事可由m+n 种方法来完成。
乘法原理（两个步骤分别不能完成这件事）：mn
某件事由两个步骤来完成，第一个步骤可由m种方法完成，第二个步骤可由n 种方法来完成，则这件事可由mn 种方法来完成。
（3）一些常见排列
重复排列和非重复排列（有序）
对立事件（至少有一个）
顺序问题
（4）随机试验和随机事件
如果一个试验在相同条件下可以重复进行，而每次试验的可能结果不止一个，但在进行一次试验之前却不能断言它出现哪个结果，则称这种试验为随机试验。
试验的可能结果称为随机事件。
（5）基本事件、样本空间和事件
在一个试验下，不管事件有多少个，总可以从其中找出这样一组事件，它具有如下性质：
①每进行一次试验，必须发生且只能发生这一组中的一个事件；
②任何事件，都是由这一组中的部分事件组成的。
这样一组事件中的每一个事件称为基本事件，用 来表示。
基本事件的全体，称为试验的样本空间，用 表示。
一个事件就是由 中的部分点（基本事件 ）组成的集合。通常用大写字母A，B，C，…表示事件，它们是 的子集。
为必然事件，为不可能事件。
不可能事件（）的概率为零，而概率为零的事件不一定是不可能事件；同理，必然事件（Ω）的概率为1，而概率为1的事件也不一定是必然事件。
（6）事件的关系与运算
①关系：
如果事件A的组成部分也是事件B的组成部分，（A发生必有事件B发生）：
如果同时有 ， ，则称事件A与事件B等价，或称A等于B：A=B。
A、B中至少有一个发生的事件：A B，或者A+B。
属于A而不属于B的部分所构成的事件，称为A与B的差，记为A-B，也可表示为A-AB或者 ，它表示A发生而B不发生的事件。
A、B同时发生：A B，或者AB。A B=，则表示A与B不可能同时发生，称事件A与事件B互不相容或者互斥。基本事件是互不相容的。
-A称为事件A的逆事件，或称A的对立事件，记为 。它表示A不发生的事件。互斥未必对立。
②运算：
结合率：A(BC)=(AB)C A∪(B∪C)=(A∪B)∪C
分配率：(AB)∪C=(A∪C)∩(B∪C) (A∪B)∩C=(AC)∪(BC)
德摩根率： ，
（7）概率的公理化定义
设 为样本空间， 为事件，对每一个事件 都有一个实数P(A)，若满足下列三个条件：
1 0≤P(A)≤1，
2 P(Ω) =1
3 对于两两互不相容的事件 ， ，…有
常称为可列（完全）可加性。
则称P(A)为事件 的概率。
（8）古典概型
1 ，
2 。
设任一事件 ，它是由 组成的，则有
P(A)= =
（9）几何概型
若随机试验的结果为无限不可数并且每个结果出现的可能性均匀，同时样本空间中的每一个基本事件可以使用一个有界区域来描述，则称此随机试验为几何概型。对任一事件A，
。其中L为几何度量（长度、面积、体积）。
（10）加法公式
P(A+B)=P(A)+P(B)-P(AB)
当P(AB)＝0时，P(A+B)=P(A)+P(B)
（11）减法公式
P(A-B)=P(A)-P(AB)
当B A时，P(A-B)=P(A)-P(B)
当A=Ω时，P( )=1- P(B)
（12）条件概率
定义 设A、B是两个事件，且P(A)>0，则称 为事件A发生条件下，事件B发生的条件概率，记为 。
条件概率是概率的一种，所有概率的性质都适合于条件概率。
例如P(Ω/B)=1 P( /A)=1-P(B/A)
（13）乘法公式
乘法公式：
更一般地，对事件A1，A2，…An，若P(A1A2…An-1)>0，则有
… …… … 。
（14）独立性
①两个事件的独立性
设事件 、 满足 ，则称事件 、 是相互独立的。
若事件 、 相互独立，且 ，则有
若事件 、 相互独立，则可得到 与 、 与 、 与 也都相互独立。
必然事件 和不可能事件与任何事件都相互独立。
与任何事件都互斥。
②多个事件的独立性
设ABC是三个事件，如果满足两两独立的条件，
P(AB)=P(A)P(B)；P(BC)=P(B)P(C)；P(CA)=P(C)P(A)
并且同时满足P(ABC)=P(A)P(B)P(C)
那么A、B、C相互独立。
对于n个事件类似。
（15）全概公式
设事件 满足
1 两两互不相容， ，
2 ，
则有
。
（16）贝叶斯公式
设事件 ， ，…， 及 满足
1 ， ，…， 两两互不相容， >0， 1，2，…， ，
2 ， ，
则
，i=1，2，…n。
此公式即为贝叶斯公式。
，（ ， ，…， ），通常叫先验概率。 ，（ ， ，…， ），通常称为后验概率。贝叶斯公式反映了“因果”的概率规律，并作出了“由果朔因”的推断。
（17）伯努利概型
我们作了 次试验，且满足
u 每次试验只有两种可能结果， 发生或 不发生；
u 次试验是重复进行的，即 发生的概率每次均一样；
u 每次试验是独立的，即每次试验 发生与否与其他次试验 发生与否是互不影响的。
这种试验称为伯努利概型，或称为 重伯努利试验。
用 表示每次试验 发生的概率，则 发生的概率为 ，用 表示 重伯努利试验中 出现 次的概率，
， 。
第二章 随机变量及其分布
（1）离散型随机变量的分布律
设离散型随机变量 的可能取值为Xk(k=1,2,…)且取各个值的概率，即事件(X=Xk)的概率为
P(X=xk)=pk，k=1,2,…，
则称上式为离散型随机变量 的概率分布或分布律。有时也用分布列的形式给出：
。
显然分布律应满足下列条件：
（1） ， ， （2） 。
（2）连续型随机变量的分布密度
设 是随机变量 的分布函数，若存在非负函数 ，对任意实数 ，有
，
则称 为连续型随机变量。 称为 的概率密度函数或密度函数，简称概率密度。
密度函数具有下面4个性质：
1 。
2 。
（3）离散与连续型随机变量的关系
积分元 在连续型随机变量理论中所起的作用与 在离散型随机变量理论中所起的作用相类似。
（4）分布函数
设 为随机变量， 是任意实数，则函数
称为随机变量X的分布函数，本质上是一个累积函数。
可以得到X落入区间 的概率。分布函数 表示随机变量落入区间（– ∞，x]内的概率。
分布函数具有如下性质：
1 ；
2 是单调不减的函数，即 时，有 ；
3 ， ；
4 ，即 是右连续的；
5 。
对于离散型随机变量， ；
对于连续型随机变量， 。
（5）八大分布
0-1分布
P(X=1)=p, P(X=0)=q
二项分布
在 重贝努里试验中，设事件 发生的概率为 。事件 发生的次数是随机变量，设为 ，则 可能取值为 。
， 其中 ，
则称随机变量 服从参数为 ， 的二项分布。记为 。
当 时， ， ，这就是（0-1）分布，所以（0-1）分布是二项分布的特例。
泊松分布
设随机变量 的分布律为
， ， ，
则称随机变量 服从参数为 的泊松分布，记为 或者P( )。
泊松分布为二项分布的极限分布（np=λ，n→∞）。
超几何分布
随机变量X服从参数为n,N,M的超几何分布，记为H(n,N,M)。
几何分布
，其中p≥0，q=1-p。
随机变量X服从参数为p的几何分布，记为G(p)。
均匀分布
设随机变量 的值只落在[a，b]内，其密度函数 在[a，b]上为常数 ，即
a≤x≤b
其他，
则称随机变量 在[a，b]上服从均匀分布，记为X~U(a，b)。
分布函数为
a≤x≤b

0， x<a，

1， x>b。
当a≤x1<x2≤b时，X落在区间（ ）内的概率为
。
指数分布
,

0, ,
其中 ，则称随机变量X服从参数为 的指数分布。
X的分布函数为
,

x<0。

记住积分公式：
正态分布
设随机变量 的密度函数为
， ，
其中 、 为常数，则称随机变量 服从参数为 、 的正态分布或高斯（Gauss）分布，记为 。
具有如下性质：
1 的图形是关于 对称的；
2 当 时， 为最大值；
若 ，则 的分布函数为
。。
参数 、 时的正态分布称为标准正态分布，记为 ，其密度函数记为
， ，
分布函数为
。
是不可求积函数，其函数值，已编制成表可供查用。
Φ(-x)＝1-Φ(x)且Φ(0)＝ 。
如果 ~ ，则 ~ 。
。
（6）分位数
下分位表： ；
上分位表： 。
（7）函数分布
离散型
已知 的分布列为
，
的分布列（ 互不相等）如下：
，
若有某些 相等，则应将对应的 相加作为 的概率。
连续型
先利用X的概率密度fX(x)写出Y的分布函数FY(y)＝P(g(X)≤y)，再利用变上下限积分的求导公式求出fY(y)。
第三章 二维随机变量及其分布
（1）联合分布
离散型
如果二维随机向量 （X，Y）的所有可能取值为至多可列个有序对（x,y），则称 为离散型随机量。
设 =（X，Y）的所有可能取值为 ，且事件{ = }的概率为pij,,称
为 =（X，Y）的分布律或称为X和Y的联合分布律。联合分布有时也用下面的概率分布表来表示：
Y
X
y1
y2
…
yj
…
x1
p11
p12
…
p1j
…
x2
p21
p22
…
p2j
…

xi
pi1

…

…

这里pij具有下面两个性质：
（1）pij≥0（i,j=1,2,…）；
（2）
连续型
对于二维随机向量 ，如果存在非负函数 ，使对任意一个其邻边分别平行于坐标轴的矩形区域D，即D={(X,Y)|a<x<b,c<y<d}有
则称 为连续型随机向量；并称f(x,y)为 =（X，Y）的分布密度或称为X和Y的联合分布密度。
分布密度f(x,y)具有下面两个性质：
（1） f(x,y)≥0;
（2）
（2）二维随机变量的本质

（3）联合分布函数
设（X，Y）为二维随机变量，对于任意实数x,y,二元函数
称为二维随机向量（X，Y）的分布函数，或称为随机变量X和Y的联合分布函数。
分布函数是一个以全平面为其定义域，以事件 的概率为函数值的一个实值函数。分布函数F(x,y)具有以下的基本性质：
（1）
（2）F（x,y）分别对x和y是非减的，即
当x2>x1时，有F（x2,y）≥F(x1,y);当y2>y1时，有F(x,y2) ≥F(x,y1);
（3）F（x,y）分别对x和y是右连续的，即
（4）
（5）对于
.
（4）离散型与连续型的关系

（5）边缘分布
离散型
X的边缘分布为
；
Y的边缘分布为
。
连续型
X的边缘分布密度为
Y的边缘分布密度为
（6）条件分布
离散型
在已知X=xi的条件下，Y取值的条件分布为
在已知Y=yj的条件下，X取值的条件分布为
连续型
在已知Y=y的条件下，X的条件分布密度为
；
在已知X=x的条件下，Y的条件分布密度为
（7）独立性
一般型
F(X,Y)=FX(x)FY(y)
离散型
有零不独立
连续型
f(x,y)=fX(x)fY(y)
直接判断，充要条件：
①可分离变量
②正概率密度区间为矩形
二维正态分布
＝0
随机变量的函数
若X1,X2,…Xm,Xm+1,…Xn相互独立， h,g为连续函数，则：
h（X1，X2,…Xm）和g（Xm+1,…Xn）相互独立。
特例：若X与Y独立，则：h（X）和g（Y）独立。
例如：若X与Y独立，则：3X+1和5Y-2独立。
（8）二维均匀分布
设随机向量（X，Y）的分布密度函数为
其中SD为区域D的面积，则称（X，Y）服从D上的均匀分布，记为（X，Y）～U（D）。
例如图3.1、图3.2和图3.3。
y
1
D1
O 1 x
图3.1
y
D2
1
1
O 2 x
图3.2
y
D3
d
c
O a b x
图3.3
（9）二维正态分布
设随机向量（X，Y）的分布密度函数为
其中 是5个参数，则称（X，Y）服从二维正态分布，
记为（X，Y）～N（
由边缘密度的计算公式，可以推出二维正态分布的两个边缘分布仍为正态分布，
即X～N（
但是若X～N（ ，(X，Y)未必是二维正态分布。
（10）函数分布
Z=X+Y
根据定义计算：
对于连续型，fZ(z)＝
两个独立的正态分布的和仍为正态分布（ ）。
n个相互独立的正态分布的线性组合，仍服从正态分布。
，
Z=max,min(X1,X2,…Xn)
若 相互独立，其分布函数分别为 ，则Z=max,min(X1,X2,…Xn)的分布函数为：
分布
设n个随机变量 相互独立，且服从标准正态分布，可以证明它们的平方和
的分布密度为
我们称随机变量W服从自由度为n的 分布，记为W～ ，其中
所谓自由度是指独立正态随机变量的个数，它是随机变量分布中的一个重要参数。
分布满足可加性：设
则
t分布
设X，Y是两个相互独立的随机变量，且
可以证明函数
的概率密度为
我们称随机变量T服从自由度为n的t分布，记为T～t(n)。
F分布
设 ，且X与Y独立，可以证明 的概率密度函数为
我们称随机变量F服从第一个自由度为n1，第二个自由度为n2的F分布，记为F～f(n1, n2).
第四章 随机变量的数字特征
（1）一维随机变量的数字特征

离散型
连续型
期望
期望就是平均值
设X是离散型随机变量，其分布律为P( )＝pk，k=1,2,…,n，
（要求绝对收敛）
设X是连续型随机变量，其概率密度为f(x)，
（要求绝对收敛）
函数的期望
Y=g(X)
Y=g(X)
方差
D(X)=E[X-E(X)]2，
标准差
，

矩
①对于正整数k，称随机变量X的k次幂的数学期望为X的k阶原点矩，记为vk,即
νk=E(Xk)= , k=1,2, ….
②对于正整数k，称随机变量X与E（X）差的k次幂的数学期望为X的k阶中心矩，记为 ，即
= ， k=1,2, ….
①对于正整数k，称随机变量X的k次幂的数学期望为X的k阶原点矩，记为vk,即
νk=E(Xk)=
k=1,2, ….
②对于正整数k，称随机变量X与E（X）差的k次幂的数学期望为X的k阶中心矩，记为 ，即
=
k=1,2, ….
切比雪夫不等式
设随机变量X具有数学期望E（X）=μ，方差D（X）=σ2，则对于任意正数ε，有下列切比雪夫不等式
切比雪夫不等式给出了在未知X的分布的情况下，对概率
的一种估计，它在理论上有重要意义。
（2）期望的性质
（1） E(C)=C
（2） E(CX)=CE(X)
（3） E(X+Y)=E(X)+E(Y)，
（4） E(XY)=E(X) E(Y)，充分条件：X和Y独立；
充要条件：X和Y不相关。
（3）方差的性质
（1） D(C)=0；E(C)=C
（2） D(aX)=a2D(X)； E(aX)=aE(X)
（3） D(aX+b)= a2D(X)； E(aX+b)=aE(X)+b
（4） D(X)=E(X2)-E2(X)
（5） D(XY)=D(X)+D(Y)，充分条件：X和Y独立；
充要条件：X和Y不相关。
D(XY)=D(X)+D(Y) 2E[(X-E(X))(Y-E(Y))]，无条件成立。
而E(X+Y)=E(X)+E(Y)，无条件成立。
（4）常见分布的期望和方差

期望
方差
0-1分布
p

二项分布
np

泊松分布

几何分布

超几何分布

均匀分布

指数分布

正态分布

n
2n
t分布
0
(n>2)
（5）二维随机变量的数字特征
期望

函数的期望
＝
＝
方差

协方差
对于随机变量X与Y，称它们的二阶混合中心矩 为X与Y的协方差或相关矩，记为 ，即
与记号 相对应，X与Y的方差D（X）与D（Y）也可分别记为 与 。
相关系数
对于随机变量X与Y，如果D（X）>0, D(Y)>0，则称
为X与Y的相关系数，记作 （有时可简记为 ）。
| |≤1，当| |=1时，称X与Y完全相关：
完全相关
而当 时，称X与Y不相关。
以下五个命题是等价的：
① ；
②cov(X,Y)=0;
③E(XY)=E(X)E(Y);
④D(X+Y)=D(X)+D(Y);
⑤D(X-Y)=D(X)+D(Y).
协方差矩阵

混合矩
对于随机变量X与Y，如果有 存在，则称之为X与Y的k+l阶混合原点矩，记为 ；k+l阶混合中心矩记为：
（6）协方差的性质
(i) cov (X, Y)=cov (Y, X);
(ii) cov(aX,bY)=ab cov(X,Y);
(iii) cov(X1+X2, Y)=cov(X1,Y)+cov(X2,Y);
(iv) cov(X,Y)=E(XY)-E(X)E(Y).
（7）独立和不相关
（i） 若随机变量X与Y相互独立，则 ；反之不真。
（ii） 若（X，Y）～N（ ），
则X与Y相互独立的充要条件是X和Y不相关。
第五章 大数定律和中心极限定理
（1）大数定律
切比雪夫大数定律
设随机变量X1，X2，…相互独立，均具有有限方差，且被同一常数C所界：D（Xi）<C(i=1,2,…),则对于任意的正数ε，有
特殊情形：若X1，X2，…具有相同的数学期望E（XI）=μ，则上式成为
伯努利大数定律
设μ是n次独立试验中事件A发生的次数，p是事件A在每次试验中发生的概率，则对于任意的正数ε，有
伯努利大数定律说明，当试验次数n很大时，事件A发生的频率与概率有较大判别的可能性很小，即
这就以严格的数学形式描述了频率的稳定性。
辛钦大数定律
设X1，X2，…，Xn，…是相互独立同分布的随机变量序列，且E（Xn）=μ，则对于任意的正数ε有
（2）中心极限定理
列维－林德伯格定理
设随机变量X1，X2，…相互独立，服从同一分布，且具有相同的数学期望和方差： ，则随机变量
的分布函数Fn(x)对任意的实数x，有
此定理也称为独立同分布的中心极限定理。
棣莫弗－拉普拉斯定理
设随机变量 为具有参数n, p(0<p<1)的二项分布，则对于任意实数x,有
（3）二项定理
若当 ，则
超几何分布的极限分布为二项分布。
（4）泊松定理
若当 ，则
其中k=0，1，2，…，n，…。
二项分布的极限分布为泊松分布。
第六章 样本及抽样分布
（1）数理统计的基本概念
总体
在数理统计中，常把被考察对象的某一个（或多个）指标的全体称为总体（或母体）。我们总是把总体看成一个具有分布的随机变量（或随机向量）。
个体
总体中的每一个单元称为样品（或个体）。
样本
我们把从总体中抽取的部分样品 称为样本。样本中所含的样品数称为样本容量，一般用n表示。在一般情况下，总是把样本看成是n个相互独立的且与总体有相同分布的随机变量，这样的样本称为简单随机样本。在泛指任一次抽取的结果时， 表示n个随机变量（样本）；在具体的一次抽取之后， 表示n个具体的数值（样本值）。我们称之为样本的两重性。
样本函数和统计量
设 为总体的一个样本，称
（ ）
为样本函数，其中 为一个连续函数。如果 中不包含任何未知参数，则称 （ ）为一个统计量。
常见统计量及其性质
样本均值
样本方差
样本标准差
样本k阶原点矩
样本k阶中心矩
， ，
， ,
其中 ，为二阶中心矩。
（2）正态总体下的四大分布
正态分布
设 为来自正态总体 的一个样本，则样本函数
t分布
设 为来自正态总体 的一个样本，则样本函数
其中t(n-1)表示自由度为n-1的t分布。

设 为来自正态总体 的一个样本，则样本函数
其中 表示自由度为n-1的 分布。
F分布
设 为来自正态总体 的一个样本，而 为来自正态总体 的一个样本，则样本函数
其中
表示第一自由度为 ，第二自由度为 的F分布。
（3）正态总体下分布的性质
与 独立。
第七章 参数估计
（1）点估计
矩估计
设总体X的分布中包含有未知数 ，则其分布函数可以表成 它的k阶原点矩 中也包含了未知参数 ，即 。又设 为总体X的n个样本值，其样本的k阶原点矩为
这样，我们按照“当参数等于其估计量时，总体矩等于相应的样本矩”的原则建立方程，即有
由上面的m个方程中，解出的m个未知参数 即为参数（ ）的矩估计量。
若 为 的矩估计， 为连续函数，则 为 的矩估计。
极大似然估计
当总体X为连续型随机变量时，设其分布密度为 ，其中 为未知参数。又设 为总体的一个样本，称
为样本的似然函数，简记为Ln.