准精算师概率论与数理统计考前速记清单

准精算师概率论与数理统计考前速记清单核心原则：准精算师概率论与数理统计考试以“概念理解、公式应用、逻辑推导、综合计算”为核心，侧重考查知识点的深层应用和实际场景结合（贴合精算实务），题型包括选择题、填空题、计算题、证明题，满分100分，60分及格。本清单聚焦高频考点、必记公式、推导逻辑、题型模板和易错点，摒弃冗余理论，适配考前1-3天快速背诵，重点突出“记公式、懂推导、会应用、避陷阱”，助力精准踩分，高效复盘核心考点。一、基础概念（必记，占比15%）核心考查随机事件、概率基本性质、随机变量定义及分类，是后续模块的基础，侧重概念辨析和简单应用，客观题高频考查，同时为综合计算奠定基础。核心考点及采分点：

随机事件与样本空间：

样本空间Ω：随机试验所有可能结果的集合，必为必然事件；样本点ω：单个试验结果，必为基本事件。事件关系：包含（A⊂B）、相等（A=B）、互斥（A∩B=∅，不能同时发生）、对立（A∩B=∅且A∪B=Ω，唯一对立事件为Ā），重点区分“互斥”与“对立”（对立必互斥，互斥不一定对立）。事件运算：并（A∪B，至少一个发生）、交（A∩B=AB，同时发生）、差（A-B=AĀ，A发生B不发生），运算律（交换律、结合律、分配律、德摩根定律：$\overline{A∪B}=\overline{A}∩\overline{B}$，$\overline{A∩B}=\overline{A}∪\overline{B}$，必记，证明题常用）。概率的基本性质（必记，客观题、证明题高频）：

非负性：P(A)≥0；规范性：P(Ω)=1，P(∅)=0；单调性：若A⊂B，则P(A)≤P(B)。加法公式：P(A∪B)=P(A)+P(B)-P(AB)；若A、B互斥，则P(A∪B)=P(A)+P(B)；推广：P(A∪B∪C)=P(A)+P(B)+P(C)-P(AB)-P(AC)-P(BC)+P(ABC)。逆事件概率：P(Ā)=1-P(A)，最基础且常用的公式，简化计算核心。随机变量及其分类：

定义：设随机试验的样本空间为Ω，X=X(ω)是定义在Ω上的实值函数，称X为随机变量。分类：离散型随机变量（取值有限或可列无穷，如计数类：次数、个数）、连续型随机变量（取值充满区间，不可列，如时间、长度），核心区别：离散型有概率质量函数，连续型有概率密度函数，连续型单点概率为0（P(X=a)=0）。概率模型：古典概型（等可能概型，样本空间有限、每个样本点概率相等，P(A)=事件A包含的样本点数/总样本点数）、几何概型（样本空间无限可测，P(A)=A的度量/Ω的度量），重点掌握古典概型计算，贴合精算中简单计数场景。避坑提示：①混淆“互斥”与“对立”，忽略对立事件的“并为样本空间”条件；②连续型随机变量单点概率误记为非0；③德摩根定律符号记错；④古典概型计算时遗漏样本点或重复计数；⑤忽略概率的规范性（如P(Ω)≠1的错误表述）。二、条件概率与独立性（必考，占比15%）核心考查条件概率、乘法公式、全概率公式、贝叶斯公式，以及事件独立性的判断与应用，是考试重点，计算题、证明题均有考查，同时贴合精算中风险评估、概率预测场景。核心考点、公式及采分点：

条件概率（核心）：

定义：设P(B)>0，P(A|B)=P(AB)/P(B)，表示“B发生的条件下，A发生的概率”，本质是“样本空间缩小为B”。性质：满足概率的所有基本性质（非负性、规范性、可加性），如P(Ā|B)=1-P(A|B)。乘法公式（条件概率变形，必记）：

基本形式：P(AB)=P(A|B)P(B)=P(B|A)P(A)（需满足P(A)>0或P(B)>0）。推广：P(A1A2…An)=P(A1)P(A2|A1)P(A3|A1A2)…P(An|A1A2…An-1)（适用于多事件联合概率计算）。全概率公式（核心计算工具）：

前提：B1,B2,…,Bn是样本空间Ω的一个划分（互斥且并为Ω，P(Bi)>0）。公式：P(A)=ΣP(A|Bi)P(Bi)（i=1到n），用于将复杂事件A分解为多个简单条件事件的概率和，精算中风险拆分常用。贝叶斯公式（逆概率公式，必记）：

前提：同全概率公式的划分条件。公式：P(Bi|A)=P(A|Bi)P(Bi)/ΣP(A|Bj)P(Bj)（j=1到n），核心是“由结果反推原因”，精算中后验概率计算（如理赔风险后验估计）高频考查。事件的独立性（重点）：

定义：若P(AB)=P(A)P(B)，则A、B相互独立（与互斥无必然联系，独立≠互斥）；若A、B独立，则A与Ā、Ā与B、Ā与Ā均独立。多事件独立：A1,A2,…,An相互独立，需满足任意k个事件的联合概率等于各事件概率的乘积（k=2到n），区别于“两两独立”（仅满足任意两个事件独立）。应用：独立事件的概率计算，P(A1A2…An)=P(A1)P(A2)…P(An)，简化计算。核心题型模板（直接套用）：

全概率公式应用：①确定样本空间的划分（如“正品/次品”“不同风险等级”）；②计算各划分事件的概率P(Bi)；③计算各条件概率P(A|Bi)；④代入公式求和。贝叶斯公式应用：①先用全概率公式计算P(A)；②代入贝叶斯公式，反推P(Bi|A)；③结合精算场景（如理赔概率），说明结果含义。避坑提示：①条件概率公式记反（误写为P(A|B)=P(B)/P(AB)）；②全概率公式忽略“划分”的两个条件（互斥、并为Ω）；③混淆“独立”与“互斥”（认为独立必互斥，或互斥必独立）；④贝叶斯公式中分母漏算部分P(A|Bj)P(Bj)项；⑤多事件独立仅判断两两独立，忽略整体独立条件。三、离散型随机变量（必考，占比20%）核心考查离散型随机变量的分布律、分布函数、数字特征（期望、方差、协方差），重点是常见分布（二项分布、泊松分布、几何分布、超几何分布）的参数、公式及应用，贴合精算中计数类风险（如理赔次数）的建模，计算题高频考查。核心考点及采分点：

离散型随机变量的核心工具：

分布律（概率质量函数）：P(X=xi)=pi（i=1,2,…），满足pi≥0，Σpi=1（规范性），是离散型变量的核心描述工具。分布函数：F(x)=P(X≤x)=Σ（xi≤x）pi，性质：单调不减、右连续、F(-∞)=0，F(+∞)=1，注意离散型分布函数为阶梯函数。数字特征（必记公式，核心采分点）：

期望（均值）：E(X)=Σxipi（离散型），性质：E(C)=C（常数期望为自身）；E(aX+b)=aE(X)+b（线性性质，必考）；E(X+Y)=E(X)+E(Y)（无论X、Y是否独立，均成立）；E(XY)=E(X)E(Y)（仅当X、Y独立时成立）。方差：D(X)=Var(X)=E(X²)-[E(X)]²（核心公式，避免直接计算偏差），性质：D(C)=0；D(aX+b)=a²D(X)（常数方差为0，系数平方）；若X、Y独立，D(X±Y)=D(X)+D(Y)。标准差：σ(X)=√D(X)，与X同量纲，反映离散程度。协方差：Cov(X,Y)=E(XY)-E(X)E(Y)，性质：Cov(X,Y)=Cov(Y,X)；Cov(aX+b,cY+d)=acCov(X,Y)；Cov(X1+X2,Y)=Cov(X1,Y)+Cov(X2,Y)；若X、Y独立，Cov(X,Y)=0（反之不成立）。相关系数：ρ(X,Y)=Cov(X,Y)/(σ(X)σ(Y))，取值范围[-1,1]，ρ=0为不相关（与独立的区别：独立→不相关，不相关≠独立）；|ρ|=1为完全线性相关。常见离散型分布（必记参数、分布律、期望、方差，必考）：

0-1分布（两点分布）：

参数：p（0<p<1），表示一次试验中“成功”的概率。分布律：P(X=1)=p，P(X=0)=1-p。期望：E(X)=p，方差：D(X)=p(1-p)，是二项分布的特殊情况（n=1）。二项分布：X~B(n,p)

参数：n（试验次数），p（单次试验成功概率），表示n次独立重复试验中成功的次数。分布律：P(X=k)=C(n,k)pk(1-p)n-k（k=0,1,…,n），C(n,k)为组合数。期望：E(X)=np，方差：D(X)=np(1-p)，可分解为n个独立0-1分布的和。泊松分布：X~P(λ)

参数：λ>0（平均发生率），适用于“稀有事件”计数（如理赔次数、故障次数）。分布律：P(X=k)=e-λλk/k!（k=0,1,2,…），e为自然常数（e≈2.718）。期望：E(X)=λ，方差：D(X)=λ（期望=方差，泊松分布的核心特征，必记）。应用：当n很大、p很小时（np=λ），二项分布可近似为泊松分布（二项近似，精算中常用）。几何分布：X~Ge(p)

参数：p（单次试验成功概率），表示“首次成功所需的试验次数”。分布律：P(X=k)=(1-p)k-1p（k=1,2,…）。期望：E(X)=1/p，方差：D(X)=(1-p)/p²。超几何分布：X~H(n,N,M)

参数：N（总体个数），M（总体中“成功”个数），n（抽取个数，不放回）。分布律：P(X=k)=C(M,k)C(N-M,n-k)/C(N,n)（k=0,1,…,min(M,n)）。期望：E(X)=nM/N，方差：D(X)=nM(N-M)(N-n)/(N²(N-1))，适用于不放回抽样（区别于二项分布的放回抽样）。避坑提示：①混淆二项分布与超几何分布（放回vs不放回）；②泊松分布期望与方差记混（误记为D(X)=λ²）；③期望的线性性质误用（认为E(XY)=E(X)E(Y)恒成立，忽略独立条件）；④相关系数与独立的关系混淆（误记“不相关即独立”）；⑤分布函数右连续性质忽略（离散型分布函数在xi处右连续）；⑥组合数计算错误（如C(n,k)与P(n,k)混淆）。四、连续型随机变量（必考，占比20%）核心考查连续型随机变量的概率密度函数、分布函数、数字特征，重点是常见分布（均匀分布、指数分布、正态分布）的参数、公式及应用，贴合精算中连续型风险（如理赔金额、等待时间）的建模，计算题、证明题均有考查，难度高于离散型。核心考点及采分点：

连续型随机变量的核心工具：

概率密度函数（pdf）：f(x)，满足f(x)≥0，∫（-∞到+∞）f(x)dx=1（规范性）；核心性质：P(a<X≤b)=∫（a到b）f(x)dx（区间概率等于密度函数在该区间的积分），单点概率P(X=a)=0（必记，区别于离散型）。分布函数（CDF）：F(x)=P(X≤x)=∫（-∞到x）f(t)dt，性质：单调不减、连续（区别于离散型的右连续）、F(-∞)=0，F(+∞)=1；导数关系：f(x)=F’(x)（x为f(x)的连续点）。数字特征（公式适配连续型，必记）：

期望：E(X)=∫（-∞到+∞）xf(x)dx，性质与离散型一致（线性性质、常数期望等）。方差：D(X)=E(X²)-[E(X)]²，其中E(X²)=∫（-∞到+∞）x²f(x)dx，性质与离散型一致。协方差、相关系数：公式与离散型一致，仅将求和改为积分，性质不变。常见连续型分布（必记参数、密度函数、期望、方差，必考）：

均匀分布：X~U(a,b)参数：a（下限），b（上限），a<b，取值在[a,b]上均匀分布。密度函数：f(x)=1/(b-a)（a≤x≤b），否则f(x)=0。分布函数：F(x)=0（x<a）；(x-a)/(b-a)（a≤x≤b）；1（x>b）。期望：E(X)=(a+b)/2，方差：D(X)=(b-a)²/12。指数分布：X~Exp(λ)

参数：λ>0（速率参数），适用于“等待时间”（如理赔等待时间），具有“无记忆性”（核心特征）。密度函数：f(x)=λe-λx（x≥0），否则f(x)=0。分布函数：F(x)=1-e-λx（x≥0），否则F(x)=0。期望：E(X)=1/λ，方差：D(X)=1/λ²；无记忆性：P(X>s+t|X>s)=P(X>t)（必记，证明题、客观题高频）。正态分布（核心，必考）：X~N(μ,σ²)

参数：μ（均值，位置参数），σ²（方差，离散参数），σ>0，取值范围（-∞,+∞）。密度函数：f(x)=[1/(σ√(2π))]e^[-(x-μ)²/(2σ²)]，图像为对称钟形曲线，关于x=μ对称。标准正态分布：μ=0，σ²=1，记为X~N(0,1)，密度函数φ(x)，分布函数Φ(x)，性质：Φ(-x)=1-Φ(x)（对称性，必记，简化计算）。标准化变换：若X~N(μ,σ²)，则Z=(X-μ)/σ~N(0,1)（核心变换，所有正态分布计算均需先标准化）。期望：E(X)=μ，方差：D(X)=σ²；性质：若X~N(μ1,σ1²)，Y~N(μ2,σ2²)，且X、Y独立，则aX+bY~N(aμ1+bμ2,a²σ1²+b²σ2²)（线性组合仍为正态分布）。核心题型模板（直接套用）：

正态分布计算：①标准化变换（Z=(X-μ)/σ）；②利用Φ(-x)=1-Φ(x)简化计算；③代入标准正态分布表（考试会提供），计算区间概率。概率密度函数应用：①利用规范性（积分=1）求未知参数；②计算区间概率（积分密度函数）；③求分布函数（积分密度函数）。指数分布无记忆性应用：①利用无记忆性公式简化条件概率计算；②结合精算场景（如等待时间），推导概率关系。避坑提示：①连续型随机变量单点概率误记为非0；②正态分布标准化变换符号记错（误写为Z=(μ-X)/σ）；③指数分布无记忆性公式记错；④均匀分布方差公式记错（误记为(b-a)²/6）；⑤密度函数积分计算错误（忽略积分区间）；⑥分布函数与密度函数的导数关系混淆（误记F(x)=f’(x)）。五、大数定律与中心极限定理（必考，占比10%）核心考查大数定律（切比雪夫大数定律、伯努利大数定律、辛钦大数定律）的条件与结论，中心极限定理（列维-林德伯格定理、棣莫弗-拉普拉斯定理）的应用，侧重理解和简单计算，贴合精算中样本估计、风险聚合的核心思想，客观题、计算题均有考查。核心考点及采分点：

大数定律（核心：“频率趋近于概率”“样本均值趋近于总体均值”）：

切比雪夫大数定律：条件：X1,X2,…,Xn相互独立，各变量期望存在（E(Xi)=μi），方差存在且有界（D(Xi)≤C，C为常数）。结论：对任意ε>0，lim(n→∞)P(|(1/n)ΣXi-(1/n)Σμi|<ε)=1，即样本均值趋近于总体均值的平均。伯努利大数定律（切比雪夫特例）：

条件：X1,X2,…,Xn相互独立，均服从0-1分布（P(Xi=1)=p，P(Xi=0)=1-p）。结论：对任意ε>0，lim(n→∞)P(|(1/n)ΣXi-p|<ε)=1，即频率nA/n（nA为成功次数）趋近于概率p，是精算中频率估计概率的理论基础。辛钦大数定律：

条件：X1,X2,…,Xn相互独立同分布，期望存在（E(Xi)=μ）（无需方差有界）。结论：对任意ε>0，lim(n→∞)P(|(1/n)ΣXi-μ|<ε)=1，适用范围更广（如无方差的分布）。中心极限定理（核心：“大量独立随机变量的和近似服从正态分布”）：

列维-林德伯格定理（独立同分布中心极限定理）：

条件：X1,X2,…,Xn相互独立同分布，期望E(Xi)=μ，方差D(Xi)=σ²>0。结论：当n充分大时，ΣXi近似服从N(nμ,nσ²)，标准化后(ΣXi-nμ)/(σ√n)近似服从N(0,1)，精算中风险聚合（如总理赔金额）计算高频应用。棣莫弗-拉普拉斯定理（二项分布中心极限定理，特例）：

条件：X~B(n,p)（二项分布），n充分大。结论：X近似服从N(np,np(1-p))，标准化后(X-np)/√[np(1-p)]近似服从N(0,1)，用于二项分布的近似计算（n很大时，避免组合数计算繁琐）。核心应用：①利用大数定律证明“样本均值收敛于总体均值”；②利用中心极限定理近似计算“大量独立变量和的概率”（如总理赔金额超过某一阈值的概率）；③结合精算场景，进行风险评估和概率预测。避坑提示：①混淆三大大数定律的条件（如辛钦大数定律无需方差有界，切比雪夫需要）；②中心极限定理的适用条件（独立同分布、n充分大）；③二项分布近似正态分布时，未进行连续性修正（如P(X=k)≈Φ((k+0.5-np)/√[np(1-p)])-Φ((k-0.5-np)/√[np(1-p)])）；④大数定律与中心极限定理的区别（大数定律讲“收敛”，中心极限定理讲“近似分布”）。六、抽样分布与参数估计（必考，占比15%）核心考查抽样分布（样本均值、样本方差的分布）、参数估计（点估计、区间估计），重点是正态总体下的抽样分布、矩估计、极大似然估计、置信区间的计算，贴合精算中样本数据估计总体参数（如风险均值、方差）的场景，计算题、证明题高频考查。核心考点及采分点：

抽样分布（核心，正态总体下必记）：

样本均值$\overline{X}$的分布：

若X1,X2,…,Xn~N(μ,σ²)，则$\overline{X}$~N(μ,σ²/n)，标准化后$(\overline{X}-\mu)/(\sigma/\sqrt{n})$~N(0,1)。若总体方差σ²未知，用样本方差S²替代，則$(\overline{X}-\mu)/(S/\sqrt{n})$~t(n-1)（t分布，自由度n-1）。样本方差S²的分布：若X1,X2,…,Xn~N(μ,σ²)，则(n-1)S²/σ²~χ²(n-1)（卡方分布，自由度n-1），其中S²=(1/(n-1))Σ(Xi-$\overline{X}$)²（样本方差，分母为n-1，区别于总体方差）。t分布、χ²分布的核心性质：t分布对称于0，自由度越大越接近正态分布；χ²分布非负，自由度越大越接近正态分布。点估计（核心：用样本统计量估计总体参数）：

矩估计法（基于大数定律，简单易算）：用样本矩替代总体矩，如总体均值μ的矩估计$\hat{\mu}=\overline{X}$；总体方差σ²的矩估计$\hat{\sigma}^2=(1/n)Σ(Xi-\overline{X})^2$（分母为n，区别于样本方差）。极大似然估计法（核心，必考）：

步骤：①写出似然函数L(θ)（离散型为乘积形式P(Xi=xi)，连续型为乘积形式f(xi;θ)）；②取对数lnL(θ)（简化求导）；③对θ求导，令导数为0，求解θ的极大似然估计$\hat{\theta}$；④验证二阶导数小于0（确保极大值）。常见分布的极大似然估计：二项分布B(n,p)中p的估计$\hat{p}=\overline{X}$；泊松分布P(λ)中λ的估计$\hat{\lambda}=\overline{X}$；正态分布N(μ,σ²)中μ的估计$\hat{\mu}=\overline{X}$，σ²的估计$\hat{\sigma}^2=(1/n)Σ(Xi-\overline{X})^2$。点估计的评价标准（客观题高频）：无偏性（E($\hat{\theta}$)=θ）、有效性（方差最小）、一致性（n→∞时$\hat{\theta}$→θ），如样本均值$\overline{X}$是μ的无偏、有效、一致估计；样本方差S²是σ²的无偏估计（分母n-1的原因）。区间估计（核心：给出参数的置信区间，带概率保证）：

核心思想：利用抽样分布，构造置信区间$\hat{\theta}±z_{\alpha/2}×$标准误（正态分布）或$\hat{\theta}±t_{\alpha/2}(n-1)×$标准误（t分布），置信水平1-α（常用95%，α=0.05）。正态总体下μ的置信区间（必考）：

σ²已知：$\overline{X}±z_{\alpha/2}×(\sigma/\sqrt{n})$，zα/2为标准正态分布的上α/2分位数（如α=0.05，z0.025=1.96）。σ²未知：$\overline{X}±t_{\alpha/2}(n-1)×(S/\sqrt{n})$，tα/2(n-1)为t分布的上α/2分位数（自由度n-1）。置信区间的含义：重复抽样100次，得到100个置信区间，其中约95个包含总体参数θ（不是“θ在该区间内的概率为95%”）。避坑提示：①样本方差与总体方差的区别（分母n-1vsn）；②极大似然估计步骤遗漏（未取对数、未验证极大值）；③置信区间的构造错误（混淆z分布与t分布的适用场景）；④点估计的无偏性判断错误（如误将(1/n)Σ(Xi-$\overline{X}$)²作为σ²的无偏估计）；⑤抽样分布的自由度记错（t分布、χ²分布自由度均为n-1）；⑥置信区间的含义理解错误（误将置信水平当作参数在区间内的概率）。七、必记采分点汇总（直接背诵，快速踩分）聚焦所有高频考点，摒弃冗余，直接记忆，覆盖真题80%以上采分点，适配考前快速背诵，重点标注易混、易错采分点，贴合准精算师考试的精算实务导向。基础概念：

事件运算：德摩根定律$\overline{A∪B}=\overline{A}∩\overline{B}$，$\overline{A∩B}=\overline{A}∪\overline{B}$；互斥≠对立，对立必互斥。概率性质：P(A∪B)=P(A)+P(B)-P(AB)；P(Ā)=1-P(A)；古典概型P(A)=样本点数/总样本点数。条件概率与独立性：

条件概率：P(A|B)=P(AB)/P(B)；乘法公式：P(AB)=P(A|B)P(B)。全概率公式：P(A)=ΣP(A|Bi)P(Bi)（Bi为Ω的划分）；贝叶斯公式：P(Bi|A)=P(A|Bi)P(Bi)/ΣP(A|Bj)P(Bj)。独立定义：P(AB)=P(A)P(B)；独立→不相关，不相关≠独立。离散型随机变量：

数字特征：E(aX+b)=aE(X)+b；D(X)=E(X²)-[E(X)]²；Cov(X,Y)=E(XY)-E(X)E(Y)；ρ(X,Y)=Cov(X,Y)/(σ(X)σ(Y))∈[-1,1]。常见分布：

0-1分布：E(X)=p，D(X)=p(1-p)；二项分布B(n,p)：E(X)=np，D(X)=np(1-p)；泊松分布P(λ)：E(X)=D(X)=λ，二项近似适用场景；几何分布Ge(p)：E(X)=1/p，D(X)=(1-p)/p²；超几何分布H(n,N,M)：E(X)=nM/N，适用于不放回抽样。连续型随机变量：

核心性质：P(X=a)=0；f(x)=F’(x)；∫f(x)dx=1；E(X)=∫xf(x)dx。常见分布：

均匀分布U(a,b)：E(X)=(a+b)/2，D(X)=(b-a)²/12；指数分布Exp(λ)：E(X)=1/λ，D(X)=1/λ²，无记忆性P(X>s+t|X>s)=P(X>t)；正态分布N(μ,σ²)：标准化Z=(X-μ)/σ~N(0,1)，Φ(-x)=1-Φ(x)，线性组合仍为正态分布。大数定律与中心极限定理：

伯努利大数定律：频率趋近于概率；辛钦大数定律：样本均值趋近于总体均值（无需方差有界）。中心极限定理：n充分大时，ΣXi近似服从正态分布；二项分布近似正态分布需连续性修正。抽样分布与参数估计：抽样分布：$\overline{X}$~N(μ,σ²/n)；(n-1)S²/σ²~χ²(n-1)；($\overline{X}-\mu$)/(S/√n)~t(n-1)。点估计：矩估计$\hat{\mu}=\overline{X}$；极大似然估计核心步骤（似然函数→对数→求导→求解）。置信区间：σ²已知用z分布，未知用t分布；95%置信水平z0.025=1.96。八、易错点与避坑指