微积分 二、 一元函数微分学

一、 函数、极限、连续 z 掌握基本初等函数的导数公式．
1
z 掌握利用两个重要极限求极限的方法． (tan x)′ = sec 2 x (arcsin x)′ =
1 − x2
sin x (cot x)′ = − csc x 2
lim =1 1
x →0 x (sec x)′ = sec x ⋅ tan x (arccos x)′ = −
1 − x2
1
lim (1 + ) x = e (csc x)′ = − csc x ⋅ cot x
1
x→∞ x
(a x )′ = a x ln a (arctan x)′ =
1 + x2
z 理解无穷小的概念，掌握无穷小量的比较方法 1 1
(log a x)′ = (arc cot)′ = −
f (x ) x ln a 1 + x2
设 lim f ( x ) = 0 ， lim g ( x ) = 0 ，且 lim =l
g (x )
z 理解罗尔定理．拉格朗日中值定理．了解泰勒定理．柯西

l = 0 ，称 f (x ) 是比 g ( x ) 高阶的无穷小;
中值定理，掌握这四个定理的简单应用．
1)

罗尔定理
l ≠ 0 ，称 f (x ) 与 g ( x ) 是同阶无穷小;特别地，若
1)
2)
设函数 f (x ) 满足
f (x )
lim n = l ≠ 0 ，称 f ( x ) 是 g ( x ) 的 n 阶无穷小；
g (x ) （1）在闭区间 [a, b] 上连续；
3) l = 1 ，称 f (x ) 与 g ( x ) 是等阶无穷小，记以 （2）在开区间 (a, b) 内可导；
提
供

f (x ) ~ g ( x ) ；下面是常用的等价无穷小：
情

（3） f ( a ) = f (b )
倾
”
队
团

sin x ~ x ，tan x ~ x ，arcsin x ~ x ，arctan x ~ x ，

则存在 ξ ∈ ( a , b ) ，使得 f ′(ξ ) = 0
研
考

1 − cos x ~ x ， e − 1 ~ x ， ln (1 + x ) ~ x ，
1 2
姐

x
师

2 口诀（2）：导数为零欲论证；罗尔定理负重任。
哥
师

2) 拉格朗日中值定理
(1 + x )a − 1 ~ ax ， sin x − x ~ − 1 x3
“
号
众

设函数 f ( x ) 满足
6
公
信

z 会判别函数间断点的类型．
微

1) 第一类间断点：
（1）在闭区间 [a, b] 上连续；
f (x ) 在间断点 x 0 处的左右极限都存在
（2）在开区间 (a, b) 内可导
可去间断点： f (x0 + 0) = f (x0 − 0) f ( x0 )
则存在 ξ ∈ (a, b) ，使得 f (b) − f (a ) = (b − a) f ′(ξ )
跳跃间断点： f (x0 + 0) f ( x0 − 0 )
口诀（3）：函数之差化导数；拉氏定理显神通。
2) 第二类间断点： 口诀（4）：寻找 ξ ,η有约束，两个区间用拉氏。

f (x ) 在间断点 x 0 处的左右极限至少有一个不存在
3) 柯西中值定理
z
f ( x ) 和 g ( x ) 满足：
会应用介值定理及其推论
设函数
若 f (x ) 在 [a, b] 上 连 续 且 m ≤ f (x ) ≤ M ， c
（1）在闭区间 [a, b] 上皆连续；
, ， ξ [a, b] ，使得 f (ξ ) = c
（2）在开区间 (a, b) 内皆可导，且 g ′(x) ≠ 0 ；
推论：若 f (x ) 在 [a, b] 上连续，且 f (a ) 与 f (b ) 异号，
f (b ) − f (a ) f ′(ξ )
则存在 ξ ∈ (a, b) 使得 =
则至少存在一个 ξ (a, b) ，使得 f (ξ ) = 0 g (b ) − g (a ) g ′(ξ )
口诀（1）：函数为零要论证，介值定理定乾坤。 口诀（5）：寻找 ξ ,η无约束，柯西拉氏先后上。
4) 罗尔定理应用的几个模型
∫ tan xdx = − ln cos x + C
设 f (x ) 在 [a, b] 上连续可导且 f (a ) = f (b) = 0 则：
∫ cot xdx = ln sin x + C
（1）存在 ξ1 ∈ (a, b ) 使 f (ξ1 ) + lf (ξ1 ) = 0（ l 为实
′
∫ sec xdx = ln sec x + tan x + C
常数）令 F (x ) = e lx f (x ) 即可； ∫ csc xdx = ln csc x − cot x + C
dx 1 x
（2）存在 ξ 2 ∈ (a, b) 使 f (ξ 2 ) + kξ
′ k −1
2 f (ξ 2 ) = 0 ∫a +x
2 2
= arctan +C
a a
dx 1 x−a
（ k 为非零常数）令 F (x ) = e x f (x ) 即可；
k
∫ x2 − a2 = 2a ln x + a + C
dx 1 a+x
（3）存在
ξ 3 ∈ (a, b ) 使 f ′(ξ 3 ) + g (ξ 3 ) f (ξ 3 ) = 0 ∫ a2 − x2 = 2a ln a − x + C
dx x
令F (x ) = e G ( x ) f (x ) ，其中 G ′(x ) = g (x ) ∫ a2 − x2 = arcsin a + C
口诀（6）：导数函数合为零；辅助函数用罗尔。 dx
∫ cos2 x = ∫ sec xdx = tanx + C
2

z 会求函数图形的渐近线．
是垂直渐进线 ∞ dx
∫ sin 2 x = ∫ csc xdx = −cotx + C
1) 2

2) ∞ 或 ∞ 时 是水平渐进线 ⇔
或
∫ sec x ⋅ tanxdx = sec x + C
3) ∞ 或 ∞ 时 是斜渐近线 ⇔ 供
∫ csc x ⋅ cotxdx = − csc x + C
提
情

0且
倾
”

ax
∫ a dx = ln a + C
队

x
团
研

或 0且 e x − e− x
考

∫ shxdx = chx + C 双曲正弦 : shx =

姐
师

2
哥

−x
∫ chxdx = shx + C 双曲余弦 : chx = e + e
师

x
三、 一元函数积分学
“
号

2
众

z 掌握不定积分的基本积分公式（附常用三角公式）
dx
∫
公

= ln( x + x 2 ± a 2 ) + C
信

sin(α ± β ) = sin α cos β ± cosα sin β x ±a

微

2 2

cos(α ± β ) = cosα cos β ∓ sin α sin β x

万能代换：设t = tan ，则有 sin x =
2t
，
tan α ± tan β 2 1+ t2
tan(α ± β ) = 1− t2 2dt
1 ∓ tan α ⋅ tan β cos x = ， dx =
1+ t 2
1+ t2
cos 2α = 2 cos 2 α − 1 = 1 − 2sin 2 α = cos 2 α − sin 2 α
sin 2α = 2sin α cos α z 了解定积分中值定理．

tan 2α =
2 tan α 若函数 f ( x ) 在 [a, b] 上连续, g ( x ) 在 [a, b] 上取定号
1 − tan 2 α
sec 2 a = tan 2 a + 1 且可积, 则 ξ [a, b] ，使得
π
arcsin x = − arccos x
2 ξ
π
arctan x = − arc cot x
2 特别地，当 g (x ) 1 时，有
α±β α∓β
sin α ± sin β = 2 sin cos
2 2 ξ
α +β α −β
cosα + cos β = 2 cos cos
2 2
α +β α −β z 会利用定积分计算旋转体的体积．
cosα − cos β = 2 sin sin
2 2 2
四、 多元函数微积分学 z 会求幂级数的收敛半径、收敛区间及收敛域．
z 会求多元隐函数 F(x,y,z)=0 的偏导数 对于级数∑ ax n，如果它不是仅在原点收敛，也不是

∂z F ∂z Fy 在全数轴上都收敛，则必存在R，使得 x < R时收敛，

=− x， =−
∂x Fz ∂y Fz x > R时发散，其中R称为收敛半径。求收敛半径方法：
1
口诀（7）：多元隐函求偏导，交叉偏导加负号。 R = ，0 < l < +∞时；
l
z 会求二元函数的极值 a n +1
设 lim = l，则 R = +∞，l = 0 时；
设z = f ( x, y )二阶可导，且f x ( x 0 , y 0 ) = f y ( x 0 , y 0 ) = 0， n →∞ an
R = 0，l = +∞ 时；
令：f xx ( x 0 , y 0 ) = A, f xy ( x 0 , y 0 ) = B, f yy ( x 0 , y 0 ) = C
z 会求简单幂级数在其收敛区间内的和函数．(即泰勒公式)
⎧ ⎧ A < 0, ( x 0 , y 0 )为极大值
⎪ AC − B > 0时，
( )
2
⎨ x2 xn
⎪⎪ ⎩ A > 0, ( x 0 , y 0 )为极小值 ex = 1+ x + + + + o xn
2! n!
则：⎨ AC − B < 0时， 无极 值
2

x 2 n +1
⎪ AC − B 2 = 0时,
⎪
不确定 sin x = x −
x3 x5
+
3! 5!
+ (− 1)
n

(2n + 1)!
+ o x 2 n +1 ( )
⎪⎩
x2 x4
( )
2n
− + (− 1)
n x
● 掌握二重积分直角坐标和极坐标的转换 cos x = 1 − + + o x 2n
2! 4! (2n )!
∫∫ f ( x, y)dxdy = ∫∫ f (r cosθ , r sin θ )rdrdθ x 2 x3 n
+ o ( x n )，x ∈ (−1,1]
n +1 x
D D′ ln (1 + x ) = x − + − ( −1)
2 3 n
∞ n
五、 无穷级数 x
特别地- ln (1 − x ) = ∑ , x ∈ [−1,1)
z 掌握几何级数及 p 级数的收敛与发散的条件 n =1 n
供

(1 + x )a = 1 + ax + + a (a − 1) [a − (n − 1)] x n + o (x n )
提
情

q < 1时收敛
倾

几何级数：∑ aq n n!
”

q ≥ 1时发散
队

∞
1
= 1 − x + x 2 + − = ∑ ( −1) n x n
团

特 别 地，
研

1+ x
考

n=0
p ≤ 1时发散
姐

1
p 级数：∑
师

∞
1
= 1 + x + x2 + = ∑ xn
哥

np p > 1时收敛
师

1− x
“

n=0
号

∞
众

z 掌握正项级数收敛性的比较判别法和比值判别法． 1
= ∑ (n + 1) x n
公
信

1. 比较判别法： (1 − x) 2 n =0
微

设 ∑ u 和 ∑ v 都是正项级数 ∞
2
且 ，则有： (1 − x) 3
= ∑
n =0
(n + 2)(n + 1) x n 以上均有x 1,1

当0 ∞时， ∑ u 和 ∑ v 同时敛散；
当A 0 时，若 ∑ u 收敛，则 ∑ v 收敛； 六、 常微分方程
若 ∑ v 发散，则 ∑ u 发散. z 掌握齐次微分方程和一阶线性微分方程的求解方法．
2. 比值判别法
1、齐次微分方程：
⎧ ρ < 1时，级数收敛
u n +1 ⎪
设：ρ = lim ，则⎨ ρ > 1时，级数发散 解法：令 u ，即 ,则 ；
n →∞ u
n ⎪ ρ = 1时，不确定
⎩ dy
2、一阶线性微分方程： + P ( x) y = Q( x)
z 了解绝对收敛与条件收敛的关系 dx
如果级数∑| | 收敛，则∑ − ∫ P ( x ) dx
(C + Q( x)e ∫
1) 肯定收敛，称为绝对收敛；
∫
P ( x ) dx
通解：y = e dx)
2) 如果级数∑| | 发散，而∑ 收敛，则称∑ 为条件收敛；
z 了解交错级数的莱布尼茨判别法． dy
3、贝努力方程： + P ( x) y = Q( x) y n，
(n ≠ 0,1)
⎧⎪ u n ≥ u n +1
dx
如果交错级数满足 ⎨
un = 0
，那么级数 解法：两边同时除以y n，再令z = y1− n
⎪⎩lim
n→∞
dz
收敛，且其和 s ≤ u1 , 其余项 rn ≤ u n +1 则方程化为： + (1 − n) P ( x) z = (1 − n)Q( x)
dx
z 会解二阶常系数线性微分方程．

f ( x ) ≡ 0时为齐次
线性代数
y ′′ + py ′ + qy = f ( x ) 一、 行列式
f ( x ) ≠ 0时为非齐次
z 掌握行列式的性质．
1) 齐次方程的通解求法： n ( n−1)

1) ◤ 和 ◢ ：副对角元素的乘积 × ( −1) 2
；
λ + λp + q = 0为特征方程，λ1和λ 2 为两个根
2
2) 、 均为是 阶可逆矩阵, 有：
λ1，λ2的形式 通解的形式 ①| | | | ②| | | |

λ1 ≠ λ2 y = c1e λ1x + c2 e λ2 x ③| | | | ④| | | |
⑤| | | | | | | || | | |
λ1 = λ2 y = ( c 1 + c 2 x ) e λ1 x ⑥| | ∏ λ 其中λ i 1,2 … n 是 A 的特征值
⑦若 A~B，则有| | | |；
λ1 = α + iβ ，
λ 2 = α − iβ
y = eαx (c1 cos βx + c2 sin βx) 3) 证明 A = 0 的方法：

①、| | | |；②、反证法；③、构造齐次方程
2) 非齐次方程特解求法 组 Ax = 0 ，证明其有非零解；④、利用秩，证明
r ( A) < n ；⑤、证明 0 是其特征值；
f (x)的形式 特解y *的形式 4) 分块矩阵的行列式：

I型 y * = x k e λ x Qm ( x ) | || |

e λ x Pm ( x ) ⎧当 λ 不 是 特 征 根 时 ， k = 0 供 1 | || |
⎪
提

k = ⎨当 λ是 特征 单根 时， k = 1
情

⎪当 λ 是 特 征 重 根 时 ， k = 2
倾

5) 范德蒙行列式
⎩
”
队

1 1… 1
团

x x x
研

II 型 y* = xkeαx[Rm(x)cos β x + Sm(x)sin β x]
考

若A x x x ，则有：
姐

eα x [ PL ( x ) cos β x m = Max{L, n}
师
哥
师

+ Qn ( x ) sin β x ] ⎧当α ± i β 不是特征根时，k = 0 x x x

“

k =⎨
号

⎩当α ± β 是特征根时，k = 1
众

| |
公
信
微

注：式中 Qm(x),Rm(x),Sm(x)为 m 次待定多项式；

二、 矩阵
z 了解一阶常系数线性差分方程的求解方法．
z 了解对称矩阵、反对称矩阵及正交矩阵的定义．
0 时为齐次 对称矩阵：AT A 反对称矩阵：AT A
T T
0 时为非其次 正交矩阵：A A AA E ⇔ A AT
z 掌握矩阵转置运算规律．
1) 齐次方程通解 ；
2) 非齐次方程特解求法如下： ① ②
③ ④
f (t )的形式 p 的取值 特解 y *的形式 T T T
⑤分块矩阵转置： T T
p b Q m ( x )b t
z 掌握逆矩阵的性质
Pm ( x ) b t
① | | ②
p b tQm ( x )b t
③ ④
M cos ω x + N sin ω x A cos ωx + B sin ωx
⑤ ⑥
⑦分块矩阵求逆：
z n 阶方阵 可逆 z 向量组 α1 , α 2 , , α n 线性无
．关．
⇔ AB BA E
⇔ | | 0 ⇔ 当且仅当 k1 = k2 = ……kn = 0时 ，使得

⇔ 0 只有零解，即 r k1α1 + k 2α 2 + + k nα n = 0 成立【定义】

⎛ x1 ⎞
⇔ 的行 列 向量组线性无关 ⎜ ⎟
x
⇔ (α1 , α 2 , , α n ) ⎜ 2 ⎟ = 0 只有零解
⎜ ⎟
⇔ 的特征值全不为 0 ⎜ ⎟
⎝ xn ⎠
⇔ 是正定矩阵
⇔ 向量组的秩 r (α 1 , α 2 , , α n ) = n （向量个数）
z 理解伴随矩阵的性质.
⇔ 每一个 都不能由其余 s-1 个向量线性表出
①对于二阶矩阵，
⇔ n 个 n 维向量，| … |
| | | | 2
② ③
⎛ α1 ⎞ ⎛ α 2 ⎞ ⎛ α n ⎞
④ ⑤ ⇒ 其任一延伸组 ⎜ ⎟ , ⎜ ⎟ ,... ⎜ ⎟ 必线性无关
⑥ | | ⎝ β1 ⎠ ⎝ β 2 ⎠ ⎝ β n ⎠
⎧ n，若r(A) = n， ⇐ 阶梯形向量组必定线性无关
⎪ z
⎨1，若r(A) = n - 1，
⑦ 理解向量组等价的概念
⎪0，若r(A) < n - 1； ①若两个向量组中的每一个向量可以由另一个向
⎩ 量组线性表出，则称这两个向量组等价【定义】
z 了解矩阵等价的概念 供
②等价的向量组的向量个数不一定相等，线性相关
提

若矩阵 经有限初等变换成矩阵 B，则称 A 与 B

情

性也可以不一样；
倾

等价，记 ;
”

③任一向量组和它的极大无关组等价；向量组的任
队

⇔ A、B 是同型矩阵且
团

; 意两个极大无关组等价；
研
考

⇔ 存在可逆矩阵 P 和 Q，使 PAQ=B; ④若向量组 I 和 II 等价，则有 r( I )=r (II)；但是秩

姐
师

z 理解矩阵的秩的概念
哥

相同的向量组不一定等价；
师

① ②
“

z 了解内积的概念
号
众

③设 是 矩阵， 是 矩阵，则有：
(α , β ) =a1b1 + a2b2……+anbn = α T β = β Tα
公
信
微

④ ①向量 和 正交 ⇔ , 0
⑤ 的行秩 的列秩
②向量 的长度 ,
三、 向量 z 掌握正交规范化的施密特方法
z 向量组 α 1 , α 2 , ,α n 线性相关
．． 若 , ,…, 线性相关，则可构造 , ,…, 使

⇔ 存在一组不全为 0 的数 k1 ,k 2 ,……,kn ，使得 其两两正交，再把 单位化，记 ，则

k1α1 + k2α 2 + + knα n = 0 成立【定义】 , , … , 是规范正交向量组。

其中， , , … , 的求法如下：
⎛ x1 ⎞
⎜ ⎟ β1 = α1
x
⇔ (α 1 , α 2 , , α n ) ⎜ 2 ⎟ = 0 有非零解
⎜ ⎟ (α 2 , β 1 , )
⎜ ⎟ β2 = α2 − iβ1
⎝ xn ⎠ (β1 , β1 )

⇔ 向量组的秩 r (α 1 , α 2 , , α n ) < n （向量个数） (α 3 , β 1 ) (α 3 , β 2 )

β3 = α3 − iβ1 − iβ 2
⇔ 存在某个 可由其余 s-1 个向量线性表示 (β1, β1) (β 2 , β 2 )
⇔ n 个 n 维向量，| … |
[α s , β 1 ] [α s , β s −1 ]
⇒ 向量组 α 1 , α 2 ,...α n，
...α m 也线性相关 βs = αs − iβ1 − − i β s −1
[β1, β1 ] [ β s −1 , β s −1 ]
⇐ n+1 个 n 维向量必定线性相关
四、 线性方程组
z 掌握非齐次线性方程组有无解的判定方法． 概率论与数理统计
⇔ 有唯一解； 一、 随机事件和概率
⇔ 通解带有 个参数； z 掌握概率的有关公式．
⇔ 无解； 加法公式：P(A B)=P(A) P(B) P(AB)
减法公式：P(A B)=P(A) P(AB)
五、 矩阵的特征值和特征向量 乘法公式：P(AB)= / /
z 掌握矩阵特征值和特征向量的性质．
条件概率: / [出现“如果”“当”
“已知”]
①若存在数 和非零向量 使得 成立，则称
是 的特征值，称 为 属于特征值 的特征向量【定义】 全概公式： ∑ · /
②设 是 的一个特征值，则 、 、 有一个 /
贝叶斯公式： /
特征值分别为 、 、 | |，且对应特征向量相同； ∑ /
③A 与 AT 特征值相同，但特征向量未必一样 口诀（8）：时间分两个阶段，使用“全概”“贝叶斯”。
④不同特征值对应的特征向量是线性无关的
⑤∏ λ | |， ∑ λ ∑ 二、 随机变量及其分布
z 掌握相似矩阵的性质
⎧ ⎧ 0 − 1分布 ~ B (1, p)
若存在可逆阵 P，使得 P-1AP=B，则称 A 与 B 相似， ⎪ ⎪
记为 A~B; ⎪ ⎪⎪ 二项分布 ~ B (n, p)
⇒ AT~BT、A-1~B-1、A*~B*、An~Bn、A+kE~B+kE ⎪离散型 ⎨ 泊松分布 ~ P (λ )
⎪ ⎪超几何分布 ~ H (n, N , M )
⇒| | | |，即 A 和 B 特征值相同 ⎪ ⎪
八大分布 ⎨
⇒∑ ∑ ⎪ ⎪⎩ 供几何分布 ~ G ( p)
提

⇒ ⎪ ⎧ 均匀分布 ~ U (a, b)
情
倾

⇒| | | | ⎪ ⎪
”

⎪连续型 ⎨ 指数分布 ~ E (λ )
队
团

z n 阶方阵 A 矩阵可相似对角化 ⎪ ⎪正态分布 ~ N ( μ , σ 2 )

研

⇔ 存在可逆阵 P 和对角阵 ，使得 P-1AP= ⎩ ⎩

考
姐

⇔ A 有 n 个线性无关的特征向量
师
哥
师

⇔ A 的每一个特征值对应的线性无关的特征向量 离散型 概率分布 期望 方差

“
号

的个数恰好等于该特征值的重根数
众

P( X = k ) = p k q n−k
公

0-1 p pq
⇐ A 的 n 个特征值互不相同
信
微

⇐ A 是实对称矩阵
二项 P( X = k ) = Cnk p k q n−k np npq
z 掌握实对称矩阵的性质．
①必可通过正交矩阵 P 相似对角化 λk
P( X = k ) = e−λ
②特征值全是实数，特征向量都是实向量 k!
③不同特征值对应的特征向量互相正交
泊松 λ λ
lim B(n, p) → P(λ ),λ =np
④k 重特征值必有 k 个线性无关的特征向量 n →∞

CMk • CNn−−kM nM nM⎛ M⎞⎛ N−n⎞

六、 二次型 超几何 P( X = k ) = ⎜1− ⎟⎜ ⎟
CNn N N ⎝ N ⎠⎝ N−1⎠
z 了解合同矩阵的概念．
对于 n 阶实对称矩阵 A 与 B，如果存在可逆阵 C， 1 1− p
几何 P ( X = k ) = q k −1 p
使得 CTAC=B，则称 A 与 B 合同，记为 A B p p2
⇔ xT Ax 与 xT Bx 有相同的正、负惯性指数；
⇐ 实对称矩阵 A 与 B 相似，即 A~B
⇒ 口诀（9）：“只知次数，不知位置”是二项分布
z
T
n 元二次型 x Ax 正定 口诀（10）
：“先后放回取”是二项分布；
⇔ 0， T 0【定义】 “先后不放回取” “任取”，是超几何分布；
⇔ A 的正惯性指数为 n 口诀（11）
：“直到…才”是几何分布
⇔ A 的各阶顺序主子式均大于 0
⇔ A 的所有特征值均为正数
⇒ 0; | | 0
连续型 概率密度/分布函数 期望 方差 ⎧定义： Cov ( X , Y ) = E [( X − EX )(Y − EY )]
⎪
⎧ 1 ⎪Cov (aX , bY ) =abCov ( X , Y )
⎪ ,a ≤ x ≤ b
f ( x) = ⎨ b − a 协方差 ⎪
⎨Cov ( X 1 + X 2 , Y ) = Cov ( X 1 , Y ) + Cov ( X 2 , Y )
均 ⎪⎩0, 其他 Cov ⎪
(b − a ) 2 Cov ( X , Y ) =E ( XY ) − E ( X ) E (Y )
匀 a+b ⎪
⎧0, x ≤ a ⎪Cov ( X , Y ) =ρ D ( X ) D (Y )
12
分
⎪x−a 2 ⎩ XY
⎪
布 F ( x) = ⎨ ,a ≤ x ≤ b ⎧ Cov ( X , Y )
⎪b − a ⎪定义： ρ XY = ；
⎪⎩1, x > b ⎪ D ( X ) D ( Y )
⎪随机变量 X、 Y不相关
⎧λ e−λ x , x ≥ 0 相关系数 ⎪
f ( x) = ⎨ ⎨ ⇔ ρ XY =0
ρ ⎪
指 ⎩ 0, x < 0 ⎪ ⇔ Cov ( X , Y ) =0
数 ⎧1 − e − λ x , x ≥ 0 1 1 ⎪ ⇔ E ( XY ) = E ( X ) E (Y )
F ( x) = ⎨ ⎪
分 λ λ2 ⎩ ⇔ D ( X ± Y ) = D ( X ) + D (Y )
布
⎩ 0, x < 0
+∞ ⎧ X的k阶原点矩：ν k = E ( X k )
→ 积分: ∫ x e dx = n!
n −x ⎪
⎪ → 期望EX 就是X的一阶原点矩；
0
⎪
矩 ⎨ X的k阶的中心矩：μk = E ( X − EX ) k
正
1 −
( x − μ )2 ⎪ → 方差DX 就是X的二阶中心矩；
态 f ( x) = e 2σ 2 ⎪
μ σ2 ⎪ → 协方差Cov ( X , Y )就是X 与Y 的混合二阶中心矩
分 2πσ ⎩
布 , −∞ < x < +∞ z 了解切比雪夫不等式．
供
提

设 X 具有数学期望 E ( X ) = μ ，方差 D( X ) = σ ，
情

2
倾
”
队

三、 多维随机变量的分布 则对于任意正数 ε ，有下列不等式成立：

团
研

z 掌握二维随机变量的边缘分布和条件分布．
考
姐

σ2
P( X −μ ≥ε)≤
师

⎧ f ( x ) = +∞ f ( x , y )dy
∫−∞
哥

⎪ X ε2
师
“

边缘分布 ⎨
号

+∞
⎪ fY ( y ) = ∫ f ( x , y )dx 五、 大数定律和中心极限定理
众

⎩
公

−∞
⎧切比雪夫大数定律 ← 独立方差有界
信
微

⎧ f ( x, y ) ⎪
⎪ f ( x | y) = ⎪ lim P ⎛ 1 X − 1 E ( X ) < ε ⎞ = 1
n n

⎪ fY ( y ) ⎪ n →∞ ⎜⎝ n ∑ i ∑ i
n i =1
⎟
⎠
条件分布 ⎨ ⎪
i =1

⎪ f ( y | x) = f ( x, y )
⎪伯努利大数定律：频率 → 概率
⎪⎩ f X ( x) 大数定律 ⎪
⎨ ⎛μ ⎞
z 理解随机变量的独立性的概念 X → μ ⎪lim P⎜ − p < ε ⎟ =1
⎪
n →∞
⎝ n ⎠
离散型： · ·
⎪辛钦大数定律 ← 独立同分布
连续型： , ⎪
口诀（12）：离散型有 0 不独立；连续型变量可分离， ⎪ ⎛1 n ⎞
并且正概率区间是矩形时独立；
lim
⎪ n→∞ P ⎜ ∑ X i −μ < ε ⎟ =1
⎩ ⎝ n i =1 ⎠
⎧列维－林德伯格定理
四、 随机变量的数字特征 ⎪
⎪ ⇔ X i 独立同分布,且EX i =μ , DX i = σ
2
⎧ E ( aX + b ) = aE ( X ) + b
期望 ⎪ ⎪ ⎧ 1 n
⎫
⎨ E ( X + Y ) = E ( X ) + E (Y ) 中心极限定理 n →∞ ⎨ ⎪ lim P ( ∑ X i − nμ ) ≤ x ⎬ = Φ ( x )
E ⎪ ⎪⎪ ⎩ σ n i =1 ⎭
⎩ E ( XY ) = E ( X ) E (Y ) ⇔ X 、Y 不相关 σ 2 ⎨棣莫弗－拉普拉斯定理
X ∼ N (μ , ) ⎪
⎧ D ( aX + b ) = a 2 D ( X ) n ⎪
方差 ⎪⎪ ⇔ X 服从参数为n, p的二项分布
⎨D ( X ) = E ( X ) − E ( X ) ⎪
2 2

D ⎪ ⎪ ⎧⎪ X − np ⎫⎪
⎪⎩ D ( X ± Y ) = D ( X ) + D (Y ) ± 2 cov( X , Y ) ⎪lim P⎨ ≤ x ⎬ = Φ( x)
⎩⎪ np(1 − p )
n →∞
⎩⎪ ⎭⎪
六、 数理统计的基本概念 【定义】设 X，Y 是两个相互独立的随机变量，

⎧ 1 n σ2 又X ~ χ 2 (n1 ), Y ~ χ 2 (n 2 ) ，则有
⎪样本均值 X = ∑ i
n i =1
X → E ( X ) = μ , D ( X ) =
n
⎪
样⎪ X / n1
F=
n
1 ∼ F (n1 , n2 )
本 ⎪样本方差 S 2 =
n − 1
∑ ( X i − X )2 → E ( S 2 ) = σ 2 Y / n2
⎪ i =1

数⎪ 1 n

⎨样本原点矩 α k = ∑ X i
k
称随机变量 F 服从第一个自由度为 n1 ，第二个自
字⎪ n i =1
特⎪ 1 n
征⎪
⎪样本中心矩 β k =
n
∑
i =1
( X i − X )k 由度为 n2 的 F 分布。

⎪ n −1 2 F
⎪→ E ( S * ) =
2
σ , 其中S * 为样本二阶中心矩 【典型模式】设 x1 , x2 , , xn 为来自正态总体
⎩ n
z 了解正态总体下的三大分布． N ( μ , σ 12 ) 的一个样本，而 y1 , y 2 , , yn 为来自
【定义】设 n 个随机变量 X 1 , X 2 , , X n 相互独
正态总体 N ( μ , σ 2 ) 的一个样本，则样本函数
2

立，且服从标准正态分布，它们的平方和
def S12 / σ 12
n
F ~ F ( n1 − 1, n2 − 1)
W = ∑ X i2 ∼ χ 2 (n) S 22 / σ 22
i =1
n1 n2
其中： S12 = 1 ∑ ( xi − x)2 S22 = 1 ∑ ( yi − y )2
称随机变量 W 服从自由度为 n 的 χ 分布。 n1 − 1 i =1 n2 − 1 i =1
2 供
提
情
倾

结束语:
”

【典型模式】设 x1 , x2 , , xn 为来自正态总体
队
团

As long as we have hope, we have direction,

研
考

N ( μ , σ ) 的一个样本，则样本函数
2
姐

the energy to move, and the map to move by.

师
哥
师

( n − 1) S 2
“

We have a hundred alternatives,a thousand paths

~ χ 2 ( n − 1)
def
号

w
众

σ 2
and an infinity of dreams.
公
信
微

【定义】设 X，Y 是两个相互独立的随机变量，

Hopeful, we are halfway to where we want to go;
又X ~ N (0,1), Y ~ χ 2 (n) ，则有 Hopeless, we are lost forever.

X 只要我们心存希望，我们就有方向，有前进的力量，
T= ∼ t ( n)
Y /n 有导航的风标
我们有一百种选择，一千条路径，还有无限的梦想
称随机变量 T 服从自由度为 n 的 t 分布。
心存希望，我们已在成功的路上.......
t 【典型模式】设 x1 , x2 , , xn 为来自正态总体

N ( μ , σ 2 ) 的一个样本，则样本函数 祝所有参加考研的老铁们
d ef x−μ 都能金榜题名,如愿以偿！ ！
t ~ t ( n − 1)
S2
By 考研老男孩
n