Files
MathNotesVersion1/公式笔记/概率论/Ch03_多维随机变量及其分布/题型5_二维均匀分布与正态分布.md
T
2026-10-04 11:44:56 +08:00

90 lines
3.3 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
# 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**"