2026版考研数学三概率论与数理统计核心考点梳理

2026版考研数学三概率论与数理统计核心考点梳理考研数学三（以下简称“数三”）中，概率论与数理统计（以下简称“概率统计”）占比约30%，分值45分左右，题型稳定为选择题3道（15分）、填空题1道（5分）、解答题1道（10分），偶尔会与其他模块结合考查。其核心特点是“概念抽象、逻辑严谨、计算中等、应用性强”，核心考查目标是考生对基本概念、基本公式、基本方法的掌握程度，以及运用概率统计知识解决实际问题的能力。2026版数三概率统计的考纲与近几年相比无本质变化，核心考点保持稳定，重点围绕“随机事件与概率、随机变量及其分布、多维随机变量及其分布、随机变量的数字特征、大数定律与中心极限定理、数理统计的基本概念、参数估计”七大模块展开。本梳理严格贴合2026考纲，剔除超纲内容，细化每个考点的核心内容、考查形式、易错点及备考重点，兼顾基础性和实用性，助力考生精准把握考点、高效备考。第一章随机事件与概率（基础核心，必考）本章是概率统计的基础，核心考查随机事件的关系与运算、概率的基本性质、古典概型与几何概型、条件概率与独立性，题型以选择题、填空题为主，偶尔会在解答题中作为基础步骤考查，分值5-10分。一、核心考点详解（一）随机事件的关系与运算1.基本概念：随机试验（满足可重复性、可观察性、不确定性）、样本空间（所有可能结果的集合，记为Ω）、随机事件（样本空间的子集，记为A、B、C等）、基本事件（只含一个样本点的事件）、必然事件（Ω）、不可能事件（∅）。2.事件的关系：包含（A⊂B，A发生则B必发生）、相等（A=B，A⊂B且B⊂A）、互斥（互不相容，A∩B=∅，A与B不能同时发生）、对立（互逆，A∩B=∅且A∪B=Ω，对立事件必互斥，互斥不一定对立）。3.事件的运算：并（A∪B，A或B发生）、交（A∩B，A且B发生，简记为AB）、差（A-B，A发生且B不发生，A-B=A∩¬B）、补（¬A，A不发生，¬A=Ω-A）。4.运算律：交换律（A∪B=B∪A，AB=BA）、结合律（(A∪B)∪C=A∪(B∪C)，(AB)C=A(BC)）、分配律（A(B∪C)=AB∪AC，A∪(BC)=(A∪B)(A∪C)）、德摩根定律（¬(A∪B)=¬A∩¬B，¬(A∩B)=¬A∪¬B）——德摩根定律是高频考点，常用于事件的化简与概率计算。（二）概率的基本性质与公式1.概率的基本性质：（1）非负性：P(A)≥0；（2）规范性：P(Ω)=1，P(∅)=0；（3）可加性：若A1,A2,...,An互斥，则P(A1∪A2∪...∪An)=P(A1)+P(A2)+...+P(An)；（4）逆事件概率：P(¬A)=1-P(A)（高频考点，简化计算）；（5）单调性：若A⊂B，则P(A)≤P(B)，且P(B-A)=P(B)-P(A)。2.核心概率公式：（1）加法公式：P(A∪B)=P(A)+P(B)-P(AB)；推广到三个事件：P(A∪B∪C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)（考频较低，重点掌握两个事件的加法公式）。（2）条件概率公式：P(B|A)=P(AB)/P(A)（P(A)>0），核心是“在A发生的条件下，B发生的概率”，本质是样本空间的缩小（仅考虑A发生的样本点）。（3）乘法公式：P(AB)=P(A)P(B|A)=P(B)P(A|B)（P(A)>0，P(B)>0）；推广到多个事件：P(A1A2...An)=P(A1)P(A2|A1)P(A3|A1A2)...P(An|A1A2...An-1)（考频中等，常用于多步试验的概率计算）。（4）全概率公式：若事件A1,A2,...,An互斥且穷尽（∪Ai=Ω），则对任意事件B，有P(B)=ΣP(Ai)P(B|Ai)（高频考点，适用于“由因求果”，如根据不同原因的概率，求结果发生的总概率）。（5）贝叶斯公式：若事件A1,A2,...,An互斥且穷尽，则对任意事件B（P(B)>0），有P(Ai|B)=P(Ai)P(B|Ai)/ΣP(Aj)P(B|Aj)（高频考点，适用于“由果溯因”，如已知结果发生，求某一原因发生的概率，与全概率公式配套考查）。（三）古典概型与几何概型1.古典概型：（1）适用条件：样本空间Ω的样本点个数有限，且每个基本事件发生的概率相等；（2）计算公式：P(A)=事件A包含的基本事件个数/样本空间Ω的基本事件总数；（3）高频题型：摸球问题、掷骰子问题、排列组合结合问题（重点掌握排列组合的基本计算方法，避免计数错误）。2.几何概型：（1）适用条件：样本空间Ω是可度量的几何区域（如线段、平面图形、空间几何体），且每个样本点在Ω中均匀分布；（2）计算公式：P(A)=事件A对应的几何区域度量（长度、面积、体积）/样本空间Ω对应的几何区域度量；（3）高频题型：一维（线段上的落点问题）、二维（平面区域内的落点问题，如撒豆子问题），重点是确定几何区域的范围，计算度量值。（四）事件的独立性1.定义：若P(AB)=P(A)P(B)，则称事件A与B相互独立（核心判定条件）；若A与B独立，则A与¬B、¬A与B、¬A与¬B也相互独立（常用性质，简化计算）。2.多个事件的独立性：若A、B、C相互独立，则满足P(AB)=P(A)P(B)、P(AC)=P(A)P(C)、P(BC)=P(B)P(C)、P(ABC)=P(A)P(B)P(C)（注意：两两独立不一定相互独立，需满足四个条件）。3.高频题型：独立事件的概率计算（如多次独立重复试验、串联/并联电路的可靠性问题），核心是判断事件的独立性，再利用独立事件的概率公式计算。二、易错点提醒1.混淆“互斥”与“独立”：互斥是事件不能同时发生（AB=∅），独立是事件发生互不影响（P(AB)=P(A)P(B)），二者无必然联系；互斥的事件不一定独立，独立的事件不一定互斥（除非其中一个事件概率为0）。2.全概率公式与贝叶斯公式的适用条件：必须满足“事件组互斥且穷尽”，否则不能使用；计算时注意区分“原因事件”和“结果事件”，避免公式套用错误。3.古典概型计数错误：忽略样本点的“有序性”与“无序性”，如摸球问题中，“不放回摸两次”与“一次摸两个”的样本空间不同，计数时需统一标准。三、备考重点熟练掌握事件的运算律（尤其是德摩根定律）、概率的基本公式（加法、条件、乘法、全概率、贝叶斯），能快速判断古典概型与几何概型的适用场景，准确计算概率；重点练习全概率公式与贝叶斯公式的综合应用，这是本章的核心难点。第二章随机变量及其分布（核心章节，必考）本章是概率统计的核心，衔接随机事件与多维随机变量，核心考查随机变量的分布函数、离散型随机变量的分布律、连续型随机变量的概率密度，以及常见分布（0-1分布、二项分布、泊松分布、均匀分布、指数分布、正态分布），题型覆盖选择、填空、解答题，分值10-15分，是后续章节的基础。一、核心考点详解（一）随机变量的基本概念1.定义：设随机试验的样本空间为Ω，若对每个样本点ω∈Ω，都有唯一的实数X(ω)与之对应，则称X=X(ω)为随机变量，分为离散型随机变量（取值为有限个或可列个）和连续型随机变量（取值为某一区间内的所有实数）。2.分布函数：（1）定义：F(x)=P(X≤x)，x∈R，核心是“随机变量X取值不超过x的概率”；（2）性质（必考）：①单调性：若x1<x2，则F(x1)≤F(x2)；②有界性：0≤F(x)≤1，且F(-∞)=lim(x→-∞)F(x)=0，F(+∞)=lim(x→+∞)F(x)=1；③右连续性：F(x+0)=F(x)（离散型随机变量在跳跃点处右连续，连续型随机变量处处连续）。3.分布函数的应用：P(a<X≤b)=F(b)-F(a)；P(X=a)=F(a)-F(a-0)（离散型随机变量的概率，连续型随机变量P(X=a)=0）；P(X>a)=1-F(a)。（二）离散型随机变量及其分布律1.分布律的定义：设离散型随机变量X的可能取值为x1,x2,...,xn,...，则称P(X=xi)=pi（i=1,2,...）为X的分布律，满足两个条件：①pi≥0；②Σpi=1（必考，用于验证分布律的正确性）。2.分布律与分布函数的关系：F(x)=Σ（xi≤x）pi，即分布函数是分布律的累积和，在xi处有跳跃，跳跃高度为pi。3.常见离散型随机变量的分布（必考）：（1）0-1分布（两点分布）：①适用场景：一次试验只有两种结果（成功/失败、发生/不发生）；②分布律：P(X=1)=p，P(X=0)=1-p（0<p<1）；③记为X~B(1,p)，期望E(X)=p，方差D(X)=p(1-p)（后续数字特征会详细讲解，提前记忆）。（2）二项分布：①适用场景：n次独立重复试验，每次试验只有两种结果，每次试验成功概率为p；②分布律：P(X=k)=C(n,k)pk(1-p)n-k（k=0,1,...,n），其中C(n,k)为组合数；③记为X~B(n,p)；④性质：若X~B(n,p)，则X=X1+X2+...+Xn，其中Xi~B(1,p)且相互独立；⑤期望E(X)=np，方差D(X)=np(1-p)（高频考点，必须记忆）。（3）泊松分布：①适用场景：描述“稀有事件”发生的次数（如一段时间内电话呼叫次数、零件缺陷数）；②分布律：P(X=k)=λke-λ/k!（k=0,1,2,...），λ>0为参数；③记为X~P(λ)；④性质：二项分布的泊松近似，当n很大、p很小时（np=λ），B(n,p)≈P(λ)；⑤期望E(X)=λ，方差D(X)=λ（高频考点，必须记忆）。（三）连续型随机变量及其概率密度1.概率密度的定义：设F(x)为连续型随机变量X的分布函数，若存在非负可积函数f(x)，使得F(x)=∫（-∞到x）f(t)dt，则称f(x)为X的概率密度，满足两个条件：①f(x)≥0；②∫（-∞到+∞）f(x)dx=1（必考，用于验证概率密度的正确性）。2.概率密度的应用：①P(a<X≤b)=∫（a到b）f(x)dx（核心应用，本质是概率密度曲线下的面积）；②若f(x)在x处连续，则f(x)=F’(x)；③连续型随机变量在任意单点的概率为0，即P(X=a)=0，因此P(a<X≤b)=P(a≤X≤b)=P(a<X<b)=P(a≤X<b)。3.常见连续型随机变量的分布（必考）：（1）均匀分布：①适用场景：随机变量X在区间[a,b]上均匀取值，每个区间内的概率相等；②概率密度：f(x)=1/(b-a)，a≤x≤b；f(x)=0，其他；③记为X~U(a,b)；④分布函数：F(x)=0，x<a；F(x)=(x-a)/(b-a)，a≤x≤b；F(x)=1，x>b；⑤期望E(X)=(a+b)/2，方差D(X)=(b-a)²/12（必须记忆）。（2）指数分布：①适用场景：描述“寿命”类问题（如电子元件寿命、等待时间），具有“无记忆性”；②概率密度：f(x)=λe-λx，x>0；f(x)=0，x≤0（λ>0为参数）；③记为X~E(λ)；④分布函数：F(x)=0，x≤0；F(x)=1-e-λx，x>0；⑤无记忆性：P(X>s+t|X>s)=P(X>t)（高频考点，常考证明或应用）；⑥期望E(X)=1/λ，方差D(X)=1/λ²（必须记忆）。（3）正态分布：①核心分布，考频极高，适用场景广泛（如测量误差、成绩分布）；②一般正态分布：记为X~N(μ,σ²)，概率密度：f(x)=1/(σ√(2π))e^(-(x-μ)²/(2σ²))，x∈R，其中μ为均值，σ²为方差，σ>0；③标准正态分布：当μ=0，σ=1时，记为X~N(0,1)，概率密度φ(x)=1/√(2π)e^(-x²/2)，分布函数Φ(x)=∫（-∞到x）φ(t)dt；④标准正态分布的性质：Φ(-x)=1-Φ(x)（核心性质，简化计算），Φ(0)=0.5；⑤一般正态分布与标准正态分布的转换：若X~N(μ,σ²)，则(X-μ)/σ~N(0,1)（必考，用于概率计算）；⑥期望E(X)=μ，方差D(X)=σ²，标准差σ（必须记忆）。（四）随机变量函数的分布1.离散型随机变量函数的分布：设Y=g(X)，X为离散型随机变量，先确定Y的可能取值，再计算每个取值对应的概率（将X取对应值的概率相加），得到Y的分布律。2.连续型随机变量函数的分布（高频考点）：设Y=g(X)，X为连续型随机变量，fX(x)为X的概率密度，求Y的概率密度fY(y)，常用方法：（1）分布函数法（通用方法）：①求Y的分布函数FY(y)=P(Y≤y)=P(g(X)≤y)；②对FY(y)求导，得到fY(y)=FY’(y)（注意定义域）。（2）公式法（适用于单调函数）：若g(x)在X的取值区间上严格单调，且导数g’(x)≠0，设x=h(y)为g(x)的反函数，则fY(y)=fX(h(y))|h’(y)|（注意y的取值范围）。3.高频题型：求正态分布随机变量的线性函数的分布（如Y=aX+b，若X~N(μ,σ²)，则Y~N(aμ+b,a²σ²)，直接记忆结论，可快速解题）。二、易错点提醒1.分布函数的性质混淆：忽略“右连续性”，或记错F(-∞)、F(+∞)的值；离散型随机变量的分布函数在跳跃点处的取值错误。2.连续型随机变量的概率计算错误：误将概率密度f(x)当作概率，即P(X=x)=f(x)（正确应为P(X=x)=0）；积分区间确定错误，导致概率计算出错。3.常见分布的参数记忆错误：如指数分布的概率密度、期望方差，二项分布与泊松分布的适用场景混淆；正态分布的标准化转换错误（遗漏σ或符号）。4.随机变量函数的分布求解错误：离散型随机变量忽略“多个X值对应同一个Y值”，未将概率相加；连续型随机变量未判断g(x)的单调性，盲目使用公式法。三、备考重点熟练掌握分布函数、分布律、概率密度的定义及性质，牢记6种常见分布（0-1、二项、泊松、均匀、指数、正态）的分布律/概率密度、期望、方差及适用场景；重点练习正态分布的标准化转换、随机变量函数的分布求解，这是本章的核心难点，也是后续多维随机变量的基础。第三章多维随机变量及其分布（核心章节，必考）本章是第二章的延伸，核心考查二维随机变量（离散型、连续型）的联合分布、边缘分布、条件分布，以及随机变量的独立性、二维随机变量函数的分布，题型以解答题为主，结合选择题、填空题，分值10-12分，难度高于第二章。一、核心考点详解（一）二维随机变量的联合分布1.二维随机变量的定义：设X=X(ω)、Y=Y(ω)是定义在同一样本空间Ω上的两个随机变量，则称(X,Y)为二维随机变量，分为二维离散型（X、Y均为离散型）和二维连续型（X、Y均为连续型）。2.二维离散型随机变量的联合分布律：①定义：设(X,Y)的可能取值为(xi,yj)（i,j=1,2,...），则称P(X=xi,Y=yj)=pij（i,j=1,2,...）为联合分布律；②性质（必考）：pij≥0，ΣΣpij=1；③表示方法：表格法（最常用，清晰直观）、公式法。3.二维连续型随机变量的联合概率密度：①定义：设F(x,y)=P(X≤x,Y≤y)为二维联合分布函数，若存在非负可积函数f(x,y)，使得F(x,y)=∫（-∞到x）∫（-∞到y）f(u,v)dudv，则称f(x,y)为联合概率密度；②性质（必考）：f(x,y)≥0，∫（-∞到+∞）∫（-∞到+∞）f(x,y)dxdy=1；③联合分布函数的性质：单调不减、有界性、右连续性（与一维类似，略）。4.联合分布的应用：①二维离散型：P((X,Y)∈D)=ΣΣ（(xi,yj)∈D）pij（D为平面区域）；②二维连续型：P((X,Y)∈D)=∫∫（D）f(x,y)dxdy（核心应用，本质是联合概率密度曲面下的体积，常考二重积分计算）。（二）边缘分布与条件分布1.边缘分布（由联合分布求边缘分布，必考）：（1）二维离散型：①X的边缘分布律：P(X=xi)=Σjpij（记为pi·）；②Y的边缘分布律：P(Y=yj)=Σipij（记为p·j）；③边缘分布律满足Σpi·=1，Σp·j=1。（2）二维连续型：①X的边缘概率密度：fX(x)=∫（-∞到+∞）f(x,y)dy；②Y的边缘概率密度：fY(y)=∫（-∞到+∞）f(x,y)dx；③边缘概率密度满足∫（-∞到+∞）fX(x)dx=1，∫（-∞到+∞）fY(y)dy=1。2.条件分布（由联合分布求条件分布，高频考点）：（1）二维离散型：①条件分布律：P(X=xi|Y=yj)=pij/p·j（p·j>0）；P(Y=yj|X=xi)=pij/pi·（pi·>0）；②条件分布律满足ΣiP(X=xi|Y=yj)=1，ΣjP(Y=yj|X=xi)=1。（2）二维连续型：①条件概率密度：fX|Y(x|y)=f(x,y)/fY(y)（fY(y)>0）；fY|X(y|x)=f(x,y)/fX(x)（fX(x)>0）；②条件分布函数：FX|Y(x|y)=∫（-∞到x）fX|Y(u|y)du；FY|X(y|x)=∫（-∞到y）fY|X(v|x)dv。（三）随机变量的独立性（必考）1.定义：若对任意x、y，有F(x,y)=FX(x)FY(y)（联合分布函数等于边缘分布函数的乘积），则称X与Y相互独立。2.等价判定条件（高频考点，更易应用）：（1）二维离散型：X与Y独立⇨pij=pi·p·j（对所有i,j成立）；（2）二维连续型：X与Y独立⇨f(x,y)=fX(x)fY(y)（对所有x,y成立，除了面积为0的区域）。3.性质：若X与Y独立，则X的函数与Y的函数也独立（如g(X)与h(Y)独立）；若X1,X2,...,Xn相互独立，则它们的边缘分布也相互独立。（四）二维随机变量函数的分布（核心难点，必考）1.二维离散型随机变量函数的分布：设Z=g(X,Y)，先确定Z的可能取值，再计算每个取值对应的概率（将(X,Y)取对应值的概率相加），得到Z的分布律。高频题型：Z=X+Y、Z=XY、Z=max(X,Y)、Z=min(X,Y)。2.二维连续型随机变量函数的分布（重点考查Z=X+Y）：（1）分布函数法（通用方法）：①求Z的分布函数FZ(z)=P(Z≤z)=P(g(X,Y)≤z)=∫∫（g(x,y)≤z）f(x,y)dxdy；②对FZ(z)求导，得到fZ(z)=FZ’(z)。（2）卷积公式（适用于Z=X+Y）：若X与Y独立，fX(x)、fY(y)分别为X、Y的边缘概率密度，则fZ(z)=∫（-∞到+∞）fX(x)fY(z-x)dx=∫（-∞到+∞）fX(z-y)fY(y)dy（高频考点，必须掌握，可简化计算）。3.常见题型：①二维均匀分布、正态分布的函数分布；②Z=max(X,Y)、Z=min(X,Y)的分布（若X与Y独立，可直接利用边缘分布求解，记忆相关结论）。4.重要结论：若X~N(μ1,σ1²)，Y~N(μ2,σ2²)，且X与Y独立，则X+Y~N(μ1+μ2,σ1²+σ2²)，推广到n个独立正态变量的和，仍服从正态分布（高频考点，直接记忆）。二、易错点提醒1.边缘分布计算错误：二维离散型忽略“行求和”“列求和”的规则，二维连续型积分区间确定错误（如遗漏X、Y的取值范围）。2.条件分布的适用条件忽略：计算条件概率密度时，未验证fY(y)>0或fX(x)>0，导致公式套用错误；离散型条件分布律未归一化（忘记除以边缘概率）。3.独立性判定错误：二维离散型仅验证部分pij=pi·p·j，未验证所有i,j；二维连续型误将“部分区域f(x,y)=fX(x)fY(y)”当作“所有区域成立”。4.二维连续型函数分布的积分错误：求解FZ(z)时，平面区域D的范围确定错误；卷积公式的积分变量替换错误，或积分上下限设置错误。三、备考重点熟练掌握二维离散型、连续型随机变量的联合分布、边缘分布、条件分布的计算方法；重点掌握随机变量独立性的判定条件，以及二维随机变量函数（尤其是Z=X+Y）的分布求解，熟练运用卷积公式；多练习二重积分的计算（结合联合概率密度的积分），这是本章的核心难点。第四章随机变量的数字特征（核心章节，必考）本章核心考查随机变量的期望、方差、协方差、相关系数，以及常见分布的数字特征，题型覆盖选择、填空、解答题，分值8-10分，难度中等，核心是“公式记忆+计算准确”，且与前两章联系紧密，是概率统计的“得分重点”。一、核心考点详解（一）期望（均值，核心考点）1.定义：（1）离散型随机变量：E(X)=Σxipi（xi为X的可能取值，pi为对应概率，要求级数绝对收敛）；（2）连续型随机变量：E(X)=∫（-∞到+∞）xf(x)dx（f(x)为概率密度，要求积分绝对收敛）。2.期望的性质（必考，简化计算）：（1）E(C)=C（C为常数）；（2）E(kX)=kE(X)（k为常数）；（3）E(X+Y)=E(X)+E(Y)（可推广到n个随机变量：E(X1+X2+...+Xn)=E(X1)+E(X2)+...+E(Xn)，无需独立）；（4）若X与Y独立，则E(XY)=E(X)E(Y)（反之不成立，仅为充分条件）；（5）E(g(X))：离散型E(g(X))=Σg(xi)pi；连续型E(g(X))=∫（-∞到+∞）g(x)f(x)dx（高频考点，求随机变量函数的期望）。3.二维随机变量的期望：E(X)=∫∫xf(x,y)dxdy，E(Y)=∫∫yf(x,y)dxdy；E(g(X,Y))=ΣΣg(xi,yj)pij（离散型）；E(g(X,Y))=∫∫g(x,y)f(x,y)dxdy（连续型）。（二）方差（核心考点）1.定义：D(X)=E[(X-E(X))²]（衡量随机变量取值的离散程度），常用计算公式（必考）：D(X)=E(X²)-[E(X)]²（避免直接计算偏差的平方，简化计算）。2.方差的性质（必考）：（1）D(C)=0（C为常数）；（2）D(kX)=k²D(X)（k为常数，注意平方，易出错）；（3）D(X+C)=D(X)（C为常数，平移不改变离散程度）；（4）若X与Y独立，则D(X±Y)=D(X)+D(Y)（可推广到n个独立随机变量：D(X1±X2±...±Xn)=D(X1)+D(X2)+...+D(Xn)）；（5）D(X)=0⇨P(X=E(X))=1（随机变量取常数的概率为1）。（三）协方差与相关系数（高频考点）1.协方差：（1）定义：Cov(X,Y)=E[(X-E(X))(Y-E(Y))]；（2）常用计算公式（必考）：Cov(X,Y)=E(XY)-E(X)E(Y)（简化计算，核心公式）；（3）性质：①Cov(X,X)=D(X)；②Cov(X,Y)=Cov(Y,X)；③Cov(kX,Y)=kCov(X,Y)（k为常数）；④Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)；⑤若X与Y独立，则Cov(X,Y)=0（反之不成立，即Cov(X,Y)=0不能推出X与Y独立）。2.相关系数：（1）定义：ρXY=Cov(X,Y)/√[D(X)D(Y)]（D(X)>0，D(Y)>0），用于衡量X与Y的线性相关程度；（2）性质（必考）：①|ρXY|≤1；②|ρXY|=1⇨存在常数a、b（a≠0），使得P(Y=aX+b)=1（X与Y线性相关）；③ρXY=0⇨X与Y线性无关（但可能存在非线性关系）；④若X与Y独立，则ρXY=0（线性无关）。（四）常见分布的数字特征（必考，必须熟记）整理如下，方便记忆：1.0-1分布（X~B(1,p)）：E(X)=p，D(X)=p(1-p)；2.二项分布（X~B(n,p)）：E(X)=np，D(X)=np(1-p)；3.泊松分布（X~P(λ)）：E(X)=λ，D(X)=λ；4.均匀分布（X~U(a,b)）：E(X)=(a+b)/2，D(X)=(b-a)²/12；5.指数分布（X~E(λ)）：E(X)=1/λ，D(X)=1/λ²；6.正态分布（X~N(μ,σ²)）：E(X)=μ，D(X)=σ²；7.二维正态分布（(X,Y)~N(μ1,μ2,σ1²,σ2²,ρ)）：E(X)=μ1，E(Y)=μ2，D(X)=σ1²，D(Y)=σ2²，Cov(X,Y)=ρσ1σ2，ρXY=ρ（二维正态分布的特殊性：X与Y独立⇨ρ=0，即线性无关等价于独立）。二、易错点提醒1.期望、方差的性质应用错误：如误将D(X+Y)=D(X)+D(Y)用于不独立的X、Y；忽略D(kX)=k²D(X)中的平方，写成D(kX)=kD(X)。2.计算公式混淆：记错方差的常用公式，仍用D(X)=E[(X-E(X))²]直接计算，增加计算量且易出错；协方差的公式记错，误将Cov(X,Y)=E(XY)-E(X)E(Y)写成Cov(X,Y)=E(XY)-E(X)E(Y)之外的形式。3.相关系数的性质误解：认为ρXY=0就是X与Y独立，忽略“线性无关≠独立”；或认为|ρXY|<1就一定非线性相关，实际上可能存在非线性关系。4.常见分布的数字特征记忆错误：如指数分布的期望、方差记反，二项分布的方差遗漏“(1-p)”，均匀分布的方差记错分母（应为12，不是6）。三、备考重点牢记期望、方差、协方差、相关系数的定义及性质，熟练运用常用计算公式（尤其是方差、协方差的简化公式）；熟记6种常见分布的数字特征（做到“看到分布，立刻想到期望方差”）；重点练习随机变量函数的期望、协方差与相关系数的计算，这是本章的高频考点，也是后续数理统计的基础。第五章大数定律与中心极限定理（考频中等，重点考查结论）本章核心考查大数定律的条件与结论、中心极限定理的应用，题型以选择题、填空题为主，偶尔会在解答题中考查中心极限定理的应用，分值5分左右，难度较低，核心是“记忆结论、会应用”。一、核心考点详解（一）大数定律（核心是“频率趋近于概率”“均值趋近于期望”）1.切比雪夫大数定律：（1）条件：设X1,X2,...,Xn,...相互独立，且存在常数C，使得D(Xi)≤C（i=1,2,...）（即方差有界）；（2）结论：对任意ε>0，有lim(n→∞)P(|(1/n)ΣXi-(1/n)ΣE(Xi)|<ε)=1。2.伯努利大数定律（切比雪夫大数定律的特例）：（1）条件：设Xn为n次独立重复试验中事件A发生的次数，p=P(A)（每次试验成功概率）；（2）结论：对任意ε>0，有lim(n→∞)P(|Xn/n-p|<ε)=1（本质是“频率趋近于概率”，高频考点，记住结论即可）。3.辛钦大数定律：（1）条件：设X1,X2,...,Xn,...相互独立同分布，且E(Xi)=μ（期望存在）；（2）结论：对任意ε>0，有lim(n→∞)P(|(1/n)ΣXi-μ|<ε)=1（本质是“样本均值趋近于总体期望”，适用于同分布且期望存在的场景，高频考点）。（二）中心极限定理（核心是“大量独立随机变量的和近似服从正态分布”）1.列维-林德伯格中心极限定理（独立同分布中心极限定理）：（1）条件：设X1,X2,...,Xn,...相互独立同分布，且E(Xi)=μ，D(Xi)=σ²>0（期望、方差存在且方差不为0）；（2）结论：当n充分大时，ΣXi近似服从N(nμ,nσ²)，即(ΣXi-nμ)/(σ√n)近似服从N(0,1)（高频考点，核心应用）。2.棣莫弗-拉普拉斯中心极限定理（二项分布的中心极限定理，特例）：（1）条件：设X~B(n,p)（二项分布）；（2）结论：当n充分大时，X近似服从N(np,np(1-p))，即(X-np)/√[np(1-p)]近似服从N(0,1)（高频考点，用于二项分布的概率近似计算）。（三）核心应用1.大数定律的应用：判断“频率趋近于概率”“样本均值趋近于总体期望”，选择题中考查条件与结论的匹配。2.中心极限定理的应用（必考）：当n充分大时，计算大量独立随机变量和的概率（如P(a<ΣXi<b)），步骤：①计算ΣXi的期望nμ和方差nσ²；②标准化转换：(ΣXi-nμ)/(σ√n)~N(0,1)；③利用标准正态分布的分布函数Φ(x)计算概率：P(a<ΣXi<b)=Φ((b-nμ)/(σ√n))-Φ((a-nμ)/(σ√n))。二、易错点提醒1.大数定律的条件混淆：如辛钦大数定律要求“独立同分布+期望存在”，切比雪夫大数定律要求“独立+方差有界”，伯努利大数定律要求“n次独立重复试验”，记错条件导致结论应用错误。2.中心极限定理的应用错误：未验证“n充分大”（一般n≥30即可）；标准化转换时，遗漏方差的平方根（σ√n），或符号错误；误用中心极限定理计算非独立随机变量和的概率。3.棣莫弗-拉普拉斯