Files

325 lines
14 KiB
Markdown
Raw Permalink Normal View History

---
tags: [数学一, 专项突破, 解析, 多维随机变量]
专题: 多维随机变量
日期: 2026-11-11
状态: 第二版 A 组解析,B/C 组见 03b 与 03c
关联笔记: ["[[02-试题]]", "[[01-考点地图]]", "[[03b-解析-中等]]"]
---
# 解析(基础)· 多维随机变量 A 组
**这一组虽然叫"核心动作",但每题都包在真实区域里**——只记住公式不够,还要把积分限写对。每题末尾的归因只指一处。
## 答案速查
| 题 | 核心答案 |
|---|---|
| A1 | $p_{10}=0.3$ ,$p_{11}=0.45$ ;$P\{X+Y=1\}=0.45$ ;$E(X\vert Y=1)=0.75$ |
| A2 | $c=\frac54$ ;$f_X=\frac58(1-x^4)$ ;$f_Y=\frac56(1+2y)\sqrt{1-y}$ ;不独立 |
| A3 | $Y$ 边缘 $\frac7{24},\frac{11}{24},\frac5{24},\frac1{24}$ ;$E(X\vert Y=1)=\frac{21}{11}$ ;$\operatorname{Cov}=\frac13$ ;$P\{X+Y=3\}=\frac5{24}$ |
| A4 | $f=\frac1{1-x}$ ;$f_Y=-\ln(1-y)$ ;$\operatorname{Cov}=\frac1{24}$ ;$1-\ln2$ |
| A5 | 独立 / 不独立 / 不独立 / 不独立 |
| A6 | 面积 $\frac13$ ,$f=3$ ;边缘 $3(\sqrt x-x^2)$ 型;$P\{Y<X\}=\frac12$ |
| A7 | $19$ 、$7$ 、$-5$ ;$P\{X<Y\}=\Phi(\frac1{\sqrt7})=0.6472$ ;$N(\frac34x+\frac54,\frac{27}4)$ |
| A8 | $\frac49$ ;$f_Z=z\ (0<z<1)$ 、$z-2\ (2<z<3)$ ;$EZ=\frac53$ ,$DZ=\frac{19}{18}$ |
| A9 | $f_M=e^{-z}+2e^{-2z}-3e^{-3z}$ ;$N\sim\mathrm{Exp}(3)$ ;$EM=\frac76$ |
| A10 | $f_{U,V}=\frac12$ (菱形);$f_{U\vert V}$ 是随 $v$ 变的均匀;不独立 |
| A11 | $0.2613$ ;$12.5\mathrm e^{-5}$ ;都不是均匀;是正态且独立 |
| A12 | $N(-\frac12,\frac12;\frac14,\frac14;0)$ ;$P\{X>0\}=0.1587$ ;$\frac12$ |
---
## A 组
### 题 A1 · 独立性给的是一个方程
**怎么想**:四个格子里只有一个自由度(三个边缘量定死第四格),所以"独立"这一个方程刚好能定一格。下手点是交叉相乘,不是套边缘公式——边缘里有未知量。
**解**:
(Ⅰ)独立性等价于 $p_{00}p_{11}=p_{01}p_{10}$ (第(Ⅲ)问证),代入
$$0.1\,p_{11}=0.15\,p_{10}\ \Longrightarrow\ p_{11}=1.5\,p_{10}.$$
又 $p_{00}+p_{01}+p_{10}+p_{11}=1$ ,即 $p_{10}+p_{11}=0.75$ ,故
$$p_{10}=0.3,\qquad p_{11}=0.45.$$
验:$P\{X=0\}=0.25$ ,$P\{Y=1\}=0.6$ ,$0.25\times0.6=0.15=p_{01}$ ✓。
(Ⅱ)$P\{X+Y=1\}=p_{01}+p_{10}=0.15+0.3=0.45$ 。
$P\{X=0\mid Y=1\}=\dfrac{0.15}{0.6}=0.25$ ,故 $P\{X=1\mid Y=1\}=0.75$ ,$E(X\mid Y=1)=0.75$ 。
(Ⅲ)若独立,则 $p_{ij}=p_{i\cdot}p_{\cdot j}$ ,于是
$$p_{00}p_{11}=p_{0\cdot}p_{\cdot0}\cdot p_{1\cdot}p_{\cdot1}=p_{01}p_{10}.$$
反之设 $p_{00}p_{11}=p_{01}p_{10}$ ,把 $p_{11}=1-p_{00}-p_{01}-p_{10}$ 代入,整理得
$$p_{00}=(p_{00}+p_{01})(p_{00}+p_{10})=p_{0\cdot}p_{\cdot0},$$
即 $P\{X=0,Y=0\}=P\{X=0\}P\{Y=0\}$ 。同一式子轮换即得其余三格,故独立。
> **归因**:A 类——把"独立"当成一项检验而不是一个可解的方程。表格题里"独立"是最强条件,能反解未知格子。
---
### 题 A2 · 抛物区域的边缘积分
**怎么想**:$0<y<1-x^2$ 蕴含 $-1<x<1$ ,支撑是开口向下的抛物线内部。求 $f_Y$ 时画横线,$x$ 从 $-\sqrt{1-y}$ 到 $\sqrt{1-y}$ ,不能只写 $0$ 到 $\sqrt{1-y}$ (漏左半)。
**解**:
(Ⅰ)$\displaystyle\iint_D(x^2+y)\,\mathrm dx\,\mathrm dy=\int_{-1}^{1}\int_0^{1-x^2}(x^2+y)\,\mathrm dy\,\mathrm dx=\int_{-1}^{1}\Big(\frac12-\frac{x^4}{2}\Big)\mathrm dx=\frac45.$
故 $c=\dfrac54$ 。
(Ⅱ)固定 $x\in(-1,1)$ :
$$f_X(x)=\frac54\int_0^{1-x^2}(x^2+y)\,\mathrm dy=\frac54\cdot\frac{1-x^4}{2}=\frac58(1-x^4).$$
验证:$\displaystyle\int_{-1}^{1}\frac58(1-x^4)\mathrm dx=\frac58\cdot\frac85=1$ ✓。
固定 $y\in(0,1)$ ,$x$ 的左右两支要一起算:
$$f_Y(y)=\frac54\int_{-\sqrt{1-y}}^{\sqrt{1-y}}(x^2+y)\,\mathrm dx=2\cdot\frac54\int_0^{\sqrt{1-y}}(x^2+y)\,\mathrm dx.$$
取 $s=\sqrt{1-y}$ ,$\int_0^s(x^2+y)\mathrm dx=\frac{s^3}{3}+ys=s\Big(\frac{1-y}{3}+y\Big)=\frac{s(1+2y)}{3}$ ,故
$$f_Y(y)=\frac52\cdot\frac{(1+2y)\sqrt{1-y}}{3}=\frac56(1+2y)\sqrt{1-y}.$$
(Ⅲ)支撑不是矩形($y$ 的上界含 $x$ ),**直接判不独立**,不用算乘积。
> **归因**:C 类——求 $f_Y$ 时只积右半支。支撑对 $y$ 轴对称时,横线是"穿过去"的,必须左右都算。
---
### 题 A3 · 条件分布律先乘后加
**怎么想**:$P\{X=i,Y=j\}=P\{X=i\}P\{Y=j\mid X=i\}$ ,一个 $\frac13$ 乘一个二项概率。四个 $i$ 共 $1+2+3+4=10$ 个格子。
**解**:
(Ⅰ)联合分布律(空白为 $0$ ):
| $X\backslash Y$ | $0$ | $1$ | $2$ | $3$ |
|---|---|---|---|---|
| $1$ | $\frac16$ | $\frac16$ | | |
| $2$ | $\frac1{12}$ | $\frac16$ | $\frac1{12}$ | |
| $3$ | $\frac1{24}$ | $\frac18$ | $\frac18$ | $\frac1{24}$ |
列和:$Y$ 取 $0,1,2,3$ 的概率依次为 $\frac7{24},\frac{11}{24},\frac5{24},\frac1{24}$ ,合计 $1$ ✓。
(Ⅱ)$P\{X=1\mid Y=1\}=\frac{1/6}{11/24}=\frac4{11}$ ,同理 $P\{X=2\mid Y=1\}=\frac4{11}$ ,$P\{X=3\mid Y=1\}=\frac3{11}$ ,
$$E(X\mid Y=1)=\frac{4+8+9}{11}=\frac{21}{11}.$$
(Ⅲ)$EX=2$ ;$EY=0\cdot\frac7{24}+1\cdot\frac{11}{24}+2\cdot\frac5{24}+3\cdot\frac1{24}=1$ 。
$E(XY)=E\big[X\,E(Y\mid X)\big]=E\Big[X\cdot\frac X2\Big]=\frac12EX^2=\frac12\cdot\frac{14}{3}=\frac73.$
$$\operatorname{Cov}(X,Y)=\frac73-2\cdot1=\frac13.$$
(Ⅳ)$P\{X+Y=3\}=P\{X=2,Y=1\}+P\{X=3,Y=0\}=\frac16+\frac1{24}=\frac5{24}.$
> **归因**:D 类——$E(XY)$ 逐格加权求和也能做,但用 $E[XE(Y\mid X)]$ 一行出结果。条件期望不只是求条件期望,它还是算 $EXY$ 的捷径。
---
### 题 A4 · 条件均匀的联合密度是常数
**怎么想**:$f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=1\cdot\frac1{1-x}$ 。注意 $f_Y$ 的积分限是 $x\in(0,y)$ ,因为 $x<y$ 。
**解**:
(Ⅰ)$f(x,y)=\dfrac{1}{1-x}$ ,$0<x<y<1$ 。
$$f_Y(y)=\int_0^y\frac{\mathrm dx}{1-x}=\Big[-\ln(1-x)\Big]_0^y=-\ln(1-y),\qquad 0<y<1.$$
(Ⅱ)$EX=\frac12$ ,$\displaystyle EY=\int_0^1 y\big[-\ln(1-y)\big]\mathrm dy=\frac34$ (令 $u=1-y$ 化成 $\int_0^1(-\ln u)\mathrm du-\int_0^1u(-\ln u)\mathrm du=1-\frac14$ )。
$$E(XY)=\int_0^1\!\!\int_x^1\frac{xy}{1-x}\,\mathrm dy\,\mathrm dx=\int_0^1\frac{x}{1-x}\cdot\frac{1-x^2}{2}\mathrm dx=\frac12\int_0^1 x(1+x)\mathrm dx=\frac{5}{12}.$$
$$\operatorname{Cov}(X,Y)=\frac5{12}-\frac12\cdot\frac34=\frac{5}{12}-\frac38=\frac1{24}.$$
(Ⅲ)$P\{X+Y\le1\}=\displaystyle\int_0^{1/2}\!\!\int_x^{1-x}\frac{\mathrm dy}{1-x}\mathrm dx=\int_0^{1/2}\frac{1-2x}{1-x}\mathrm dx.$
被积函数拆成 $2-\dfrac1{1-x}$ ,积分得
$$P\{X+Y\le1\}=\Big[2x+\ln(1-x)\Big]_0^{1/2}=1-\ln 2\approx0.3069.$$
> **归因**:B 类——条件密度求 $f_Y$ 时把积分限写成 $0$ 到 $1$ 。限来自"联合密度的支撑",不是边缘的支撑。
---
### 题 A5 · 四个判据各管一段
**怎么想**:先看支撑是否矩形,再看密度是否可分离。两关都过才敢说独立;任一关不过,只是"这条判据用不上",还要回到定义比一格。
**解**:
(Ⅰ)支撑是单位正方形(矩形),$f=4x\cdot y$ 可分离,且 $f_X=2x$ 、$f_Y=2y$ 、乘起来正是 $f$ ,**独立**。
(Ⅱ)支撑 $0<y<x<1$ 是三角形,**不独立**(这条不用算)。
(Ⅲ)支撑是矩形,但 $f=\frac65(x+y^2)$ 分不开。算边缘:$f_X(x)=\frac65\big(x+\frac13\big)$ ,$f_Y(y)=\frac65\big(y^2+\frac12\big)$ ,乘积 $\frac{36}{25}\big(x+\frac13\big)\big(y^2+\frac12\big)\ne f$ ,**不独立**。
(Ⅳ)支撑是圆盘(非矩形),**不独立**。
哪几个不用算:**(Ⅱ)和(Ⅳ)**,依据"支撑非矩形"。**(Ⅲ)必须算**——支撑是矩形却不可分离,这时判据失效,只能比一格,而结论恰好还是不独立,所以这题最容易被"不可分离就独立不了"这种半对的说法蒙对。
> **归因**:A 类——把"不可分离"当成"不独立"的充分条件。正确逻辑是:可分离 $+$ 矩形 $\Rightarrow$ 独立;不可分离 $\Rightarrow$ 该判据失效,须回到定义。
---
### 题 A6 · 均匀分布用面积比
**怎么想**:区域均匀的两件事——$f=\frac1{S_D}$ ,概率 $=\frac{S_{G\cap D}}{S_D}$ 。$P\{Y<X\}$ 完全不用积分。
**解**:
(Ⅰ)$S_D=\displaystyle\int_0^1(\sqrt x-x^2)\mathrm dx=\frac23-\frac13=\frac13$ ,故 $f(x,y)=3$ 在 $D$ 内。
(Ⅱ)竖线:$y$ 从 $x^2$ 到 $\sqrt x$ ,$f_X(x)=3(\sqrt x-x^2)$ ,$0<x<1$ 。
横线:由 $x^2<y<\sqrt x$ 反解出 $y^2<x<\sqrt y$ ,故 $f_Y(y)=3(\sqrt y-y^2)$ ,$0<y<1$ (与 $f_X$ 同形,因为区域关于 $y=x$ 对称)。
(Ⅲ)$D$ 内满足 $y<x$ 的部分:$y\in(x^2,x)$ ,因为 $x^2<x<\sqrt x$ 在 $(0,1)$ 上恒成立。其面积
$$\int_0^1(x-x^2)\mathrm dx=\frac12-\frac13=\frac16,$$
故 $P\{Y<X\}=3\times\frac16=\frac12$ 。(也可由区域对称直接看出。)
> **归因**:C 类——$P\{Y<X\}$ 硬算二重积分。均匀分布下先想面积比,能省三四行,还不容易积错。
---
### 题 A7 · 差的分布与对称轴
**怎么想**:$\sigma_1=2$ 、$\sigma_2=3$ 、$\operatorname{Cov}=0.5\times2\times3=3$ 。$P\{X<Y\}$ 化成 $P\{Y-X>0\}$ ,只用一个正态。
**解**:
(Ⅰ)$D(X+Y)=4+9+2\cdot3=19$ ,$D(X-Y)=4+9-2\cdot3=7$ ,
$$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY=4-9=-5.$$
(Ⅱ)$Y-X\sim N(2-1,\ 7)=N(1,7)$ ,
$$P\{X<Y\}=P\{Y-X>0\}=\Phi\Big(\frac{1}{\sqrt7}\Big)=\Phi(0.378)=0.6472.$$
(Ⅲ)$Y\mid X=x\sim N\Big(2+0.5\cdot\frac32(x-1),\ 9(1-0.25)\Big)=N\Big(\frac34x+\frac54,\ \frac{27}{4}\Big).$
> **归因**:B 类——$P\{X<Y\}$ 写成 $1-\Phi(\cdot)$ 方向搞反。判方向:$E(Y-X)=1>0$ ,所以 $Y$ 多半更大,概率应 $>0.5$ 。
---
### 题 A8 · 离散把连续劈成两段
**怎么想**:$Z=X+Y$ 的两个可能来源:$X=0$ 给 $f_Y(z)$ ,$X=1$ 给 $f_Y(z-2)$ ,各带权重 $\frac12$ 。支撑是 $(0,1)\cup(2,3)$ ,中间 $(1,2)$ 是空的。
**解**:
(Ⅰ)$EY=\displaystyle\int_0^12y^2\mathrm dy=\frac23$ ,$P\{Y\le EY\}=\int_0^{2/3}2y\,\mathrm dy=\frac49.$
(Ⅱ)
$$f_Z(z)=\frac12f_Y(z)+\frac12f_Y(z-2)=\begin{cases}z, & 0<z<1,\\[2pt] z-2, & 2<z<3,\\[2pt] 0, & \text{其他}.\end{cases}$$
(Ⅲ)$EZ=EX+EY=1+\frac23=\frac53$ 。$DX=1$ ($X$ 取 $0,2$ 各半,$EX=1$ ,$DX=1$ )。
$EY^2=\int_0^12y^3\mathrm dy=\frac12$ ,$DY=\frac12-\frac49=\frac1{18}$ ,故 $DZ=DX+DY=1+\frac{1}{18}=\frac{19}{18}$ 。
> **归因**:D 类——只写 $z\in(0,1)$ 那一段。离散型变量把连续变量的支撑**平移复制**,有几段全看离散变量取几个值。
---
### 题 A9 · 异参数指数的最值
**怎么想**:$F_{\max}$ 直接乘,但**不要**对 $F^{n}$ 套 $U(0,1)$ 的 $\frac{n}{n+1}$ ——那是同分布专用。这里用 $E(M+N)=EX+EY$ 反推 $EM$ ,比积分快得多。
**解**:
(Ⅰ)$F_M(z)=(1-\mathrm e^{-z})(1-\mathrm e^{-2z})$ ,$z>0$ ,求导
$$f_M(z)=\mathrm e^{-z}(1-\mathrm e^{-2z})+2\mathrm e^{-2z}(1-\mathrm e^{-z})=\mathrm e^{-z}+2\mathrm e^{-2z}-3\mathrm e^{-3z}.$$
(Ⅱ)$P\{N>z\}=P\{X>z\}P\{Y>z\}=\mathrm e^{-z}\cdot\mathrm e^{-2z}=\mathrm e^{-3z}$ ,故 $N\sim\mathrm{Exp}(3)$ ,$EN=\frac13$ 。
(Ⅲ)$EM=\displaystyle\int_0^\infty z\,\big(\mathrm e^{-z}+2\mathrm e^{-2z}-3\mathrm e^{-3z}\big)\mathrm dz=1+2\cdot\frac14-3\cdot\frac19=\frac76.$
验证:$E(M+N)=\frac76+\frac13=\frac32$ ,而 $EX+EY=1+\frac12=\frac32$ ✓。
> **归因**:B 类——把 $N$ 当成 $\mathrm{Exp}(1)$ 或 $\mathrm{Exp}(2)$ 。取 $\min$ 后参数是**相加**的,$\lambda_1+\lambda_2$ 。
---
### 题 A10 · 换元后支撑才是重点
**怎么想**:$|J|=\frac12$ 是常数,说明 $(U,V)$ 在**变换后的区域**上均匀。区域由 $0<x<1$ 、$0<y<1$ 换元得到:$|v|<1$ 且 $|v|<u<2-|v|$ ,是个菱形。
**解**:
(Ⅰ)$x=\frac{u+v}{2}$ ,$y=\frac{u-v}{2}$ ,$J=\dfrac{\partial(x,y)}{\partial(u,v)}=-\dfrac12$ ,$|J|=\frac12$ ,
$$f_{U,V}(u,v)=\frac12,\qquad \vert v\vert<1,\quad \vert v\vert<u<2-\vert v\vert .$$
(Ⅱ)先求 $f_V$ :固定 $v$ ,$u$ 的区间长 $(2-|v|)-|v|=2-2|v|$ ,
$$f_V(v)=\frac12(2-2\vert v\vert)=1-\vert v\vert,\qquad \vert v\vert<1 .$$
于是
$$f_{U\mid V}(u\mid v)=\frac{1/2}{1-\vert v\vert}=\frac{1}{2(1-\vert v\vert)},\qquad \vert v\vert<u<2-\vert v\vert .$$
(Ⅲ)条件密度含 $v$ (区间随 $v$ 变),故 $U$ 与 $V$ **不独立**。也可以直接说支撑不是矩形。
> **归因**:A 类——只换密度不换支撑。雅可比三步里第三步(支撑换元)最难,也最常漏。
---
### 题 A11 · 可加性什么时候失效
**怎么想**:可加性只对四类分布成立,且要求独立。第(Ⅲ)(Ⅳ)两问专门打"以为都能加"的人。
**解**:
(Ⅰ)$X+Y\sim B(7,0.4)$ ,
$$P\{X+Y=2\}=\binom72(0.4)^2(0.6)^5=21\times0.16\times0.07776=0.2613.$$
(Ⅱ)$X+Y\sim P(5)$ ,$P\{X+Y=2\}=\mathrm e^{-5}\dfrac{5^2}{2!}=12.5\,\mathrm e^{-5}\approx0.0842$ 。
(Ⅲ)都不是。$X+Y$ 的密度是三角形 $f(z)=z\ (0<z<1)$ 、$2-z\ (1<z<2)$ ;$X-Y$ 的支撑是 $(-1,1)$ ,密度是 $1-|z|$ 。两者都不是常数。
(Ⅳ)$X+Y\sim N(0,3)$ (联合正态的线性组合仍是正态,**不需要独立**)。
$$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY+0=1-1=0,$$
而 $(X+Y,\ X-Y)$ 仍服从二维正态,故二者**独立**。
> **归因**:A 类——认为"不独立就不能用可加性"。正态的可加性只要求**联合正态**,不要求独立;而"不相关 $\Rightarrow$ 独立"这条只在二维正态下成立,这里正好用上。
---
### 题 A12 · 从标准正态分布函数里读出参数
**怎么想**:$\Phi(2x+1)=\Phi\Big(\dfrac{x-(-1/2)}{1/2}\Big)$ ,把括号里配成 $\frac{x-\mu}{\sigma}$ 就一次读出 $\mu,\sigma$ 。两个因子相乘且各自只含一个变量 $\Rightarrow$ 独立。
**解**:
(Ⅰ)$X\sim N\Big(-\frac12,\frac14\Big)$ ,$Y\sim N\Big(\frac12,\frac14\Big)$ ,且 $F=F_XF_Y$ ,故 $\rho=0$ ,
$$(X,Y)\sim N\Big(-\frac12,\ \frac12;\ \frac14,\ \frac14;\ 0\Big).$$
(Ⅱ)$\sigma^2=\frac14$ ,$\dfrac{1}{2\pi\sigma^2}=\dfrac{2}{\pi}$ ,$2\sigma^2=\dfrac12$ ,
$$f(x,y)=\frac{2}{\pi}\exp\Big\{-2\Big(x+\frac12\Big)^2-2\Big(y-\frac12\Big)^2\Big\}.$$
(Ⅲ)$P\{X>0\}=1-\Phi\Big(\dfrac{0+1/2}{1/2}\Big)=1-\Phi(1)=0.1587$ 。
$X+Y\sim N\Big(-\frac12+\frac12,\ \frac14+\frac14\Big)=N\Big(0,\frac12\Big)$ ,故 $P\{X+Y>0\}=\frac12$ 。
> **归因**:C 类——$P\{X>0\}$ 忘记标准化。$\Phi$ 里的系数要先"除进去"变成 $\sigma$ ,再套 $1-\Phi(\cdot)$ 。