first commit
This commit is contained in:
@@ -0,0 +1,471 @@
|
||||
# 📌 第三章 多维随机变量及其分布 考研核心通关笔记
|
||||
|
||||
> 从一维到多维——随机变量的"组合"理论,所有联合分析的基础
|
||||
|
||||
---
|
||||
|
||||
## ① 本章核心知识框架 (Core Concept Map)
|
||||
|
||||
### 3.1 二维随机变量(联合分布)
|
||||
|
||||
#### 一、二维随机变量的定义
|
||||
|
||||
**定义**:设 $E$ 是随机试验,$\Omega$ 是样本空间,$X = X(\omega), Y = Y(\omega)$ 是定义在 $\Omega$ 上的两个随机变量,则 $(X, Y)$ 称为**二维随机变量**(随机向量)。
|
||||
|
||||
- *极简例子:* 随机掷一颗骰子,$X$ = 点数,$Y$ = 是否偶数 → $(X, Y)$ 是二维随机变量
|
||||
|
||||
#### 二、联合分布函数 $F(x, y)$
|
||||
|
||||
$$
|
||||
F(x, y) = P(X \le x, Y \le y)
|
||||
$$
|
||||
|
||||
**4 条性质**:
|
||||
1. **单调性**:$F$ 关于每个自变量单调不减
|
||||
2. **右连续性**:$F$ 关于每个自变量右连续
|
||||
3. **范围**:$0 \le F(x, y) \le 1$
|
||||
4. **边界**:$F(-\infty, y) = 0$,$F(x, -\infty) = 0$,$F(-\infty, -\infty) = 0$,$F(+\infty, +\infty) = 1$
|
||||
|
||||
#### 三、离散型联合分布律
|
||||
|
||||
设 $(X, Y)$ 只取有限/可列对 $(x_i, y_j)$,定义
|
||||
$$
|
||||
P(X = x_i, Y = y_j) = p_{ij} \ge 0, \quad \sum_i \sum_j p_{ij} = 1
|
||||
$$
|
||||
|
||||
- *极简例子:* 摸 2 球(白 1 / 黑 2),$X$ = 白球数,$Y$ = 黑球数,$p_{ij}$ 由超几何分布给出
|
||||
|
||||
#### 四、连续型联合密度 $f(x, y)$
|
||||
|
||||
$$
|
||||
F(x, y) = \int_{-\infty}^x \int_{-\infty}^y f(u, v) \, du \, dv
|
||||
$$
|
||||
|
||||
**2 条性质**:
|
||||
1. $f(x, y) \ge 0$
|
||||
2. $\displaystyle\int_{-\infty}^{+\infty}\int_{-\infty}^{+\infty} f(x, y) \, dx \, dy = 1$
|
||||
|
||||
> 🔑 **几何意义**:$P((X,Y) \in D) = \iint_D f(x,y) \, dx \, dy$($D$ 是平面区域)
|
||||
|
||||
---
|
||||
|
||||
### 3.2 边缘分布(由联合推导每个变量单独的分布)
|
||||
|
||||
#### 一、边缘分布函数
|
||||
|
||||
$$
|
||||
F_X(x) = P(X \le x) = P(X \le x, Y < +\infty) = F(x, +\infty)
|
||||
$$
|
||||
$$
|
||||
F_Y(y) = F(+\infty, y)
|
||||
$$
|
||||
|
||||
#### 二、离散型边缘分布律
|
||||
|
||||
$$
|
||||
P(X = x_i) = \sum_{j} p_{ij} \quad \text{(对 $j$ 求和,"压扁" 到 $X$)}
|
||||
$$
|
||||
$$
|
||||
P(Y = y_j) = \sum_{i} p_{ij} \quad \text{(对 $i$ 求和,"压扁" 到 $Y$)}
|
||||
$$
|
||||
|
||||
#### 三、连续型边缘密度
|
||||
|
||||
$$
|
||||
f_X(x) = \int_{-\infty}^{+\infty} f(x, y) \, dy \qquad
|
||||
f_Y(y) = \int_{-\infty}^{+\infty} f(x, y) \, dx
|
||||
$$
|
||||
|
||||
*极简例子:* $f(x, y) = \dfrac{6}{(x+y+1)^4}$($x \ge 0, y \ge 0$),则
|
||||
$f_X(x) = \int_0^\infty \dfrac{6}{(x+y+1)^4} dy = \dfrac{2}{(x+1)^3}$($x \ge 0$)
|
||||
|
||||
> 🔑 **核心**:联合 $\Rightarrow$ 边缘是**单向**的(求和/积分)。反之,**两个边缘**不能唯一确定联合。
|
||||
|
||||
---
|
||||
|
||||
### 3.3 条件分布
|
||||
|
||||
#### 一、条件分布律(离散型)
|
||||
|
||||
设 $P(Y = y_j) > 0$,则
|
||||
$$
|
||||
P(X = x_i \mid Y = y_j) = \frac{P(X = x_i, Y = y_j)}{P(Y = y_j)} = \frac{p_{ij}}{p_{\cdot j}}
|
||||
$$
|
||||
|
||||
- *极简例子:* $p_{11} = 0.1, p_{12} = 0.2, p_{21} = 0.3, p_{22} = 0.4$,则 $P(X=1|Y=1) = 0.1/(0.1+0.2) = 1/3$
|
||||
|
||||
#### 二、条件密度(连续型)
|
||||
|
||||
设 $f_Y(y) > 0$,则
|
||||
$$
|
||||
f_{X|Y}(x \mid y) = \frac{f(x, y)}{f_Y(y)}, \qquad f_{Y|X}(y \mid x) = \frac{f(x, y)}{f_X(x)}
|
||||
$$
|
||||
|
||||
**条件分布函数**:
|
||||
$$
|
||||
F_{X|Y}(x \mid y) = \int_{-\infty}^x f_{X|Y}(u \mid y) \, du = \int_{-\infty}^x \frac{f(u, y)}{f_Y(y)} du
|
||||
$$
|
||||
|
||||
> 🔑 **本质**:条件分布 = 联合分布除以"条件事件"的密度。
|
||||
|
||||
---
|
||||
|
||||
### 3.4 随机变量的独立性 ⭐⭐⭐
|
||||
|
||||
#### 一、离散型独立
|
||||
|
||||
$X, Y$ 独立 $\iff$ 对所有 $i, j$:
|
||||
$$
|
||||
P(X = x_i, Y = y_j) = P(X = x_i) \cdot P(Y = y_j)
|
||||
$$
|
||||
即 $p_{ij} = p_{i\cdot} \cdot p_{\cdot j}$
|
||||
|
||||
#### 二、连续型独立
|
||||
|
||||
$X, Y$ 独立 $\iff$ 对所有 $x, y$:
|
||||
$$
|
||||
f(x, y) = f_X(x) \cdot f_Y(y)
|
||||
$$
|
||||
|
||||
#### 三、独立性的判定步骤
|
||||
|
||||
1. 求联合分布(律或密度)
|
||||
2. 求边缘分布
|
||||
3. 验证乘积公式
|
||||
|
||||
#### 四、独立性的重要推论
|
||||
|
||||
| 若 $X, Y$ 独立 | 则 |
|
||||
|------------|------|
|
||||
| $f(x,y) = f_X(x) f_Y(y)$ | 联合可分解 |
|
||||
| $E(XY) = E(X) E(Y)$ | 期望可分离 |
|
||||
| $\text{Cov}(X, Y) = 0$ | 协方差为零 |
|
||||
| $D(X+Y) = D(X) + D(Y)$ | 方差可加 |
|
||||
| $X+Y$ 的分布 = 卷积 | 卷积公式简化 |
|
||||
|
||||
> ⚠️ **反例**:$f(x,y) = \dfrac{1}{2\pi \sigma_1 \sigma_2 \sqrt{1-\rho^2}} e^{-\frac{1}{2(1-\rho^2)}[\frac{(x-\mu_1)^2}{\sigma_1^2} - \frac{2\rho(x-\mu_1)(y-\mu_2)}{\sigma_1\sigma_2} + \frac{(y-\mu_2)^2}{\sigma_2^2}]}$(二维正态)
|
||||
> 当 $\rho = 0$ 时**才**独立,$\rho \ne 0$ 时不独立!
|
||||
|
||||
---
|
||||
|
||||
### 3.5 两个随机变量的函数的分布
|
||||
|
||||
#### 一、$Z = X + Y$ 的分布(卷积公式)
|
||||
|
||||
**离散型**:
|
||||
$$
|
||||
P(Z = z_k) = \sum_{i+j=k} P(X = x_i, Y = y_j) = \sum_i p_{i, k-i}
|
||||
$$
|
||||
|
||||
**连续型**(卷积公式 ⭐⭐⭐):
|
||||
$$
|
||||
f_Z(z) = \int_{-\infty}^{+\infty} f(x, z-x) \, dx = \int_{-\infty}^{+\infty} f(z-y, y) \, dy
|
||||
$$
|
||||
|
||||
*极简例子:* $X \sim U(0,1), Y \sim U(0,1)$ 独立,则 $Z = X+Y$ 的密度:
|
||||
- $z \in [0,1]$: $f_Z(z) = z$
|
||||
- $z \in [1,2]$: $f_Z(z) = 2-z$
|
||||
- 三角形分布(梯形)
|
||||
|
||||
#### 二、$Z = \max(X, Y)$ 与 $W = \min(X, Y)$
|
||||
|
||||
$$
|
||||
F_{\max}(z) = F_X(z) F_Y(z) \qquad \text{(独立时)}
|
||||
$$
|
||||
$$
|
||||
F_{\min}(w) = 1 - (1 - F_X(w))(1 - F_Y(w)) \qquad \text{(独立时)}
|
||||
$$
|
||||
|
||||
*极简例子:* 两元件寿命 $X, Y$ 独立同为指数 $E(\lambda)$,则系统串联寿命 $= \min$,$F_{\min}(t) = 1 - e^{-2\lambda t}$(即 $E(2\lambda)$);并联寿命 $= \max$,$F_{\max}(t) = (1-e^{-\lambda t})^2$。
|
||||
|
||||
#### 三、其他函数
|
||||
|
||||
| $Z = $ | 分布 |
|
||||
|--------|------|
|
||||
| $X + Y$ | 卷积 |
|
||||
| $\max(X,Y)$ | $F_X(z) F_Y(z)$ |
|
||||
| $\min(X,Y)$ | $1 - (1-F_X)(1-F_Y)$ |
|
||||
| $\dfrac{Y}{X}$ | $\int \int f(x, y) dx$ 后代换 |
|
||||
| $X^2 + Y^2$ | 极坐标变换($\chi^2$ 分布)|
|
||||
|
||||
---
|
||||
|
||||
### 3.6 重要特殊分布
|
||||
|
||||
#### 一、二维均匀分布
|
||||
|
||||
$D$ 是平面有界区域,面积 $S_D$,则
|
||||
$$
|
||||
f(x, y) = \begin{cases} 1/S_D, & (x,y) \in D \\ 0, & \text{其他} \end{cases}
|
||||
$$
|
||||
|
||||
#### 二、二维正态分布
|
||||
|
||||
$X \sim N(\mu_1, \sigma_1^2), Y \sim N(\mu_2, \sigma_2^2)$,联合密度 $N(\mu_1, \mu_2, \sigma_1^2, \sigma_2^2, \rho)$。
|
||||
|
||||
**5 个核心结论**:
|
||||
1. 边缘分布 $X \sim N(\mu_1, \sigma_1^2)$, $Y \sim N(\mu_2, \sigma_2^2)$(与 $\rho$ 无关!)
|
||||
2. 条件分布 $Y|X \sim N\left(\mu_2 + \rho \frac{\sigma_2}{\sigma_1}(X-\mu_1), \sigma_2^2(1-\rho^2)\right)$
|
||||
3. $aX + bY \sim N(a\mu_1 + b\mu_2, a^2\sigma_1^2 + b^2\sigma_2^2 + 2ab\rho\sigma_1\sigma_2)$
|
||||
4. $X, Y$ 独立 $\iff \rho = 0$(二维正态下的充要条件)
|
||||
5. 协方差矩阵正定
|
||||
|
||||
---
|
||||
|
||||
## ② 必考题型分类索引
|
||||
|
||||
| # | 题型 | 核心判据 | 详细笔记 |
|
||||
|---|------|---------|---------|
|
||||
| 1 | 联合分布律与边缘分布 | 离散型 $(X,Y)$ 的联合 → 边缘 | [[题型1_联合分布律与边缘分布]] |
|
||||
| 2 | 联合密度与边缘密度 | 连续型 $f(x,y)$ → $f_X(x)$ | [[题型2_联合密度与边缘密度]] |
|
||||
| 3 | 条件分布的计算 | 条件分布律 / 条件密度 | [[题型3_条件分布的计算]] |
|
||||
| 4 | 独立性判定 | $p_{ij} = p_{i\cdot}p_{\cdot j}$ / $f(x,y) = f_X(x) f_Y(y)$ | [[题型4_随机变量的独立性判定]] |
|
||||
| 5 | 二维均匀分布与正态分布 | 特殊分布的 5 个核心结论 | [[题型5_二维均匀分布与正态分布]] |
|
||||
| 6 | 两个随机变量和的分布 | 卷积公式 | [[题型6_两个随机变量和的分布]] |
|
||||
| 7 | 最大最小值的分布 | $\max/\min$ 的 $F$ | [[题型7_最大最小值的分布]] |
|
||||
|
||||
---
|
||||
|
||||
## ③ 高频考点与多维变换
|
||||
|
||||
### Top 5 高频考点
|
||||
|
||||
| 排名 | 考点 | 近15年考频 | 典型分值 |
|
||||
|------|------|-----------|---------|
|
||||
| 1 | 卷积公式(和的分布) | 10次 | 4-10分 |
|
||||
| 2 | 独立性的判定与应用 | 8次 | 4分 |
|
||||
| 3 | 边缘分布的求解 | 6次 | 4分 |
|
||||
| 4 | 二维正态分布 | 5次 | 4分 |
|
||||
| 5 | 条件分布 | 4次 | 4分 |
|
||||
|
||||
### 【示例:一题多角度】
|
||||
|
||||
**核心概念**:二维均匀分布的独立性判定
|
||||
|
||||
> **同一情境**:$(X, Y)$ 在区域 $D: 0 \le x \le 1, 0 \le y \le 1$ 上均匀分布,求 $X+Y > 1$ 的概率。
|
||||
|
||||
**角度一:选择题(概念辨析)**
|
||||
|
||||
下列命题哪个正确?
|
||||
- (A) $X, Y$ 独立 ✓/✗?
|
||||
- (B) $X+Y \sim U(0, 2)$ ✓/✗?
|
||||
- (C) $f_X(x) = 1$($x \in [0,1]$)✓/✗?
|
||||
|
||||
**答案**:(A) 正确;(B) 错误——$X+Y$ 是三角形分布(卷积结果);(C) 正确——边缘密度是均匀。
|
||||
|
||||
**角度二:填空题(直接计算)**
|
||||
|
||||
$$
|
||||
P(X+Y > 1) = \iint_{x+y>1, 0 \le x,y \le 1} 1 \, dx \, dy = 1 - \frac{1}{2} = \frac{1}{2}
|
||||
$$
|
||||
|
||||
**角度三:解答题(卷积公式)**
|
||||
|
||||
$f_Z(z) = \int_0^1 f(x, z-x) dx = \int_{\max(0, z-1)}^{\min(1, z)} 1 \, dx$
|
||||
- $z \in [0,1]$: $f_Z(z) = z$
|
||||
- $z \in [1,2]$: $f_Z(z) = 2-z$
|
||||
|
||||
**启示**:二维均匀分布是学习联合分布、独立性、卷积的"标本模型"。它的所有性质应烂熟于心。
|
||||
|
||||
---
|
||||
|
||||
## ④ 方法论与解题通法 (Methodology)
|
||||
|
||||
### 方法〇:多维随机变量的"五层决策树"
|
||||
|
||||
```
|
||||
联合分布题
|
||||
├── 第〇步:定型(离散/连续)
|
||||
├── 第一步:求联合分布(律或密度)
|
||||
│ ├── 已知 → 直接用
|
||||
│ ├── 已知边缘 + 独立 → 联合 = 边缘之积
|
||||
│ └── 已知密度 + 条件 → 联合 = 边缘 × 条件
|
||||
├── 第二步:求边缘分布
|
||||
│ ├── 离散:求和(按行/列加)
|
||||
│ └── 连续:积分(对另一变量积分)
|
||||
├── 第三步:判定/应用独立性
|
||||
│ ├── 验证 $p_{ij} = p_{i·} p_{·j}$ / $f(x,y) = f_X f_Y$
|
||||
│ └── 应用独立性的推论
|
||||
├── 第四步:求函数分布
|
||||
│ ├── 和 → 卷积
|
||||
│ ├── max/min → 公式
|
||||
│ └── 一般函数 → 分布函数法
|
||||
└── 第五步:求数字特征(Ch04)
|
||||
```
|
||||
|
||||
### 方法一:卷积公式的"换元 + 定限"三步法
|
||||
|
||||
**核心公式**:
|
||||
$$
|
||||
f_Z(z) = \int_{-\infty}^{+\infty} f(x, z-x) \, dx
|
||||
$$
|
||||
|
||||
**三步**:
|
||||
1. **换元**:把 $y$ 换为 $z-x$(因 $z = x + y$)
|
||||
2. **定限**:找到 $f(x, z-x) \ne 0$ 的 $x$ 范围
|
||||
3. **积分**:对 $x$ 在有效范围内积分
|
||||
|
||||
*极简例子:* $f(x, y) = e^{-(x+y)}$($x, y > 0$),求 $f_Z(z)$:
|
||||
- $f_Z(z) = \int_0^z e^{-x} e^{-(z-x)} dx = \int_0^z e^{-z} dx = z e^{-z}$($z > 0$)
|
||||
|
||||
### 方法二:二维正态分布的"5 句话速记"
|
||||
|
||||
| # | 结论 |
|
||||
|---|------|
|
||||
| 1 | 边缘分布与 $\rho$ 无关 |
|
||||
| 2 | 条件分布是正态 $N(\mu_2 + \rho\frac{\sigma_2}{\sigma_1}(X-\mu_1), \sigma_2^2(1-\rho^2))$ |
|
||||
| 3 | $aX + bY$ 仍服从正态,方差含 $2ab\rho\sigma_1\sigma_2$ 项 |
|
||||
| 4 | 独立 $\iff \rho = 0$(充要条件)|
|
||||
| 5 | $X, Y$ 不相关 $\iff$ 独立(仅二维正态下成立)|
|
||||
|
||||
### 方法三:独立性的四种验证法
|
||||
|
||||
1. **联合可分解**:$f(x,y) = f_X(x) f_Y(y)$
|
||||
2. **联合分布律**:$p_{ij} = p_{i\cdot} p_{\cdot j}$
|
||||
3. **混合验证**:$P(X \in A, Y \in B) = P(X \in A) P(Y \in B)$
|
||||
4. **反证法**:找一个 $(x_0, y_0)$ 使 $P(X=x_0, Y=y_0) \neq P(X=x_0) P(Y=y_0)$
|
||||
|
||||
### 方法四:跨章节通法速查表
|
||||
|
||||
| 通用技法 | 本章出现场景 | 后续章节升级 | 判断依据 |
|
||||
|---------|------------|------------|---------|
|
||||
| **边缘化(求和/积分)** | 联合 → 边缘 | Ch04 期望 $E(X) = \sum x_i p_{i\cdot}$ | 已知联合求单个 |
|
||||
| **条件分布** | $f_{X\|Y}(x\|y) = f/f_Y$ | Ch04 条件期望 $E(X\|Y=y)$ | 给定部分信息 |
|
||||
| **独立性分解** | $f(x,y) = f_X f_Y$ | Ch04 独立 $\Rightarrow E(XY) = E(X) E(Y)$ | 多变量无关联 |
|
||||
| **卷积公式** | $Z = X+Y$ | Ch05 中心极限定理 | 多变量求和 |
|
||||
| **最大值最小值** | $\max/\min$ 的 $F$ | Ch06 顺序统计量 | 系统可靠性 |
|
||||
|
||||
### 方法五:连续 → 离散化的"配方法"思路
|
||||
|
||||
对 $f(x, y) = f_X(x) f_Y(y)$ 配凑为
|
||||
$$
|
||||
f(x, y) = f_X(x) f_Y(y) \cdot 1
|
||||
$$
|
||||
若可分离,则 $X, Y$ 独立。**关键技巧**:把密度函数配方为两个一元函数的乘积。
|
||||
|
||||
---
|
||||
|
||||
## ⑤ 易错点红黑榜 (The Pitfall List)
|
||||
|
||||
### ❌ 错误 1:两个边缘分布不能唯一确定联合分布
|
||||
|
||||
- **错误表现**:已知 $X \sim U(0,1), Y \sim U(0,1)$ 就断言 $(X,Y)$ 在单位正方形上均匀
|
||||
- **正确理解**:同样的两个边缘分布可以对应**无穷多个**不同的联合分布。需附加条件(如独立性)才能确定。
|
||||
|
||||
**【对比示例】**:
|
||||
```
|
||||
❌ 已知 X~U(0,1), Y~U(0,1) → 联合是均匀分布
|
||||
✅ 还需要"独立"或具体 f(x,y) 才能确定联合
|
||||
```
|
||||
|
||||
### ❌ 错误 2:二维正态独立 $\neq$ 任意分布独立
|
||||
|
||||
- **错误表现**:看到 $\text{Cov}(X, Y) = 0$ 就断言独立
|
||||
- **正确理解**:仅二维正态分布下,$\rho = 0 \iff$ 独立。其他分布不相关 $\neq$ 独立。
|
||||
|
||||
### ❌ 错误 3:卷积公式的积分限写错
|
||||
|
||||
- **错误表现**:$f_Z(z) = \int_{-\infty}^{+\infty} f(x, z-x) dx$ 中没有考虑 $f$ 的非零区域
|
||||
- **正确理解**:$f(x, z-x)$ 在 $f$ 的支撑集外为 0。需结合 $x$ 的范围与 $z-x$ 的范围取交集。
|
||||
|
||||
### ❌ 错误 4:条件分布的条件方向
|
||||
|
||||
- **错误表现**:$f_{X|Y}(x|y) = f_Y(y) / f(x,y)$(反了!)
|
||||
- **正确理解**:$f_{X|Y}(x|y) = f(x,y) / f_Y(y)$,**分子是联合,分母是条件的边缘**
|
||||
|
||||
### ❌ 错误 5:离散 vs 连续的混淆
|
||||
|
||||
- **错误表现**:对连续型用 $P(X = x_i, Y = y_j)$(连续型中 $P(X = x_i) = 0$)
|
||||
- **正确理解**:连续型谈密度 $f(x,y)$,离散型谈分布律 $p_{ij}$。
|
||||
|
||||
### ❌ 错误 6:max/min 公式仅适用于独立
|
||||
|
||||
- **错误表现**:$F_{\max}(z) = F_X(z) F_Y(z)$ 在 $X, Y$ 不独立时也用
|
||||
- **正确理解**:该公式要求 $X, Y$ **独立**。不独立时 $F_{\max}(z) = P(X \le z, Y \le z)$,需用联合密度。
|
||||
|
||||
---
|
||||
|
||||
## ⑥ 考研导向复习策略 (Exam Strategy)
|
||||
|
||||
### 优先级与建议题量
|
||||
|
||||
| 子专题 | 优先级 | 建议刷题量 | 说明 |
|
||||
|--------|--------|-----------|------|
|
||||
| 卷积公式(和的分布) | **高** | 25+ 道 | 每年 1-2 题,分值大 |
|
||||
| 独立性判定 | **高** | 15 道 | 概念辨析 + 计算 |
|
||||
| 边缘分布 | **高** | 12 道 | 求和/积分基本功 |
|
||||
| 二维正态 | **高** | 10 道 | 5 个核心结论必背 |
|
||||
| 条件分布 | **中** | 8 道 | 与 Ch04 条件期望衔接 |
|
||||
| max/min | **中** | 6 道 | 系统可靠性问题 |
|
||||
| 一般函数分布 | **中** | 8 道 | 分布函数法 |
|
||||
|
||||
### 跨章节连接
|
||||
|
||||
```
|
||||
┌─────────────────────────────────┐
|
||||
│ 本章 (Ch03) 多维随机变量 │
|
||||
│ · 联合 ↔ 边缘 ↔ 条件 ↔ 独立 │
|
||||
│ · 卷积 / max / min │
|
||||
└───────────────┬─────────────────┘
|
||||
│
|
||||
┌───────────────┬───────────────┼───────────────┬───────────────┐
|
||||
↓ ↓ ↓ ↓ ↓
|
||||
Ch02 一维 Ch04 数字特征 Ch05 大数定律 Ch06 区间估计 Ch07 假设检验
|
||||
边缘与 Ch02 一致 E(X+Y)=E(X)+E(Y) ΣXᵢ~N(nμ,nσ²) X̄~N(μ,σ²/n) 联合分布
|
||||
独立可分 D(X+Y)含协方差 独立同分布 CLT t分布/卡方/F 充分统计量
|
||||
```
|
||||
|
||||
#### 🔥 跨章节综合题命题模式(高频!必须掌握)
|
||||
|
||||
**模式 1:卷积公式 + 独立性**
|
||||
> 例题:$X \sim U(0,1), Y \sim U(0,1)$ 独立,求 $Z = X+Y$ 的分布。
|
||||
>
|
||||
> **解**:$f_Z(z) = \int_0^1 f(x, z-x) dx$,积分区间为 $[\max(0, z-1), \min(1, z)]$:
|
||||
> - $z \in [0,1]$: $f_Z(z) = z$
|
||||
> - $z \in [1,2]$: $f_Z(z) = 2-z$
|
||||
>
|
||||
> **考点**:独立性的使用 + 卷积公式的分段讨论。
|
||||
|
||||
**模式 2:二维正态 + 独立性 + 线性组合**
|
||||
> 例题:$(X, Y) \sim N(\mu_1, \mu_2, \sigma_1^2, \sigma_2^2, \rho)$,求 $U = X+Y, V = X-Y$ 的分布。
|
||||
>
|
||||
> **解**:$U, V$ 都是正态的线性组合,仍服从正态。$E(U) = \mu_1 + \mu_2, D(U) = \sigma_1^2 + \sigma_2^2 + 2\rho\sigma_1\sigma_2$。
|
||||
>
|
||||
> **考点**:二维正态下"线性组合仍是正态" + 协方差矩阵变换。
|
||||
|
||||
**模式 3:联合 → 边缘 → 独立 → 期望**
|
||||
> 例题:$(X, Y)$ 的联合密度 $f(x,y) = \begin{cases} 6 e^{-(2x+3y)}, & x,y \ge 0 \\ 0, & \text{其他} \end{cases}$
|
||||
>
|
||||
> 问:(1) 求 $f_X(x), f_Y(y)$;(2) 判定 $X, Y$ 独立性;(3) 求 $E(X+Y), D(X+Y)$。
|
||||
>
|
||||
> **解**:(1) $f_X(x) = 2 e^{-2x}$(指数),$f_Y(y) = 3 e^{-3y}$(指数)。(2) 因 $f(x,y) = f_X(x) f_Y(y)$ → 独立。(3) $E(X+Y) = 1/2 + 1/3 = 5/6$,$D(X+Y) = D(X) + D(Y) = 1/4 + 1/9 = 13/36$。
|
||||
>
|
||||
> **考点**:本章 + Ch04 综合。
|
||||
|
||||
### 【终极母题推荐】
|
||||
|
||||
> **题目**:设 $(X, Y)$ 的联合密度为 $f(x, y) = \begin{cases} c x y, & 0 \le x \le 1, 0 \le y \le 1 \\ 0, & \text{其他} \end{cases}$
|
||||
>
|
||||
> 求:(1) 常数 $c$;(2) 边缘密度 $f_X(x), f_Y(y)$;(3) $X, Y$ 是否独立?(4) $P(X + Y < 1)$。
|
||||
|
||||
**此题融合**:
|
||||
- **归一性**求 $c$:$\int_0^1\int_0^1 cxy \, dx dy = c/4 = 1 \Rightarrow c = 4$
|
||||
- **边缘密度**:$f_X(x) = \int_0^1 4xy \, dy = 2x$($0 \le x \le 1$);类似 $f_Y(y) = 2y$
|
||||
- **独立性判定**:$f_X(x) f_Y(y) = 4xy = f(x,y)$ ✓ → **独立**
|
||||
- **概率计算**:$P(X+Y<1) = \int_0^1\int_0^{1-x} 4xy \, dy dx = \int_0^1 2x(1-x)^2 dx = 2 \int_0^1 (x - 2x^2 + x^3) dx = 2 \cdot [1/2 - 2/3 + 1/4] = 2 \cdot 1/12 = 1/6$
|
||||
|
||||
**为什么这是"终极母题"**:
|
||||
✅ 联合 → 边缘 → 独立 → 概率的完整链路
|
||||
✅ 积分、归一性、判定、计算的复合
|
||||
✅ 一题覆盖本章 4 大核心题型
|
||||
|
||||
**🔗 这道题的 Ch04 升级版(提前预告)**:
|
||||
> 在此基础上求 $E(X), E(Y), D(X), D(Y), \text{Cov}(X, Y), \rho_{XY}$。
|
||||
>
|
||||
> → 这就是**数字特征**。你会发现:独立 $\Rightarrow \text{Cov} = 0, \rho = 0$,二维均匀与二维分布的桥梁在 Ch04 数字特征。
|
||||
|
||||
**这道题做完且理解透彻 → 本章"通关"。**
|
||||
|
||||
---
|
||||
|
||||
> **下一步**:完成后可进入 [[Ch04_随机变量的数字特征/Ch04_Numerical_Characteristics|Ch04 随机变量的数字特征]],期望、方差、协方差将在本章的联合分布基础上系统展开。
|
||||
@@ -0,0 +1,74 @@
|
||||
# 题型一:联合分布律与边缘分布(离散型)
|
||||
|
||||
## 识别特征
|
||||
|
||||
- $(X, Y)$ 只取**有限/可列**对值(离散型)
|
||||
- 已知联合分布律 $p_{ij}$ 或条件信息求 $p_{ij}$
|
||||
- 求**边缘分布律**(单个变量的分布)
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:离散型联合] --> B{已知联合 pᵢⱼ?}
|
||||
B -->|是| C[直接求边缘: 行和/列和]
|
||||
B -->|否| D[用独立性或条件信息构造]
|
||||
C --> E[验证归一性: ΣΣpᵢⱼ = 1]
|
||||
D --> F[求每个 pᵢⱼ]
|
||||
F --> E
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、由联合求边缘
|
||||
|
||||
- $P(X = x_i) = p_{i\cdot} = \sum_j p_{ij}$(**沿行求和**)
|
||||
- $P(Y = y_j) = p_{\cdot j} = \sum_i p_{ij}$(**沿列求和**)
|
||||
|
||||
### 二、由条件信息构造联合
|
||||
|
||||
若 $P(X = x_i) = a_i$, $P(Y = y_j) = b_j$ **独立**,则 $p_{ij} = a_i b_j$
|
||||
|
||||
若已知 $P(X=x_i)$ 和 $P(Y=y_j|X=x_i)$,则 $p_{ij} = P(X=x_i) P(Y=y_j|X=x_i)$(乘法公式)
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- 求边缘时漏掉某些 $(x_i, y_j)$ 对
|
||||
- 不归一化($\sum\sum p_{ij} \ne 1$)
|
||||
- 独立性与"互不相容"混淆(Ch01 错误)
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设 $(X, Y)$ 的联合分布律为
|
||||
|
||||
| X\Y | 0 | 1 | 2 |
|
||||
|-----|---|---|---|
|
||||
| 0 | 0.1 | 0.2 | 0.1 |
|
||||
| 1 | 0.2 | 0.3 | 0.1 |
|
||||
|
||||
求:(1) 边缘分布律;(2) $P(X=Y)$;(3) $X, Y$ 是否独立?
|
||||
|
||||
**解析**:
|
||||
|
||||
**(1) 边缘分布律**(行和、列和):
|
||||
- $P(X=0) = 0.1+0.2+0.1 = 0.4$
|
||||
- $P(X=1) = 0.2+0.3+0.1 = 0.6$
|
||||
- $P(Y=0) = 0.1+0.2 = 0.3$
|
||||
- $P(Y=1) = 0.2+0.3 = 0.5$
|
||||
- $P(Y=2) = 0.1+0.1 = 0.2$
|
||||
|
||||
**(2)** $P(X=Y) = P(X=0,Y=0) + P(X=1,Y=1) = 0.1 + 0.3 = 0.4$
|
||||
|
||||
**(3)** 独立性判定:$p_{00} = 0.1$,$P(X=0)P(Y=0) = 0.4 \times 0.3 = 0.12 \ne 0.1$
|
||||
→ **不独立**
|
||||
|
||||
**复盘**:独立性判定是离散型的标准操作——找**任意一组** $(i, j)$ 使 $p_{ij} \ne p_{i\cdot} p_{\cdot j}$ 即可否定独立。
|
||||
|
||||
---
|
||||
|
||||
> **变式**:已知 $P(X=i) = \frac{1}{2^i}$($i = 1, 2, \ldots$),$Y \sim B(3, 0.5)$,$X, Y$ 独立。求 $P(X+Y=5)$。
|
||||
|
||||
**解**:$P(X+Y=5) = \sum_{i+j=5} P(X=i)P(Y=j) = P(X=2)P(Y=3) + P(X=3)P(Y=2)$
|
||||
$= \frac{1}{4} \cdot \frac{1}{8} + \frac{1}{8} \cdot \frac{3}{8} = \frac{1}{32} + \frac{3}{64} = \frac{5}{64}$
|
||||
|
||||
> **口诀**:**"行求和得 $X$,列求和得 $Y$"**
|
||||
@@ -0,0 +1,94 @@
|
||||
# 题型二:联合密度与边缘密度(连续型)
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 已知联合密度 $f(x, y)$(连续型)
|
||||
- 求**边缘密度** $f_X(x)$, $f_Y(y)$
|
||||
- 求**条件密度** $f_{X|Y}(x|y)$
|
||||
- 求**概率** $P((X, Y) \in D)$
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:连续型联合] --> B[求边缘: 对另一变量积分]
|
||||
B --> C[求条件: 联合/边缘]
|
||||
C --> D{求什么?}
|
||||
D -->|独立性| E[验证 f x,y = f_X f_Y]
|
||||
D -->|区域概率| F[二重积分]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、边缘密度
|
||||
|
||||
$$
|
||||
f_X(x) = \int_{-\infty}^{+\infty} f(x, y) \, dy, \qquad f_Y(y) = \int_{-\infty}^{+\infty} f(x, y) \, dx
|
||||
$$
|
||||
|
||||
### 二、概率计算
|
||||
|
||||
$$
|
||||
P((X,Y) \in D) = \iint_D f(x, y) \, dx \, dy
|
||||
$$
|
||||
|
||||
### 三、条件密度
|
||||
|
||||
$$
|
||||
f_{X|Y}(x | y) = \frac{f(x, y)}{f_Y(y)}, \quad \text{要求 } f_Y(y) > 0
|
||||
$$
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- 积分限错误(忘记考虑 $f$ 的支撑集)
|
||||
- 边缘密度归一性 $\int f_X(x) dx = 1$ 不验证
|
||||
- 条件密度方向错误(分子分母颠倒)
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:$(X, Y)$ 的联合密度 $f(x, y) = \begin{cases} 2(x+y), & 0 \le x \le y \le 1 \\ 0, & \text{其他} \end{cases}$
|
||||
>
|
||||
> 求:(1) 边缘密度 $f_X(x), f_Y(y)$;(2) 条件密度 $f_{X|Y}(x|y)$;(3) $P(X+Y \le 1)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**(1) 边缘密度**
|
||||
|
||||
$f_X(x) = \int_{-\infty}^{+\infty} f(x, y) dy$
|
||||
- $0 \le x \le 1$:积分区间 $y \in [x, 1]$
|
||||
$$f_X(x) = \int_x^1 2(x+y) dy = 2[xy + y^2/2]_x^1 = 2[x + 1/2 - x^2 - x^2/2] = 1 + 2x - 3x^2$$
|
||||
|
||||
$f_Y(y) = \int_0^y 2(x+y) dx = [x^2 + 2xy]_0^y = y^2 + 2y^2 = 3y^2$($0 \le y \le 1$)
|
||||
|
||||
**(2) 条件密度**
|
||||
|
||||
$f_{X|Y}(x|y) = \dfrac{f(x,y)}{f_Y(y)} = \dfrac{2(x+y)}{3y^2}$($0 \le x \le y$)
|
||||
|
||||
**(3) $P(X+Y \le 1)$**
|
||||
|
||||
区域 $D$: $0 \le x \le y \le 1$ 与 $x+y \le 1$ 的交集。
|
||||
由 $x \le y$ 和 $x+y \le 1$ 得 $x \le 1/2$(否则 $y \ge x > 1/2$ 但 $x+y > 1$)。
|
||||
|
||||
$P = \int_0^{1/2} \int_x^{1-x} 2(x+y) dy dx = \int_0^{1/2} 2[xy + y^2/2]_x^{1-x} dx$
|
||||
$= \int_0^{1/2} 2[x(1-2x) + (1-x)^2/2 - x^2/2] dx$
|
||||
$= \int_0^{1/2} 2[x - 2x^2 + (1-2x+x^2)/2 - x^2/2] dx$
|
||||
$= \int_0^{1/2} 2[x - 2x^2 + 1/2 - x + x^2/2 - x^2/2] dx$
|
||||
$= \int_0^{1/2} 2[1/2 - 2x^2] dx = \int_0^{1/2} (1 - 4x^2) dx = [x - 4x^3/3]_0^{1/2}$
|
||||
$= 1/2 - 4(1/8)/3 = 1/2 - 1/6 = 1/3$
|
||||
|
||||
**复盘**:
|
||||
- 积分域不规则时,先**画图**确定积分限
|
||||
- 联合密度积分 $\iint f = 1$ 可用于验证正确性
|
||||
|
||||
---
|
||||
|
||||
> **变式**:$f(x, y) = \dfrac{1}{2\pi \sigma_1 \sigma_2 \sqrt{1-\rho^2}} \exp\left(-\dfrac{1}{2(1-\rho^2)}\left[\dfrac{(x-\mu_1)^2}{\sigma_1^2} - \dfrac{2\rho(x-\mu_1)(y-\mu_2)}{\sigma_1\sigma_2} + \dfrac{(y-\mu_2)^2}{\sigma_2^2}\right]\right)$
|
||||
>
|
||||
> 求 $f_X(x)$。
|
||||
|
||||
**解**:利用矩阵化或配方技巧可得 $f_X(x) = \dfrac{1}{\sqrt{2\pi}\sigma_1} e^{-(x-\mu_1)^2/(2\sigma_1^2)}$(正态 $N(\mu_1, \sigma_1^2)$)
|
||||
|
||||
> **口诀速记**:
|
||||
> - "**求边缘**:对另一变量积分到无穷"
|
||||
> - "**求条件**:联合除以边缘"
|
||||
> - "**求概率**:在区域上二重积分"
|
||||
@@ -0,0 +1,83 @@
|
||||
# 题型三:条件分布的计算
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 已知**联合分布** + 已知**条件事件** $Y = y_j$ 或 $X \in [a, b]$
|
||||
- 求**条件分布律** $P(X = x_i | Y = y_j)$ 或**条件密度** $f_{X|Y}(x|y)$
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:条件分布] --> B[求联合分布 f 或 pᵢⱼ]
|
||||
B --> C[求边缘 f_Y 或 p_ⱼ]
|
||||
C --> D["条件 = 联合/边缘"]
|
||||
D --> E{离散还是连续?}
|
||||
E -->|离散| F["P(X=xᵢ|Y=yⱼ) = pᵢⱼ/p_ⱼ"]
|
||||
E -->|连续| G["f_{X|Y}(x|y) = f(x,y)/f_Y(y)"]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、离散型条件分布律
|
||||
|
||||
$$
|
||||
P(X = x_i | Y = y_j) = \frac{p_{ij}}{p_{\cdot j}} = \frac{P(X=x_i, Y=y_j)}{P(Y=y_j)}
|
||||
$$
|
||||
|
||||
### 二、连续型条件密度
|
||||
|
||||
$$
|
||||
f_{X|Y}(x | y) = \frac{f(x, y)}{f_Y(y)}
|
||||
$$
|
||||
|
||||
### 三、条件分布函数
|
||||
|
||||
$$
|
||||
F_{X|Y}(x | y) = P(X \le x | Y = y) = \int_{-\infty}^x f_{X|Y}(u | y) \, du
|
||||
$$
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- 条件方向错误($X|Y$ vs $Y|X$)
|
||||
- 条件事件概率为 0 时公式失效
|
||||
- 离散型中 $P(Y = y_j) = 0$ 的点不能用条件概率
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:$(X, Y)$ 联合密度 $f(x, y) = \begin{cases} 4xy, & 0 \le x \le 1, 0 \le y \le 1 \\ 0, & \text{其他} \end{cases}$
|
||||
>
|
||||
> 求:(1) $f_{X|Y}(x|y)$;(2) $P(X \le 1/2 | Y = 1/2)$。
|
||||
|
||||
**解析**:
|
||||
|
||||
**(1) 条件密度**
|
||||
|
||||
先求 $f_Y(y) = \int_0^1 4xy \, dx = 2y$($0 \le y \le 1$)
|
||||
|
||||
$$f_{X|Y}(x|y) = \frac{4xy}{2y} = 2x, \quad 0 \le x \le 1$$
|
||||
|
||||
**(2) 条件概率**
|
||||
|
||||
$$P(X \le 1/2 | Y = 1/2) = \int_0^{1/2} 2x \, dx = x^2 \Big|_0^{1/2} = 1/4$$
|
||||
|
||||
**复盘**:本题中 $f_{X|Y}(x|y) = 2x$ **与 $y$ 无关** → 暗示 $X, Y$ 实际独立!可验证:$f_X(x) = \int_0^1 4xy \, dy = 2x$(与 $f_{X|Y}$ 一致)。
|
||||
|
||||
---
|
||||
|
||||
> **变式**:离散型。$(X, Y)$ 的联合分布律:
|
||||
|
||||
| X\Y | 0 | 1 |
|
||||
|-----|---|---|
|
||||
| 0 | 1/4 | 1/4 |
|
||||
| 1 | 1/4 | 1/4 |
|
||||
|
||||
求 $P(X = 0 | Y = 1)$。
|
||||
|
||||
**解**:$P(X=0|Y=1) = (1/4)/(1/4+1/4) = 1/2$
|
||||
|
||||
> **跨章节衔接**:条件分布是 Ch04 条件期望 $E(X|Y)$ 的基础,公式为 $E(X|Y=y) = \int x f_{X|Y}(x|y) dx$。
|
||||
|
||||
> **口诀速记**:
|
||||
> - "**条件分布 = 联合 / 条件边缘**"
|
||||
> - "**条件方向**:分子分母按条件方向配对"
|
||||
@@ -0,0 +1,84 @@
|
||||
# 题型四:随机变量的独立性判定
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 已知联合分布(律或密度)
|
||||
- 问 $X, Y$ 是否独立
|
||||
- 验证 $p_{ij} = p_{i\cdot} p_{\cdot j}$ 或 $f(x, y) = f_X(x) f_Y(y)$
|
||||
|
||||
## 解法决策
|
||||
|
||||
| 情形 | 判定方法 |
|
||||
|------|---------|
|
||||
| 已知联合密度 $f(x,y)$ | 求边缘后验证乘积 |
|
||||
| 已知联合分布律 $p_{ij}$ | 求边缘后验证乘积 |
|
||||
| 已知"独立"信息 | 直接用 $f(x,y) = f_X f_Y$ |
|
||||
| 二维正态 | 检查 $\rho$ |
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、连续型
|
||||
|
||||
1. 求 $f_X(x), f_Y(y)$
|
||||
2. 计算 $f_X(x) f_Y(y)$
|
||||
3. 比较 $f(x,y) \stackrel{?}{=} f_X(x) f_Y(y)$(**所有 $(x,y)$ 处**)
|
||||
|
||||
### 二、离散型
|
||||
|
||||
1. 求 $p_{i\cdot}, p_{\cdot j}$
|
||||
2. 检查 $p_{ij} = p_{i\cdot} p_{\cdot j}$(**所有 $(i,j)$ 处**)
|
||||
|
||||
> **快捷判定**:只需找一个 $(i, j)$ 使 $p_{ij} \ne p_{i\cdot} p_{\cdot j}$(或一个 $(x, y)$ 使 $f \ne f_X f_Y$)即可否定独立。
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目 1**:$f(x, y) = \begin{cases} 6 e^{-(2x+3y)}, & x \ge 0, y \ge 0 \\ 0, & \text{其他} \end{cases}$。判定 $X, Y$ 独立性。
|
||||
|
||||
**解析**:
|
||||
- $f_X(x) = \int_0^\infty 6 e^{-(2x+3y)} dy = 6 e^{-2x} \cdot \frac{1}{3} = 2 e^{-2x}$($x \ge 0$)
|
||||
- $f_Y(y) = 3 e^{-3y}$($y \ge 0$)
|
||||
- $f_X(x) f_Y(y) = 6 e^{-(2x+3y)} = f(x, y)$ ✓
|
||||
- **结论:$X, Y$ 独立**
|
||||
|
||||
---
|
||||
|
||||
> **题目 2**:$f(x, y) = \begin{cases} \frac{1}{2\pi} e^{-\sqrt{x^2+y^2}/2}, & \text{其他} \\ 0, & \text{其他} \end{cases}$(二维拉普拉斯型)。
|
||||
|
||||
判定 $X, Y$ 独立性。
|
||||
|
||||
**解析**:
|
||||
- 该密度是圆对称的 $f(r) = \frac{r}{2\pi} e^{-r/2}$ 的扩展形式
|
||||
- 因密度不能分离为 $f_X(x) f_Y(y)$ → **$X, Y$ 不独立**
|
||||
|
||||
> **常见错误**:以为"圆对称 = 独立"是错的!实际上二维正态的圆对称情形才独立。
|
||||
|
||||
---
|
||||
|
||||
> **题目 3**:$(X, Y)$ 的联合分布律
|
||||
|
||||
| X\Y | 1 | 2 |
|
||||
|-----|---|
|
||||
| 1 | 1/6 | 1/3 |
|
||||
| 2 | 1/3 | 1/6 |
|
||||
|
||||
判定 $X, Y$ 独立性。
|
||||
|
||||
**解析**:
|
||||
- $P(X=1) = 1/6 + 1/3 = 1/2$
|
||||
- $P(Y=1) = 1/6 + 1/3 = 1/2$
|
||||
- $P(X=1)P(Y=1) = 1/4$
|
||||
- $p_{11} = 1/6 \ne 1/4$
|
||||
- **结论:$X, Y$ 不独立**
|
||||
|
||||
---
|
||||
|
||||
> **题目 4**:二维正态 $(X, Y) \sim N(\mu_1, \mu_2, \sigma_1^2, \sigma_2^2, \rho)$。求 $X, Y$ 独立的充要条件。
|
||||
|
||||
**答案**:$\rho = 0$
|
||||
|
||||
> **跨章节衔接**:独立性的概念贯穿全章。它是 Ch04 协方差 $\text{Cov} = 0$ 的充分条件,是 Ch05 中心极限定理中"独立同分布"的前提。
|
||||
|
||||
> **口诀速记**:
|
||||
> - "**独立 = 联合可分解为边缘之积**"
|
||||
> - "**二维正态独立 $\iff \rho = 0$**"
|
||||
> - "**否定独立只需一个反例**"
|
||||
@@ -0,0 +1,90 @@
|
||||
# 题型五:二维均匀分布与正态分布
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 涉及**二维均匀分布**(区域 $D$ 上的均匀分布)
|
||||
- 涉及**二维正态分布** $N(\mu_1, \mu_2, \sigma_1^2, \sigma_2^2, \rho)$
|
||||
- 涉及二维正态的**条件分布**或**线性组合**
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、二维均匀分布
|
||||
|
||||
设 $(X, Y)$ 在区域 $D$(面积 $S_D$)上均匀分布:
|
||||
$$
|
||||
f(x, y) = \begin{cases} 1/S_D, & (x, y) \in D \\ 0, & \text{其他} \end{cases}
|
||||
$$
|
||||
|
||||
**核心结论**:
|
||||
- 边缘分布**不一定是均匀**(取决于 $D$ 的形状)
|
||||
- 独立 $\iff$ 联合密度可分解为 $f_X(x) f_Y(y)$
|
||||
- $P((X, Y) \in E) = \dfrac{S_{E \cap D}}{S_D}$
|
||||
|
||||
### 二、二维正态分布
|
||||
|
||||
$(X, Y) \sim N(\mu_1, \mu_2, \sigma_1^2, \sigma_2^2, \rho)$,联合密度:
|
||||
|
||||
$$
|
||||
f(x, y) = \frac{1}{2\pi \sigma_1 \sigma_2 \sqrt{1-\rho^2}} \exp\left(-\frac{1}{2(1-\rho^2)}\left[\frac{(x-\mu_1)^2}{\sigma_1^2} - \frac{2\rho(x-\mu_1)(y-\mu_2)}{\sigma_1\sigma_2} + \frac{(y-\mu_2)^2}{\sigma_2^2}\right]\right)
|
||||
$$
|
||||
|
||||
**5 个核心结论**:
|
||||
|
||||
| # | 结论 |
|
||||
|---|------|
|
||||
| 1 | **边缘**:$X \sim N(\mu_1, \sigma_1^2)$, $Y \sim N(\mu_2, \sigma_2^2)$(与 $\rho$ 无关!)|
|
||||
| 2 | **条件**:$Y|X \sim N\left(\mu_2 + \rho \frac{\sigma_2}{\sigma_1}(X-\mu_1), \sigma_2^2(1-\rho^2)\right)$ |
|
||||
| 3 | **线性组合**:$aX + bY \sim N(a\mu_1 + b\mu_2, a^2\sigma_1^2 + b^2\sigma_2^2 + 2ab\rho\sigma_1\sigma_2)$ |
|
||||
| 4 | **独立**:$X, Y$ 独立 $\iff \rho = 0$(充要条件) |
|
||||
| 5 | **不相关等价独立**:仅在二维正态下 $\rho = 0 \iff$ 独立 |
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:设 $(X, Y) \sim N(0, 0, 1, 1, 0.5)$。求:
|
||||
> (1) $f_X(x), f_Y(y)$;
|
||||
> (2) $X, Y$ 是否独立?
|
||||
> (3) $U = X + Y$ 的分布;
|
||||
> (4) $V = X - Y$ 的分布;
|
||||
> (5) $U, V$ 是否独立?
|
||||
|
||||
**解析**:
|
||||
|
||||
**(1)** $X \sim N(0, 1)$, $Y \sim N(0, 1)$(标准正态)
|
||||
|
||||
**(2)** $\rho = 0.5 \ne 0$ → **不独立**
|
||||
|
||||
**(3)** $U = X+Y$:
|
||||
- $E(U) = 0$
|
||||
- $D(U) = 1 + 1 + 2 \cdot 0.5 \cdot 1 \cdot 1 = 3$
|
||||
- $U \sim N(0, 3)$
|
||||
|
||||
**(4)** $V = X-Y$:
|
||||
- $E(V) = 0$
|
||||
- $D(V) = 1 + 1 - 2 \cdot 0.5 = 1$
|
||||
- $V \sim N(0, 1)$
|
||||
|
||||
**(5)** $U, V$ 是否独立?计算 $\text{Cov}(U, V) = \text{Cov}(X+Y, X-Y) = D(X) - D(Y) + \text{Cov}(Y,X) - \text{Cov}(X,Y) = 1 - 1 = 0$
|
||||
对二维正态而言,$\text{Cov} = 0 \iff$ 独立。但 $(U, V)$ 是否是二维正态?
|
||||
|
||||
实际上 $(U, V)$ 是 $(X, Y)$ 的线性变换,仍服从二维正态:$(U, V) \sim N(0, 0, 3, 1, 0)$($\rho' = \text{Cov}(U,V)/\sqrt{D(U)D(V)} = 0$)。
|
||||
→ **$U, V$ 独立**
|
||||
|
||||
**复盘**:二维正态的线性变换仍是二维正态,且新相关系数 $\rho' = \dfrac{a_1 a_2 \sigma_1^2 + b_1 b_2 \sigma_2^2 + (a_1 b_2 + a_2 b_1)\rho\sigma_1\sigma_2}{\sqrt{D(U)D(V)}}$。
|
||||
|
||||
---
|
||||
|
||||
> **变式**:$(X, Y)$ 在区域 $D: 0 \le x \le 1, x \le y \le 2x$ 上均匀分布。求 $f_X(x), f_Y(y)$,并判定独立性。
|
||||
|
||||
**解**:
|
||||
- $S_D = \int_0^1 (2x - x) dx = \int_0^1 x \, dx = 1/2$
|
||||
- $f(x, y) = 2$,$(x, y) \in D$
|
||||
- $f_X(x) = \int_x^{2x} 2 dy = 2x$($0 \le x \le 1$)
|
||||
- $f_Y(y) = ?$:固定 $y$,$x$ 的范围分两段
|
||||
- $y \in [0, 1]$:$x \in [y/2, y]$
|
||||
- $y \in [1, 2]$:$x \in [y/2, 1]$
|
||||
- 不独立(联合不等于边缘之积)
|
||||
|
||||
> **口诀速记**:
|
||||
> - "**二维正态独立 $\iff \rho = 0$**"
|
||||
> - "**二维正态的线性变换仍是二维正态**"
|
||||
> - "**二维均匀独立 $\iff$ 区域是矩形**"
|
||||
@@ -0,0 +1,91 @@
|
||||
# 题型六:两个随机变量和的分布(卷积公式)
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 求 $Z = X + Y$ 的分布(律或密度)
|
||||
- $X, Y$ 已知分布,可能独立或不独立
|
||||
- **卷积公式**应用
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:X+Y的分布] --> B{X,Y类型?}
|
||||
B -->|都是离散| C["P(Z=zₖ)=Σᵢp(xᵢ, zₖ-xᵢ)"]
|
||||
B -->|都是连续| D["f_Z(z)=∫f(x, z-x)dx"]
|
||||
B -->|混合| E[分情况讨论]
|
||||
D --> F{独立?}
|
||||
F -->|是| G["f_Z(z)=∫f_X(x)f_Y(z-x)dx"]
|
||||
F -->|否| H[用联合密度]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、离散型
|
||||
|
||||
$$
|
||||
P(Z = z_k) = \sum_{x_i + y_j = z_k} p_{ij}
|
||||
$$
|
||||
|
||||
### 二、连续型(卷积公式 ⭐)
|
||||
|
||||
**通用版**:
|
||||
$$
|
||||
f_Z(z) = \int_{-\infty}^{+\infty} f(x, z-x) \, dx
|
||||
$$
|
||||
|
||||
**独立版**:
|
||||
$$
|
||||
f_Z(z) = \int_{-\infty}^{+\infty} f_X(x) f_Y(z-x) \, dx
|
||||
$$
|
||||
|
||||
**三步法**:
|
||||
1. **换元**:把 $y$ 换为 $z-x$
|
||||
2. **定限**:找到 $f_X(x) f_Y(z-x) \ne 0$ 的 $x$ 范围
|
||||
3. **积分**:在该范围内积分
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:$X, Y$ 独立,$X \sim U(0,1)$, $Y \sim U(0,1)$。求 $Z = X+Y$ 的密度。
|
||||
|
||||
**解析**:
|
||||
|
||||
$f_X(x) = 1$($0 \le x \le 1$), $f_Y(y) = 1$($0 \le y \le 1$)
|
||||
|
||||
$f_Z(z) = \int_0^1 f_X(x) f_Y(z-x) dx = \int_0^1 f_Y(z-x) dx$
|
||||
|
||||
$f_Y(z-x) \ne 0$ 需要 $0 \le z-x \le 1$,即 $z-1 \le x \le z$。
|
||||
|
||||
结合 $0 \le x \le 1$,得积分限 $\max(0, z-1) \le x \le \min(1, z)$:
|
||||
|
||||
**情形 1**:$0 \le z \le 1$($\min(1, z) = z$, $\max(0, z-1) = 0$)
|
||||
$$f_Z(z) = \int_0^z 1 \, dx = z$$
|
||||
|
||||
**情形 2**:$1 \le z \le 2$($\min(1, z) = 1$, $\max(0, z-1) = z-1$)
|
||||
$$f_Z(z) = \int_{z-1}^1 1 \, dx = 2-z$$
|
||||
|
||||
**情形 3**:其他,$f_Z(z) = 0$
|
||||
|
||||
**结论**:$Z$ 是三角形分布($z \in [0, 2]$)。
|
||||
|
||||
**复盘**:本题演示卷积公式的**分段讨论**——积分限依赖 $z$ 的范围。这是卷积公式的核心难点。
|
||||
|
||||
---
|
||||
|
||||
> **变式 1**:$X, Y$ 独立,$X \sim E(\lambda)$, $Y \sim E(\lambda)$(相同参数指数)。求 $Z = X+Y$ 的分布。
|
||||
|
||||
**解**:
|
||||
- $f_X(x) = \lambda e^{-\lambda x}$($x > 0$), $f_Y(y) = \lambda e^{-\lambda y}$($y > 0$)
|
||||
- $f_Z(z) = \int_0^z \lambda e^{-\lambda x} \lambda e^{-\lambda(z-x)} dx = \int_0^z \lambda^2 e^{-\lambda z} dx = \lambda^2 z e^{-\lambda z}$($z > 0$)
|
||||
- 这是 **Gamma 分布** $Ga(2, \lambda)$
|
||||
|
||||
> **变式 2**:$X, Y$ 独立,$X \sim N(\mu_1, \sigma_1^2)$, $Y \sim N(\mu_2, \sigma_2^2)$。求 $Z = X+Y$ 的分布。
|
||||
|
||||
**解**:$Z \sim N(\mu_1 + \mu_2, \sigma_1^2 + \sigma_2^2)$(正态分布的可加性,无需卷积!)
|
||||
|
||||
> **跨章节衔接**:卷积公式在 Ch05 中心极限定理中用于推导"独立同分布的极限是正态"。
|
||||
|
||||
> **口诀速记**:
|
||||
> - "**卷积三步法**:换元 → 定限 → 积分"
|
||||
> - "**分段讨论**:积分限随 $z$ 变化"
|
||||
> - "**特殊情形速记**:均匀 + 均匀 = 三角形;指数 + 指数 = Gamma;正态 + 正态 = 正态"
|
||||
@@ -0,0 +1,103 @@
|
||||
# 题型七:最大最小值的分布
|
||||
|
||||
## 识别特征
|
||||
|
||||
- 求 $M = \max(X, Y)$ 或 $N = \min(X, Y)$ 的分布
|
||||
- **系统可靠性**问题(串联 = min,并联 = max)
|
||||
- **顺序统计量**雏形
|
||||
|
||||
## 解题流程
|
||||
|
||||
```mermaid
|
||||
flowchart TD
|
||||
A[识别:max/min] --> B{独立?}
|
||||
B -->|是| C[Fmax = F_X F_Y, Fmin = 1-(1-F_X)(1-F_Y)]
|
||||
B -->|否| D["Fmax = P(X≤z, Y≤z) 二重积分"]
|
||||
D --> E[用联合密度积分]
|
||||
```
|
||||
|
||||
## 通法步骤
|
||||
|
||||
### 一、$M = \max(X, Y)$(独立时)
|
||||
|
||||
$$
|
||||
F_M(z) = P(\max(X, Y) \le z) = P(X \le z, Y \le z) = F_X(z) \cdot F_Y(z)
|
||||
$$
|
||||
|
||||
$$
|
||||
f_M(z) = F_X'(z) F_Y(z) + F_X(z) F_Y'(z) = f_X(z) F_Y(z) + F_X(z) f_Y(z)
|
||||
$$
|
||||
|
||||
### 二、$N = \min(X, Y)$(独立时)
|
||||
|
||||
$$
|
||||
F_N(z) = P(\min(X, Y) \le z) = 1 - P(X > z, Y > z) = 1 - (1 - F_X(z))(1 - F_Y(z))
|
||||
$$
|
||||
|
||||
$$
|
||||
f_N(z) = f_X(z)(1 - F_Y(z)) + (1 - F_X(z)) f_Y(z)
|
||||
$$
|
||||
|
||||
### 三、不独立时
|
||||
|
||||
$$
|
||||
F_M(z) = P(X \le z, Y \le z) = \iint_{x \le z, y \le z} f(x, y) \, dx \, dy
|
||||
$$
|
||||
|
||||
## 常见陷阱
|
||||
|
||||
- max/min 公式要求 $X, Y$ **独立**!不独立时不能用
|
||||
- "**串联系统寿命** = min"(一个失效则整个失效)
|
||||
- "**并联系统寿命** = max"(全部失效则整个失效)
|
||||
|
||||
## 经典母题
|
||||
|
||||
> **题目**:两元件寿命 $X, Y$ 独立,均服从指数分布 $E(\lambda)$。求:
|
||||
> (1) 串联系统(min)的寿命分布;
|
||||
> (2) 并联系统(max)的寿命分布。
|
||||
|
||||
**解析**:
|
||||
|
||||
$F_X(z) = F_Y(z) = 1 - e^{-\lambda z}$($z \ge 0$)
|
||||
|
||||
**(1) 串联 = min**:
|
||||
$$F_N(z) = 1 - (1-F_X(z))(1-F_Y(z)) = 1 - e^{-2\lambda z}$$
|
||||
→ $N \sim E(2\lambda)$(参数翻倍的指数分布)
|
||||
|
||||
**(2) 并联 = max**:
|
||||
$$F_M(z) = F_X(z) F_Y(z) = (1 - e^{-\lambda z})^2$$
|
||||
$$f_M(z) = 2(1 - e^{-\lambda z}) \cdot \lambda e^{-\lambda z} = 2\lambda e^{-\lambda z}(1 - e^{-\lambda z})$$($z \ge 0$)
|
||||
|
||||
**复盘**:这是**系统可靠性**问题的标准模板。
|
||||
- 串联 = 各部件"谁先坏" → min
|
||||
- 并联 = 各部件"谁最后坏" → max
|
||||
|
||||
---
|
||||
|
||||
> **变式 1**:$X \sim U(0, 1)$, $Y \sim U(0, 2)$ 独立。求 $M = \max(X, Y)$ 的密度。
|
||||
|
||||
**解**:
|
||||
- $F_X(x) = x$($0 \le x \le 1$), $F_Y(y) = y/2$($0 \le y \le 2$)
|
||||
- $F_M(z)$ 分段:
|
||||
- $z \in [0, 1]$:$F_M(z) = z \cdot (z/2) = z^2/2$
|
||||
- $z \in [1, 2]$:$F_M(z) = 1 \cdot (z/2) = z/2$
|
||||
- $z \ge 2$:$F_M(z) = 1$
|
||||
- $f_M(z)$:
|
||||
- $z \in [0, 1]$:$f_M(z) = z$
|
||||
- $z \in [1, 2]$:$f_M(z) = 1/2$
|
||||
- 其他:$0$
|
||||
|
||||
---
|
||||
|
||||
> **变式 2**:$X, Y$ 独立同为 $U(0, 1)$。求 $M = \max$, $N = \min$ 的密度。
|
||||
|
||||
**解**:
|
||||
- $F_M(z) = z^2$($0 \le z \le 1$),$f_M(z) = 2z$
|
||||
- $F_N(z) = 1 - (1-z)^2 = 2z - z^2$,$f_N(z) = 2 - 2z = 2(1-z)$
|
||||
|
||||
> **跨章节衔接**:顺序统计量在 Ch06 参数估计中是核心(样本中位数 = 第二个顺序统计量)。
|
||||
|
||||
> **口诀速记**:
|
||||
> - "**max/min 公式仅适用于独立情形**"
|
||||
> - "**串联 = min,并联 = max**"
|
||||
> - "**指数 + 指数,串联参数翻倍**"
|
||||
Reference in New Issue
Block a user