一维离散型随机变量

概率统计核心专题 · 分布律 → 期望 → 方差
1分布律(概率质量函数,PMF)
定义

设离散型随机变量 $X$ 的所有可能取值为 $x_k\;(k=1,2,\dots)$,称

$$P\{X = x_k\} = p_k,\quad k = 1,2,\dots$$

为 $X$ 的 分布律(或概率质量函数)。

分布律的两个必备条件

非负性 $p_k \ge 0,\; k = 1,2,\dots$
归一性 $\displaystyle\sum_{k} p_k = 1$

💡 高频考点
利用归一化条件 $\sum p_k = 1$ 反求分布律中的未知参数,是填空题最常见的考法。先写出所有概率之和 = 1 的方程,再解出参数即可。

分布律的表格表示

$X$$x_1$$x_2$$\cdots$$x_n$
$P$$p_1$$p_2$$\cdots$$p_n$

表格法直观清晰,是考试中写分布律的首选方式。

2四大常见离散分布

2.1 0-1 分布 $\quad B(1,p)$

0-1 Distribution
$$P(X=1)=p,\quad P(X=0)=1-p$$ $$EX = p,\qquad DX = p(1-p)$$

又称伯努利分布,是一次伯努利试验的结果。$X=1$ 表示"成功",$X=0$ 表示"失败"。

典型场景:抛一枚硬币正面朝上概率 $p$,$X$ 为正面朝上的次数。

2.2 二项分布 $\quad B(n,p)$

Binomial Distribution
$$P(X=k) = C_n^k \, p^k (1-p)^{n-k},\quad k=0,1,\dots,n$$ $$EX = np,\qquad DX = np(1-p)$$

$n$ 重伯努利试验中成功次数的分布。$n=1$ 时退化为 0-1 分布。

真题

设 $X \sim B(n,p)$,已知 $EX=2.4$,$DX=1.44$,求 $n$ 和 $p$。

2025-2026 阶段考 · 填空第4题
解: 由 $EX=np=2.4$,$DX=np(1-p)=1.44$,
得 $1-p = \dfrac{1.44}{2.4} = 0.6$,故 $p=0.4$,$n=\dfrac{2.4}{0.4}=6$。
真题

设 $X \sim B(2,p)$,$Y \sim B(4,p)$,已知 $P\{X \ge 1\} = \dfrac{5}{9}$,求 $P\{Y \ge 1\}$。

2024-2025 · 选择第4题
解: $P\{X \ge 1\} = 1 - P\{X=0\} = 1 - (1-p)^2 = \dfrac{5}{9}$
$\Rightarrow (1-p)^2 = \dfrac{4}{9} \Rightarrow 1-p = \dfrac{2}{3} \Rightarrow p = \dfrac{1}{3}$
$P\{Y \ge 1\} = 1 - P\{Y=0\} = 1 - (1-p)^4 = 1 - \left(\dfrac{2}{3}\right)^4 = \dfrac{65}{81}$

2.3 泊松分布 $\quad P(\lambda)$

Poisson Distribution
$$P(X=k) = \frac{\lambda^k e^{-\lambda}}{k!},\quad k=0,1,2,\dots$$ $$EX = \lambda,\qquad DX = \lambda$$

描述单位时间/空间内随机事件发生次数。二项分布 $n\to\infty,\;p\to0,\;np\to\lambda$ 的极限。

真题

设 $X_1,X_2,\dots,X_n$ i.i.d. $\sim P(\lambda)$,比较 $\overline{X}$ 与 $S^2$ 的期望。

2022-2023 · 选择第5题
解: 泊松分布 $EX_i=\lambda$,$DX_i=\lambda$。
$E\overline{X} = \lambda$,$ES^2 = \lambda$(样本方差是总体方差的无偏估计),二者期望相等。

2.4 几何分布 $\quad Ge(p)$

Geometric Distribution
$$P(X=k) = (1-p)^{k-1}p,\quad k=1,2,\dots$$ $$EX = \frac{1}{p},\qquad DX = \frac{1-p}{p^2}$$

描述伯努利试验中首次成功所需的试验次数。无记忆性是其核心特征。

真题

射击命中概率 $p=0.3$,每次射击命中得 5 分、不中得 -2 分,连续射击直到命中为止。求得分 $Y$ 的数学期望。

2025-2026 第一学期 · 第四题
解: 设射击次数 $X \sim Ge(0.3)$,$EX = \dfrac{1}{0.3} = \dfrac{10}{3}$。
最后一次命中得 5 分,前 $X-1$ 次各得 $-2$ 分。
$Y = 5 - 2(X-1) = 7 - 2X$
$EY = 7 - 2EX = 7 - 2 \cdot \dfrac{10}{3} = \dfrac{1}{3}$ 分。
3分布律的归一化求参数

这是填空题最高频的考点。核心方程只有一个:

归一化方程
$$\sum_{k} p_k = 1$$

常见类型

类型一:等比级数型

若 $P\{X=n\} = a \cdot r^n\;(n=0,1,2,\dots)$,则

$$\sum_{n=0}^{\infty} a \cdot r^n = \frac{a}{1-r} = 1 \quad\Rightarrow\quad a = 1-r \quad(|r| < 1)$$

若 $n$ 从 1 开始:$\displaystyle\sum_{n=1}^{\infty} a \cdot r^n = \frac{a \cdot r}{1-r} = 1$。

真题

设 $P\{X=n\} = 3a^n\;(n=1,2,\dots)$,求 $a$ 的值。

2022-2023 · 填空第2题
解: $\displaystyle\sum_{n=1}^{\infty} 3a^n = \frac{3a}{1-a} = 1$
$\Rightarrow 3a = 1-a \Rightarrow 4a = 1 \Rightarrow a = \dfrac{1}{4}$

类型二:有限项型

分布律只含有限个 $p_k$,直接列出 $\sum_{k=1}^n p_k = 1$ 求解。

类型三:带阶乘型

$P\{X=k\} = \dfrac{c}{k!}$ 型:$\displaystyle\sum_{k=0}^{\infty} \dfrac{c}{k!} = c \cdot e = 1 \Rightarrow c = e^{-1}$。
核心是识别级数和:$\sum_{k=0}^{\infty} \frac{1}{k!} = e$。

4离散型随机变量函数的分布

一般方法:$Y = g(X)$

已知 $X$ 的分布律,求 $Y=g(X)$ 的分布律:

1
对 $X$ 的每个取值 $x_k$,计算 $y_k = g(x_k)$;
2
合并相同取值:若 $g(x_i)=g(x_j)$,则概率相加 $P\{Y=y\} = \sum_{x_k: g(x_k)=y} P\{X=x_k\}$;
3
整理得到 $Y$ 的分布律,验证 $\sum P = 1$。

$\min$ / $\max$ 分布(i.i.d. 情形)

设 $X,Y$ i.i.d.,分布函数分别为 $F_X$、$F_Y$:

$$F_{\min}(z) = 1 - [1-F_X(z)][1-F_Y(z)]$$ $$F_{\max}(z) = F_X(z) \cdot F_Y(z)$$

对离散变量,可直接用分布律计算。

真题

$X,Y$ i.i.d.,分布律 $P(X=0)=0.4,\;P(X=1)=0.6$,求 $M=\max(X,Y)$ 和 $N=\min(X,Y)$ 的分布律。

2022-2023 填空3 / 2024-2025 填空6
解:
$P(M=0) = P(X=0,Y=0) = 0.4^2 = 0.16$
$P(M=1) = 1 - 0.16 = 0.84$
$P(N=0) = 1 - P(X=1,Y=1) = 1 - 0.6^2 = 0.64$
$P(N=1) = P(X=1,Y=1) = 0.36$
5离散型期望与方差
核心公式
$$EX = \sum_{k} x_k \cdot p_k$$ $$DX = E(X-EX)^2 = E(X^2) - (EX)^2$$

期望的性质

$E(aX+b) = aEX + b$
$E(X+Y) = EX + EY$(无条件成立)
$E(XY) = EX \cdot EY$($X,Y$ 独立时)

方差的性质

$D(aX+b) = a^2 DX$
$D(X \pm Y) = DX + DY$($X,Y$ 独立时)

真题

袋中有 5 个球(3 红 2 白),有放回摸 3 次,$X$ 为红球数。求 $EX$。

2025-2026 阶段考 · 选择第1题
解: 有放回摸球 → $X \sim B\left(3,\dfrac{3}{5}\right)$
$EX = np = 3 \times 0.6 = 1.8$
💡 技巧
速算 $DX$:先算 $EX$ 和 $E(X^2)$,再用 $DX = E(X^2)-(EX)^2$,通常比直接用定义快。对于常见分布(二项、泊松等)直接套公式即可。
6四大分布速查表
分布 记号 $P(X=k)$ $EX$ $DX$
0-1分布 $B(1,p)$ $p^k(1-p)^{1-k}$ $p$ $p(1-p)$
二项分布 $B(n,p)$ $C_n^k p^k(1-p)^{n-k}$ $np$ $np(1-p)$
泊松分布 $P(\lambda)$ $\dfrac{\lambda^k e^{-\lambda}}{k!}$ $\lambda$ $\lambda$
几何分布 $Ge(p)$ $(1-p)^{k-1}p$ $\dfrac{1}{p}$ $\dfrac{1-p}{p^2}$

分布关系图

$B(1,p)\;\xrightarrow[\text{和}]{\,n\text{个独立}\,}\;B(n,p)\;\xrightarrow[n\to\infty,\;np\to\lambda]{\text{极限}}\;P(\lambda)$
独立伯努利试验次数:$Ge(p)$ → 等待首次成功所需的试验数
7解题模板

模板一:由归一性求参数

1
列出 $\sum p_k = 1$;
2
级数求和(等比/指数级数),化简方程;
3
解出参数,注意舍去不合理的根(如概率不能为负、级数需收敛)。

模板二:求 $EX$ 和 $DX$

1
先写出分布律(表格);
2
$EX = \sum x_k p_k$;
3
$E(X^2) = \sum x_k^2 p_k$;
4
$DX = E(X^2) - (EX)^2$。

⚠ 如果是四大分布之一,直接套速查表公式,不要从头推导。

模板三:求 $Y=g(X)$ 的分布

1
写出 $X$ 的分布律表格;
2
计算每个 $x_k$ 对应的 $y_k = g(x_k)$;
3
合并相同的 $y$ 值,概率相加;
4
整理、排序,写出 $Y$ 的分布律表格。
💡 考场策略
认分布 → 套公式:看到对称场景先判断是否属于四大分布,是则直接写期望方差,省时且不易错。
归一化 = 救命方程:分布律中有未知参数,第一步永远是 $\sum p_k = 1$。
$DX$ 用间接公式:$DX = E(X^2)-(EX)^2$ 比定义式好算,记住先算 $EX$ 和 $E(X^2)$。