Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/04-点3-二维连续型与两类分布.md
T

282 lines
15 KiB
Markdown
Raw Normal View History

---
tags: [数学一, 在学练习, 概率论, 多维随机变量, 二维连续型, 二维正态]
专题: 概率论 第3讲 · 点3 二维连续型与两类特殊分布
日期: 2026-11-07
状态: 知识点带题(3.1 联合密度、3.2 边缘密度、3.3 条件密度、3.4 均匀、3.5 二维正态,共 4 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 3 二维连续型与两类特殊分布
> 真题锚点:2016·22(二维均匀)、2023·22(二维连续型)、2019·8 与 2022·10(二维正态)|重要度 ★★★
> 依赖:点 1 的边缘与条件定义。盘点对应:§3 全节。
**组织原则**:连续型比离散型多出来的唯一难点是**定限**。所以四道题分别压三件事:归一化与区域概率、边缘密度的分段、条件密度的"族"、以及二维正态的六条结论。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 3 题。
## 知识点 3.1 联合概率密度(出处:[知识章 §7.1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$$f(x,y)\ge0,\qquad \int_{-\infty}^{+\infty}\!\!\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dx\mathrm dy=1,$$
$$F(x,y)=\int_{-\infty}^{x}\!\!\int_{-\infty}^{y}f(u,v)\,\mathrm dv\,\mathrm du,\qquad P\{(X,Y)\in D\}=\iint_D f(x,y)\,\mathrm d\sigma .$$
**与一维的唯一区别**:$P\{X=a,Y=b\}=0$ ,所以"$\le$ 与 $<$ "在连续型里随便换;但**积分域必须是题目给的那个区域**,不能默认矩形。
## 知识点 3.2 边缘密度与分段(出处:[知识章 §7.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dy .$$
**定限三步**:① 画出支撑集 $D$ ;② 固定 $x$ 画一条竖线,看它穿过 $D$ 的那一段 $[y_1(x),y_2(x)]$ ;③ 若 $y_1,y_2$ 的表达式随 $x$ 换段,就**按 $x$ 分段**写。
> **判据**:只要支撑不是"矩形",边缘密度就一定是**分片函数或非均匀函数**。看到题目给的 $D$ 是三角形、圆、$0<y<x$ ,先默认"边缘要分段"。
## 知识点 3.3 条件密度(出处:[知识章 §7.3](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$$f_{Y\mid X}(y\mid x)=\frac{f(x,y)}{f_X(x)},\qquad f_X(x)>0 .$$
**两条恒等式**:联合 $=$ 边缘 $\times$ 条件(永远成立);$X\perp Y\iff f_{Y\mid X}(y\mid x)=f_Y(y)$ 。
**贝叶斯(密度版)**:$f_{X\mid Y}(x\mid y)=\dfrac{f_{Y\mid X}(y\mid x)f_X(x)}{f_Y(y)}$ 。
## 知识点 3.4 二维均匀分布(出处:[知识章 §7.4](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$D$ 有界、面积 $S_D$ :
$$f(x,y)=\frac{1}{S_D}\ ({(x,y)\in D}),\qquad P\{(X,Y)\in G\}=\frac{S_{D\cap G}}{S_D}.$$
**两条结论**:① 一切概率都是**面积比**;② **$X\perp Y\iff D$ 是边平行于坐标轴的矩形**。
## 知识点 3.5 二维正态分布(出处:[知识章 §7.5](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
记 $(X,Y)\sim N(\mu_1,\mu_2;\sigma_1^2,\sigma_2^2;\rho)$ 。**六条必背结论**:
1. 边缘:$X\sim N(\mu_1,\sigma_1^2)$ 、$Y\sim N(\mu_2,\sigma_2^2)$ ,**与 $\rho$ 无关**;
2. 线性组合:$aX+bY\sim N\!\left(a\mu_1+b\mu_2,\ a^2\sigma_1^2+b^2\sigma_2^2+2ab\rho\sigma_1\sigma_2\right)$ ;
3. 条件:$Y\mid X=x\sim N\!\left(\mu_2+\rho\dfrac{\sigma_2}{\sigma_1}(x-\mu_1),\ \sigma_2^2(1-\rho^2)\right)$ ;
4. **独立与 $\rho=0$ 等价**(只对二维正态成立);
5. $\rho=0$ 时联合密度 $=$ 两个边缘密度之积;
6. $X+Y$ 与 $X-Y$ 独立 $\iff\sigma_1^2=\sigma_2^2$ 。
---
## 题目(按知识点顺序对应)
### 题 1 · 3.1:归一化与区域概率(★☆☆)
> 设 $(X,Y)$ 的联合密度为
>
> $$f(x,y)=\begin{cases}A(x+y),&0<x<1,\ 0<y<1\\[2pt]0,&\text{其他}\end{cases}$$
>
> (Ⅰ)求 $A$ ;
> (Ⅱ)求 $P\{X+Y<1\}$ ;
> (Ⅲ)求 $P\{X=Y\}$ 。
**怎么想**:(Ⅰ)在单位正方形上积 $x+y$ ,注意 $\int_0^1x\,\mathrm dx=\frac12$ 与 $\int_0^1y\,\mathrm dy=\frac12$ 各出现一次。(Ⅱ)积分域是三角形,**先画出来**再定限。(Ⅲ)是"一条线",面积为零。
**解**:
**(Ⅰ)**
$$\int_0^1\!\!\int_0^1(x+y)\,\mathrm dx\mathrm dy=\int_0^1\left(\frac12+y\right)\mathrm dy=\frac12+\frac12=1,$$
故 $A=1$ 。
**(Ⅱ)** 区域 $0<x<1$ 、$0<y<1-x$ :
$$P\{X+Y<1\}=\int_0^1\!\!\int_0^{1-x}(x+y)\,\mathrm dy\,\mathrm dx=\int_0^1\left[x(1-x)+\frac{(1-x)^2}{2}\right]\mathrm dx .$$
括号内通分:$x(1-x)+\frac{(1-x)^2}{2}=\frac{1-x}{2}\left[2x+(1-x)\right]=\frac{1-x^2}{2}$ ,故
$$P\{X+Y<1\}=\frac12\int_0^1\left(1-x^2\right)\mathrm dx=\frac12\cdot\frac23=\frac13 .$$
**(Ⅲ)** $\{X=Y\}$ 是平面上的一条线段,面积为 $0$ ,而连续型对零面积集积分为 $0$ ,故 $P\{X=Y\}=0$ 。
**验算(换序积分)**:先对 $x$ 积分,$x$ 的区间是 $(0,1-y)$ :
$$\int_0^1\!\!\int_0^{1-y}(x+y)\,\mathrm dx\,\mathrm dy=\int_0^1\left[\frac{(1-y)^2}{2}+y(1-y)\right]\mathrm dy=\int_0^1\frac{1-y^2}{2}\,\mathrm dy=\frac13\ ✓$$
> **顺带堵一个误用**:本题 $f(x,y)=x+y$ 满足 $f(x,y)=f(y,x)$ ,只能推出 $X$ 与 $Y$ **同分布**,**推不出** $P\{X+Y<1\}=\frac12$ 。要得到"对半分",需要 $f(x,y)=f(1-x,1-y)$ ,而本题在该变换下变成 $2-x-y\ne x+y$ ,不成立。
**带走结论**:**连续型对"线""点"的概率一律为零**;而区域概率必须先画出积分域再定限,别指望对称性偷懒——对称性只在密度本身对称时成立。
> **关联** · 盘点 [§3.1 联合概率密度](01-知识点盘点.md#user-content-31-联合概率密度) | 上游 — | 下游 — | 速查 [二 边缘密度的定限](09-速查卡.md#user-content-二-边缘密度的定限)
---
### 题 2 · 3.2:圆域均匀的边缘与矩形判据(★★☆)
> 设 $(X,Y)$ 在四分之一圆盘 $D=\{(x,y):x^2+y^2\le1,\ x\ge0,\ y\ge0\}$ 上服从均匀分布。
>
> (Ⅰ)写出联合密度;
> (Ⅱ)求边缘密度 $f_X(x)$ ,并说明它的形状为什么不是常数;
> (Ⅲ)求 $P\{X<Y\}$ 与 $P\left\{X^2+Y^2\le\frac14\right\}$ ;
> (Ⅳ)判断 $X$ 与 $Y$ 是否独立。
**怎么想**:先算面积 $\frac{\pi}{4}$ 。边缘密度的上限是 $\sqrt{1-x^2}$ (活动端点),这就是它变成半圆形的来源。第三问用面积比,第四问用"矩形判据"——**支撑不是矩形,直接判不独立**。
**解**:
**(Ⅰ)** $S_D=\frac14\pi\cdot1^2=\frac{\pi}{4}$ ,
$$f(x,y)=\begin{cases}\dfrac{4}{\pi},&x^2+y^2\le1,\ x\ge0,\ y\ge0\\[4pt]0,&\text{其他}\end{cases}$$
**(Ⅱ)** 固定 $x\in(0,1)$ ,$y$ 从 $0$ 到 $\sqrt{1-x^2}$ :
$$f_X(x)=\int_0^{\sqrt{1-x^2}}\frac{4}{\pi}\,\mathrm dy=\frac{4}{\pi}\sqrt{1-x^2},\qquad 0<x<1 .$$
形状解释:**竖线越靠右,穿过圆盘的那一段越短**,所以 $f_X$ 随 $x$ 增大而递减——这正是圆弧边界的痕迹。若 $D$ 是正方形,则每一条竖线等长,$f_X$ 才是常数。
**归一化自检**:$\frac4\pi\int_0^1\sqrt{1-x^2}\,\mathrm dx=\frac4\pi\cdot\frac\pi4=1$ ✓。
**(Ⅲ)** 由对称性,$D$ 关于 $y=x$ 对称且 $f$ 为常数,故
$$P\{X<Y\}=\frac12 .$$
内切四分之一圆 $x^2+y^2\le\frac14$ 完全含于 $D$ ,面积 $\frac14\pi\left(\frac12\right)^2=\frac{\pi}{16}$ :
$$P\left\{X^2+Y^2\le\frac14\right\}=\frac{\pi/16}{\pi/4}=\frac14 .$$
**(Ⅳ)** **不独立**。理由:支撑 $D$ 是四分之一圆盘,**不是边平行于坐标轴的矩形**。若要硬证:
$$f_X(x)f_Y(y)=\frac{16}{\pi^2}\sqrt{1-x^2}\sqrt{1-y^2}\ne\frac4\pi=f(x,y)\quad(\text{在 }D\text{ 内部}) .$$
**带走结论**:**圆域均匀一定不独立**,而且边缘密度带根号、带分段——这两件事是同一个原因:活动端点 $\sqrt{1-x^2}$ 。看到根号边缘,就该想到"支撑是曲线围成的"。
> **关联** · 盘点 [§3.2 边缘密度](01-知识点盘点.md#user-content-32-边缘密度) | 上游 — | 下游 — | 速查 [二 边缘密度的定限](09-速查卡.md#user-content-二-边缘密度的定限)
---
### 题 3 · 3.3:条件密度与"族"的含义(★★☆)
> 设 $(X,Y)$ 在 $D=\{(x,y):0<y<x<1\}$ 上服从均匀分布(即联合密度为 $2$ )。
>
> (Ⅰ)求 $f_{Y\mid X}(y\mid x)$ 与 $f_{X\mid Y}(x\mid y)$ ;
> (Ⅱ)说明两者的支撑分别是什么,并解释"条件密度是一族密度";
> (Ⅲ)求 $P\left\{Y<\frac12\ \middle|\ X=\frac34\right\}$ 。
**怎么想**:$f_{Y\mid X}$ 是"固定 $x$ 切一刀"得到的;$f_{X\mid Y}$ 是"固定 $y$ 切一刀"。两刀的切片长度不同,所以两个条件密度一个是 $\frac1x$ 、一个是 $\frac{1}{1-y}$ ,**形状完全不同**——这就是"族"的具体含义。
**解**:
**(Ⅰ)** 先把两个边缘算出来(点 1 题 3 已算过):
$$f_X(x)=2x\ (0<x<1),\qquad f_Y(y)=2(1-y)\ (0<y<1).$$
于是
$$f_{Y\mid X}(y\mid x)=\frac{2}{2x}=\frac1x,\quad 0<y<x;\qquad f_{X\mid Y}(x\mid y)=\frac{2}{2(1-y)}=\frac{1}{1-y},\quad y<x<1 .$$
**(Ⅱ)** 支撑分别是 $(0,x)$ 与 $(y,1)$ :
$$Y\mid X=x\ \sim\ U(0,x),\qquad X\mid Y=y\ \sim\ U(y,1).$$
"族"的含义:**每给定一个 $x$ ,就得到一条新的密度曲线**。给定 $x=\frac14$ 时 $Y\mid X=\frac14$ 是 $U\!\left(0,\frac14\right)$ ;给定 $x=\frac34$ 时变成 $U\!\left(0,\frac34\right)$ 。**分布类型(均匀)不变,参数(区间右端)随 $x$ 变**。这与点 1 题 4 的"形状不变、起点平移"是同一件事的两种表现。
**(Ⅲ)** 取 $x=\frac34$ ,条件分布是 $U\!\left(0,\frac34\right)$ :
$$P\left\{Y<\frac12\ \middle|\ X=\frac34\right\}=\frac{1/2}{3/4}=\frac23 .$$
**验算**:条件密度在 $(0,\frac34)$ 上积分为 $\frac43\cdot\frac34=1$ ✓;题干中 $\frac12<\frac34$ ,所以概率小于 $1$ 且等于区间长度比 ✓。
**带走结论**:**条件密度的分母是"切片的边缘值",所以切片越靠近边界,条件分布越集中**。求条件概率时,只要认出条件分布是均匀,就是**长度比**,不必积分。
> **关联** · 盘点 [§3.3 条件密度](01-知识点盘点.md#user-content-33-条件密度) | 上游 — | 下游 — | 速查 —
---
### 题 4 · 3.5:二维正态的六条结论(★★☆)
> 设 $(X,Y)\sim N(0,0;1,4;\rho)$ ,其中 $\rho=\frac12$ 。
>
> (Ⅰ)写出 $X$ 、$Y$ 的边缘分布;
> (Ⅱ)求 $X+Y$ 的分布与 $P\{X+Y>0\}$ ;
> (Ⅲ)求条件分布 $Y\mid X=x$ ;
> (Ⅳ)判断 $X+Y$ 与 $X-Y$ 是否独立,并说明与"$\sigma_1=\sigma_2$ "的关系。
**怎么想**:四问对应六条结论里的四条。第(Ⅱ)问用线性组合公式,注意交叉项 $2ab\rho\sigma_1\sigma_2$ ;第(Ⅲ)问套条件期望与条件方差;第(Ⅳ)问先算 $\operatorname{Cov}$ ,再依赖"联合正态 + 不相关 $\Rightarrow$ 独立"。
**解**:
**(Ⅰ)** 边缘与 $\rho$ 无关:
$$X\sim N(0,1),\qquad Y\sim N(0,4).$$
**(Ⅱ)** $a=b=1$ ,$\mu_1=\mu_2=0$ :
$$D(X+Y)=\sigma_1^2+\sigma_2^2+2\rho\sigma_1\sigma_2=1+4+2\cdot\frac12\cdot1\cdot2=7 .$$
故 $X+Y\sim N(0,7)$ ,标准化:
$$P\{X+Y>0\}=1-\Phi(0)=\frac12 .$$
(**零均值对称,不必查表**。)
**(Ⅲ)** $\mu_2+\rho\dfrac{\sigma_2}{\sigma_1}(x-\mu_1)=0+\dfrac12\cdot\frac21\cdot x=x$ ,方差
$$\sigma_2^2(1-\rho^2)=4\left(1-\frac14\right)=3,$$
故
$$Y\mid X=x\ \sim\ N(x,3).$$
**(Ⅳ)** 先算协方差(用到 $\operatorname{Cov}(X,X)=DX=1$ 、$\operatorname{Cov}(Y,Y)=4$ 、$\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=1$ ):
$$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY+\operatorname{Cov}(Y,X)-\operatorname{Cov}(X,Y)=1-4+1-1=-3\ne0 .$$
故两者**相关**;又 $(X+Y,X-Y)$ 是 $(X,Y)$ 的线性变换,仍服从二维正态,而正态下不相关 $\iff$ 独立,所以**不独立**。
一般结论:$\operatorname{Cov}(X+Y,X-Y)=\sigma_1^2-\sigma_2^2$ ,故
$$X+Y\perp X-Y\iff\sigma_1^2=\sigma_2^2 .$$
本题 $1\ne4$ ,不独立 ✓。
**验算**:$D(X+Y)=7$ 、$D(X-Y)=1+4-2\cdot1=3$ ;$D(X+Y)+D(X-Y)=10=2(DX+DY)=2\cdot5$ ✓(因为交叉项相消)。再由 $\operatorname{Cov}^2\le D(X+Y)D(X-Y)$ 检验:$(-3)^2=9\le7\times3=21$ ✓。
**带走结论**:**"二维正态"这四个字一出现,独立与不相关就可以互相替换**;而 $X+Y$ 与 $X-Y$ 的独立性判据是**方差是否相等**,与 $\rho$ 无关。
> **关联** · 盘点 [§3.5 二维正态分布](01-知识点盘点.md#user-content-35-二维正态分布) | 上游 — | 下游 — | 速查 [四 二维正态六条](09-速查卡.md#user-content-四-二维正态六条)
---
### 题 5 · 3.4:矩形支撑才独立(★☆☆)
> 设 $(X,Y)$ 在矩形 $D=\{(x,y):0<x<2,\ 0<y<1\}$ 上服从均匀分布。
>
> (Ⅰ)写出联合密度与两个边缘密度,并判断独立性;
> (Ⅱ)用面积比求 $P\left\{X<1,\ Y<\frac12\right\}$ ;
> (Ⅲ)若把 $D$ 换成三角形 $T=\{0<y<x<2\}$ (仍均匀),判断独立性是否改变。
**怎么想**:矩形的面积是 $2$ ,密度是 $\frac12$ 。矩形支撑下"可分离 + 矩形"两条都满足,必独立。第三问只改支撑形状,看判据怎么变。
**解**:
**(Ⅰ)** $S_D=2\times1=2$ ,故
$$f(x,y)=\frac12\quad(0<x<2,\ 0<y<1).$$
边缘:
$$f_X(x)=\int_0^1\frac12\,\mathrm dy=\frac12\ (0<x<2);\qquad f_Y(y)=\int_0^2\frac12\,\mathrm dx=1\ (0<y<1).$$
$$f_X(x)f_Y(y)=\frac12\cdot1=\frac12=f(x,y)\ \Rightarrow\ X\perp Y\ ✓$$
**(Ⅱ)** 面积比:目标矩形面积 $1\times\frac12=\frac12$ ,
$$P\left\{X<1,\ Y<\frac12\right\}=\frac{1/2}{2}=\frac14 .$$
与独立性一致:$\frac12\cdot\frac12=\frac14$ ✓。
**(Ⅲ)** **变成不独立**。$T$ 的面积是 $\frac12\cdot2\cdot2=2$ (三角形顶点 $(0,0),(2,0),(2,2)$ ),密度仍为 $\frac12$ ,但边缘变了:
$$f_X(x)=\int_0^x\frac12\,\mathrm dy=\frac x2,\qquad f_Y(y)=\int_y^2\frac12\,\mathrm dx=\frac{2-y}{2}.$$
$$f_Xf_Y=\frac{x(2-y)}{4}\ne\frac12 .$$
**判据的用法**:$T$ 的支撑是三角形,**不必算就判不独立**;上面的计算只是复核。
**带走结论**:**矩形支撑是独立的"准入条件"**。本题三问共用同一个常数密度 $\frac12$ ,唯一变化是支撑形状——形状一变,独立性就变。这条对比是选择题最爱的陷阱。
> **关联** · 盘点 [§3.4 二维均匀分布](01-知识点盘点.md#user-content-34-二维均匀分布) | 上游 — | 下游 — | 速查 [三 两个均匀结论](09-速查卡.md#user-content-三-两个均匀结论)
---