U、N、P 都是“分布类型的简写”。

例如：

X ~ U(0,6)

读作：随机变量 X 服从区间 (0,6) 上的均匀分布。

其中符号 ~ 表示“服从……分布”。在考研数学一的概率论中，最常见的分布主要有以下几类。

一、最核心的六种常见分布

1. 0-1分布：B(1,p)

写作：

X ~ B(1,p)

或者直接写成：

P{X=1}=p，P{X=0}=1-p

参数 p 表示事件成功的概率，满足：

0 < p < 1

随机变量只能取两个值：

X = 0 或 1

其数字特征为：

E(X) = p

D(X) = p(1-p)

σ(X) = √[p(1-p)]

这里的 σ(X) 表示标准差。

0-1分布可以理解为只进行一次试验，例如：

• 产品合格记为1，不合格记为0；
• 投篮命中记为1，未命中记为0；
• 事件发生记为1，不发生记为0。

---

2. 二项分布：B(n,p)

写作：

X ~ B(n,p)

有时也写作：

X ~ Bin(n,p)

参数含义为：

• n：独立重复试验的次数；
• p：每次试验成功的概率。

随机变量 X 表示 n 次试验中成功的次数，因此：

X = 0,1,2,…,n

概率质量函数为：

P{X=k} = Cₙᵏ pᵏ(1-p)ⁿ⁻ᵏ

数字特征为：

E(X) = np

D(X) = np(1-p)

σ(X) = √[np(1-p)]

二项分布和0-1分布的关系是：

B(1,p) 就是只进行一次试验的二项分布。

因此，0-1分布是二项分布的特殊情况。

---

3. 泊松分布：P(λ)

写作：

X ~ P(λ)

有些教材也会写成：

X ~ π(λ)

或者：

X ~ Poisson(λ)

参数 λ 表示单位时间、单位面积或单位范围内事件发生的平均次数，满足：

λ > 0

随机变量取值为：

X = 0,1,2,…

概率质量函数为：

P{X=k} = e⁻λ λᵏ/k!

泊松分布最重要的结论是：

E(X) = λ

D(X) = λ

σ(X) = √λ

也就是说，泊松分布的数学期望和方差相等，都等于参数 λ。

例如上一题中的：

X₃ ~ P(3)

表示 X₃ 服从参数为3的泊松分布，因此：

E(X₃)=3

D(X₃)=3

σ(X₃)=√3

看到泊松分布时，基本可以直接写出：

均值 = 方差 = λ

---

4. 均匀分布：U(a,b)

写作：

X ~ U(a,b)

其中：

• a：区间左端点；
• b：区间右端点；
• 必须满足 a < b。

表示随机变量 X 在区间 (a,b) 上均匀分布。

其概率密度为：

f(x) = 1/(b-a)，a < x < b
       0，其他

数字特征为：

E(X) = (a+b)/2

D(X) = (b-a)²/12

σ(X) = (b-a)/√12

由于 b>a，所以标准差也可以写成：

σ(X) = (b-a)/(2√3)

例如上一题：

X₁ ~ U(0,6)

其中：

a=0，b=6

因此：

E(X₁) = (0+6)/2 = 3

D(X₁) = (6-0)²/12 = 3

σ(X₁) = √3

均匀分布的期望就是区间中点，方差由区间长度决定。

快速记忆：

均值看中点，方差看长度平方除以12。

---

5. 指数分布：E(λ) 或 Exp(λ)

写作：

X ~ E(λ)

或者：

X ~ Exp(λ)

由于符号 E 也常用来表示数学期望，因此有些教材更喜欢使用 Exp(λ)。

参数 λ 称为率参数或强度参数，满足：

λ > 0

指数分布的概率密度为：

f(x) = λe⁻λx，x > 0
       0，x ≤ 0

数字特征为：

E(X) = 1/λ

D(X) = 1/λ²

σ(X) = 1/λ

所以指数分布具有一个容易记忆的特点：

标准差 = 数学期望 = 1/λ

但方差是：

D(X)=1/λ²

不要把方差误写成 1/λ。

指数分布通常用于表示：

• 元件的寿命；
• 等待时间；
• 两次事件发生之间的时间间隔。

指数分布还具有无记忆性：

P{X>s+t | X>s} = P{X>t}

这是考研中较常考的性质。

---

6. 正态分布：N(μ,σ²)

写作：

X ~ N(μ,σ²)

参数含义为：

• μ：数学期望，也就是均值；
• σ²：方差；
• σ：标准差。

因此：

E(X) = μ

D(X) = σ²

σ(X) = σ

这里必须特别注意：按照国内考研数学教材的通常约定，正态分布的第二个参数是方差，不是标准差。

例如：

X ~ N(0,4)

表示：

μ=0

σ²=4

所以：

E(X)=0

D(X)=4

σ(X)=2

不能认为标准差是4。

正态分布的概率密度为：

f(x) = 1/(√(2π)σ) · e⁻[(x-μ)²/(2σ²)]

当：

μ=0，σ²=1

称为标准正态分布，写作：

X ~ N(0,1)

标准正态分布一般用大写字母 Z 表示：

Z ~ N(0,1)

若：

X ~ N(μ,σ²)

则标准化以后：

Z = (X-μ)/σ ~ N(0,1)

---

二、六种核心分布总结表

分布	常用记号	参数含义	数学期望 E(X)	方差 D(X)	标准差 σ(X)
0-1分布	B(1,p)	p为成功概率	p	p(1-p)	√[p(1-p)]
二项分布	B(n,p)	n为次数，p为成功概率	np	np(1-p)	√[np(1-p)]
泊松分布	P(λ)	λ为平均发生次数	λ	λ	√λ
均匀分布	U(a,b)	a、b为区间端点	(a+b)/2	(b-a)²/12	(b-a)/√12
指数分布	E(λ)、Exp(λ)	λ为率参数	1/λ	1/λ²	1/λ
正态分布	N(μ,σ²)	μ为均值，σ²为方差	μ	σ²	σ

这张表是考研概率论中必须熟练掌握的内容。

---

三、数学期望、方差、标准差之间的关系

1. 数学期望

数学期望反映随机变量取值的“平均位置”或“中心位置”。

记作：

E(X)

例如：

X ~ N(3,4)

表示它的均值在3附近，因此：

E(X)=3

但数学期望不一定是随机变量真正可以取到的值。

例如掷一次骰子，期望为：

E(X)=3.5

但骰子不可能掷出3.5。

---

2. 方差

方差反映随机变量相对于均值的波动程度。

定义为：

D(X) = E{[X-E(X)]²}

考研计算中更常使用：

D(X) = E(X²)-[E(X)]²

genui{“probability_statistics_learning_block”:{“type_id”:”VARIANCE”}}

这两个公式是等价的。

通常做题时：

• 已知分布，直接套分布的方差公式；
• 已知密度或分布律，需要计算 E(X) 和 E(X²)；
• 已知 E(X) 和 D(X)，可以反推出 E(X²)。

常用转换为：

E(X²) = D(X)+[E(X)]²

例如：

E(X)=2，D(X)=5

则：

E(X²)=5+2²=9

这里一定要注意：

D(X) 不等于 E(X²)。

---

3. 标准差

标准差就是方差的算术平方根：

σ(X) = √D(X)

方差的单位是原单位的平方，而标准差与随机变量本身单位相同。

例如某产品长度的单位是厘米：

• 数学期望的单位是厘米；
• 方差的单位是平方厘米；
• 标准差的单位是厘米。

因此标准差比方差更容易直接反映波动大小。

---

四、线性变换下的期望、方差和标准差

若：

Y = aX+b

则数学期望为：

E(Y) = aE(X)+b

方差为：

D(Y) = a²D(X)

标准差为：

σ(Y) = |a|σ(X)

这里有三个重要规律。

第一，常数 b 会改变均值，但不会改变方差。

例如：

Y=X+10

则：

E(Y)=E(X)+10

但是：

D(Y)=D(X)

因为整体平移不会改变数据的分散程度。

第二，方差中的系数必须平方。

例如：

Y=-2X

则：

D(Y)=(-2)²D(X)=4D(X)

而不是 -2D(X)。

第三，标准差中的系数要取绝对值。

σ(aX+b)=|a|σ(X)

标准差不可能是负数。

---

五、两个随机变量相加时的方差

一般情况下：

D(X+Y)=D(X)+D(Y)+2Cov(X,Y)

D(X-Y)=D(X)+D(Y)-2Cov(X,Y)

其中 Cov(X,Y) 是协方差。

若 X、Y 相互独立，则：

Cov(X,Y)=0

因此：

D(X+Y)=D(X)+D(Y)

D(X-Y)=D(X)+D(Y)

注意，即使是相减，方差仍然是相加，因为负号经过平方以后消失。

更一般地，如果 X₁、X₂、…、Xₙ 相互独立，则：

D(a₁X₁+a₂X₂+…+aₙXₙ)

=a₁²D(X₁)+a₂²D(X₂)+…+aₙ²D(Xₙ)

这就是第26题使用的公式。

---

六、第26题中三个记号的完整含义

题目给出：

X₁ ~ U(0,6)

说明：

X₁ 服从 (0,6) 上的均匀分布。

因此：

E(X₁)=3

D(X₁)=3

σ(X₁)=√3

题目给出：

X₂ ~ N(0,4)

说明：

X₂ 服从均值为0、方差为4的正态分布。

因此：

E(X₂)=0

D(X₂)=4

σ(X₂)=2

题目给出：

X₃ ~ P(3)

说明：

X₃ 服从参数为3的泊松分布。

因此：

E(X₃)=3

D(X₃)=3

σ(X₃)=√3

所以题目求：

D(X₁-2X₂+3X₃)

由于三者相互独立：

D(X₁-2X₂+3X₃)

=D(X₁)+(-2)²D(X₂)+3²D(X₃)

=3+4×4+9×3

=46

---

七、数理统计中还会出现的三个分布记号

除了前面的常见随机变量分布，在数理统计部分还会经常出现 χ²、t、F 三种抽样分布。

1. 卡方分布：χ²(n)

写作：

X ~ χ²(n)

其中 n 称为自由度。

若：

X₁,X₂,…,Xₙ 相互独立，且都服从 N(0,1)

则：

X₁²+X₂²+…+Xₙ² ~ χ²(n)

其数学期望和方差为：

E(X)=n

D(X)=2n

σ(X)=√(2n)

自由度具有可加性：

若 X ~ χ²(m)，Y ~ χ²(n)，且相互独立，则：

X+Y ~ χ²(m+n)

---

2. t分布：t(n)

写作：

T ~ t(n)

其中 n 为自由度。

若：

X ~ N(0,1)

Y ~ χ²(n)

且 X、Y 相互独立，则：

T = X/√(Y/n) ~ t(n)

当 n>1 时：

E(T)=0

当 n>2 时：

D(T)=n/(n-2)

考研中对 t 分布更重要的不是直接求它的方差，而是识别统计量：

(X̄-μ)/(S/√n) ~ t(n-1)

这里自由度是 n-1。

---

3. F分布：F(m,n)

写作：

F ~ F(m,n)

其中：

• m：分子自由度；
• n：分母自由度。

若：

X ~ χ²(m)

Y ~ χ²(n)

并且二者相互独立，则：

(X/m)/(Y/n) ~ F(m,n)

F分布的一个重要性质是：

若：

F ~ F(m,n)

则：

1/F ~ F(n,m)

注意倒数以后，两个自由度的位置也要交换。

---

八、考研中最常见的符号陷阱

1. N(μ,σ²)的第二个参数是方差

例如：

X ~ N(2,9)

则：

E(X)=2

D(X)=9

σ(X)=3

不是标准差等于9。

---

2. P(λ)不是概率P

单独出现：

P(A)

表示事件 A 的概率。

而出现：

X ~ P(λ)

表示 X 服从泊松分布。

要结合上下文判断。

---

3. E既可以表示期望，也可以表示指数分布

E(X) 表示随机变量 X 的数学期望。

X ~ E(λ) 可能表示指数分布。

所以部分教材写为：

X ~ Exp(λ)

以避免混淆。

---

4. B(n,p)中的B可能表示二项分布

B(1,p) 是0-1分布。

B(n,p) 是二项分布。

部分教材也用 Bin(n,p)，含义相同。

---

5. 方差、标准差不能混用

D(X)=σ²

σ(X)=√D(X)

例如：

D(X)=16

则标准差是：

σ(X)=4

不能说标准差也是16。

---

九、快速记忆

可以把六种核心分布压缩成下面几组关系。

二项分布：

E=np，D=np(1-p)

泊松分布：

E=D=λ

均匀分布：

E=(a+b)/2，D=(b-a)²/12

指数分布：

E=1/λ，D=1/λ²

正态分布：

E=μ，D=σ²

标准差统一为：

σ=√D

线性变换统一为：

E(aX+b)=aE(X)+b

D(aX+b)=a²D(X)

σ(aX+b)=|a|σ(X)

这部分在选择题、填空题以及数字特征计算题中出现频率很高，尤其要熟练识别 U、N、P、B、Exp、χ²、t、F 的参数含义。