修复 Gitea 多行 $$ 块级公式不渲染
Gitea block_parser.go 的 Open() 在「同一行找不到收尾 $$」时,仍会从 pos+1 起
检查该行是否有非空白字符(idx=-1 未参与判断),于是形如
$$\boxed{\begin{aligned}
的写法会被整块拒绝,退化为普通文本。
→ 多行块的开头 $$ 与收尾 $$ 一律独占一行。
共 4 个文件 6 个块(12 处换行):第3讲 03-解析/04-答疑笔记/06-解析-中高难度、
第6讲 01-考点手册。KaTeX 会 trim,渲染结果不变,PDF 体积与改动前一致。
This commit is contained in:
@@ -132,8 +132,10 @@ $$P\{U=1,\ X\le x\}=\int_0^x\mathrm dt\int_0^{t/2}2\,\mathrm dy=\int_0^x t\,\mat
|
||||
> **反直觉点**:$U$ 是 $(X,Y)$ 的函数却与 $X$ 独立——因为在三角形内 $P\{U=1\mid X=x\}=\dfrac{x/2}{x}=\dfrac12$ **与 $x$ 无关**。
|
||||
|
||||
**(Ⅲ)** 由独立,$f_Z(z)=\dfrac12f_X(z)+\dfrac12f_X(z-1)$ ,$f_X(x)=2x\ (0<x<1)$ :
|
||||
$$f_Z(z)=\begin{cases}z,&0<z<1\\ z-1,&1\le z<2\\0,&\text{其他}\end{cases},\qquad
|
||||
F_Z(z)=\begin{cases}0,&z<0\\[2pt]\dfrac{z^2}{2},&0\le z<1\\[4pt]\dfrac12+\dfrac{(z-1)^2}{2},&1\le z<2\\[4pt]1,&z\ge2\end{cases}$$
|
||||
$$
|
||||
f_Z(z)=\begin{cases}z,&0<z<1\\ z-1,&1\le z<2\\0,&\text{其他}\end{cases},\qquad
|
||||
F_Z(z)=\begin{cases}0,&z<0\\[2pt]\dfrac{z^2}{2},&0\le z<1\\[4pt]\dfrac12+\dfrac{(z-1)^2}{2},&1\le z<2\\[4pt]1,&z\ge2\end{cases}
|
||||
$$
|
||||
> **真题骨架**:🟨2016·22(均匀域 → 离散化 $U$ → 判独立 → $Z=U+X$ 分布函数),仅区域/分界改为 $y=x/2$ 。
|
||||
|
||||
### 16. $f(x,y)=\dfrac1x\ (0<y<x<1)$ ($f_X=1$ ,$f_{Y|X}=1/x$ )。
|
||||
|
||||
@@ -219,10 +219,12 @@ $$Z=\frac YX,\qquad V=X .$$
|
||||
|
||||
$$x=v,\qquad y=zv .$$
|
||||
|
||||
$$J=\frac{\partial(x,y)}{\partial(z,v)}
|
||||
$$
|
||||
J=\frac{\partial(x,y)}{\partial(z,v)}
|
||||
=\begin{vmatrix}\dfrac{\partial x}{\partial z} & \dfrac{\partial x}{\partial v}\\[6pt] \dfrac{\partial y}{\partial z} & \dfrac{\partial y}{\partial v}\end{vmatrix}
|
||||
=\begin{vmatrix}0 & 1\\ v & z\end{vmatrix}
|
||||
=0\cdot z-1\cdot v=-v,\qquad |J|=v\ (v>0).$$
|
||||
=0\cdot z-1\cdot v=-v,\qquad |J|=v\ (v>0).
|
||||
$$
|
||||
|
||||
### 第 ③步 · 联合密度 + **定义域一起变换**
|
||||
|
||||
|
||||
@@ -176,8 +176,10 @@ $$E(Y\mid X=x)=\frac{x+2x}{2}=\frac{3x}{2}\ \Rightarrow\ E(Y)=E\!\left(\frac{3X}
|
||||
$$E(Y^2\mid X=x)=\frac{x^2+2x^2+4x^2}{3}=\frac{7x^2}{3}\ \Rightarrow\ E(Y^2)=\frac79;$$
|
||||
$$E(XY)=E\big[X\,E(Y\mid X)\big]=E\!\left[\frac{3X^2}{2}\right]=\frac{3}{2}\cdot\frac13=\frac12.$$
|
||||
又 $EX=\dfrac12,\ EX^2=\dfrac13,\ DX=\dfrac1{12}$ ;$DY=\dfrac79-\left(\dfrac34\right)^2=\dfrac{31}{144}$ 。于是
|
||||
$$\operatorname{Cov}(X,Y)=\frac12-\frac12\cdot\frac34=\frac18,\qquad
|
||||
\rho_{XY}=\frac{1/8}{\sqrt{\dfrac1{12}\cdot\dfrac{31}{144}}}=\frac{3\sqrt3}{\sqrt{31}}=3\sqrt{\frac{3}{31}}\approx0.933.$$
|
||||
$$
|
||||
\operatorname{Cov}(X,Y)=\frac12-\frac12\cdot\frac34=\frac18,\qquad
|
||||
\rho_{XY}=\frac{1/8}{\sqrt{\dfrac1{12}\cdot\dfrac{31}{144}}}=\frac{3\sqrt3}{\sqrt{31}}=3\sqrt{\frac{3}{31}}\approx0.933.
|
||||
$$
|
||||
> **思路**:条件分布型**永远先写 $f=f_Xf_{Y|X}$ **;求 $E(XY)$ 用**条件期望**最快——$E(XY)=E[X\,E(Y\mid X)]$ 。
|
||||
> **易错点**:$U(x,2x)$ 的 $E(U^2)=\dfrac{x^2+2x^2+4x^2}{3}$ (均值**不一定对称**时别写错,此式只在 $a=x,b=2x$ 时代入);分界 $x<y<2x$ 是最小支撑集,$y$ 的上限含 $x$ 。
|
||||
> **真题骨架**:🟨2022·10 / 2024·9(条件分布 → 相关系数),本题把 $U(0,x)$ 换成 $U(x,2x)$ 。
|
||||
@@ -188,8 +190,10 @@ $$\boxed{f_{T_1}(t)=2\lambda e^{-2\lambda t}\ (t>0)}\ \Longrightarrow\ T_1\sim E
|
||||
> **结论**:独立同分布指数取 **min 仍是指数**,参数**相加**——"最短寿命"是串联系统的招牌性质。
|
||||
|
||||
**(Ⅱ)** **并联** $T_2=\max(X,Y)$ :
|
||||
$$F_{T_2}(t)=\big(1-e^{-\lambda t}\big)^2\ (t>0),\qquad
|
||||
f_{T_2}(t)=2\big(1-e^{-\lambda t}\big)\lambda e^{-\lambda t}=2\lambda e^{-\lambda t}\big(1-e^{-\lambda t}\big).$$
|
||||
$$
|
||||
F_{T_2}(t)=\big(1-e^{-\lambda t}\big)^2\ (t>0),\qquad
|
||||
f_{T_2}(t)=2\big(1-e^{-\lambda t}\big)\lambda e^{-\lambda t}=2\lambda e^{-\lambda t}\big(1-e^{-\lambda t}\big).
|
||||
$$
|
||||
用**期望的可加性**($\max+\min=X+Y$ ):
|
||||
$$E(T_2)=E(X)+E(Y)-E(T_1)=\frac1\lambda+\frac1\lambda-\frac{1}{2\lambda}=\frac{3}{2\lambda}.$$
|
||||
|
||||
|
||||
Binary file not shown.
Binary file not shown.
Binary file not shown.
@@ -184,13 +184,15 @@ $$F=\frac{U/n_1}{V/n_2}\ \sim\ F(n_1,n_2).$$
|
||||
|
||||
**(一)单个正态总体(四条定理)**
|
||||
|
||||
$$\boxed{\begin{aligned}
|
||||
$$
|
||||
\boxed{\begin{aligned}
|
||||
&\text{①}\quad \bar X\sim N\!\left(\mu,\frac{\sigma^2}{n}\right)\ \Longleftrightarrow\ \frac{\bar X-\mu}{\sigma/\sqrt n}=\frac{\sqrt n(\bar X-\mu)}{\sigma}\sim N(0,1)\\[6pt]
|
||||
&\text{②}\quad \frac{1}{\sigma^2}\sum_{i=1}^{n}(X_i-\mu)^2\ \sim\ \chi^2(n)\qquad(\mu\ \text{已知})\\[6pt]
|
||||
&\text{③}\quad \frac{(n-1)S^2}{\sigma^2}=\frac{1}{\sigma^2}\sum_{i=1}^{n}(X_i-\bar X)^2\ \sim\ \chi^2(n-1)\qquad(\mu\ \text{未知})\\[6pt]
|
||||
&\text{④}\quad \bar X\ \text{与}\ S^2\ \textbf{相互独立},\qquad \frac{\sqrt n(\bar X-\mu)}{S}\ \sim\ t(n-1)\qquad(\sigma\ \text{未知})\\[6pt]
|
||||
&\text{⑤}\quad \frac{n(\bar X-\mu)^2}{S^2}\ \sim\ F(1,\ n-1)\qquad\big(\text{由 ④ 取平方,}t^2\sim F(1,n-1)\big)
|
||||
\end{aligned}}$$
|
||||
\end{aligned}}
|
||||
$$
|
||||
|
||||
> **②→③ 的口诀**:**"$\mu$ 换成 $\bar X$ ,自由度减一"**。
|
||||
> **①→④ 的口诀**:**"$\sigma$ 换成 $S$ ,正态换 $t$ ,自由度 $n-1$ "**。
|
||||
@@ -204,11 +206,13 @@ $$S_w^2=\frac{(m-1)S_1^2+(n-1)S_2^2}{m+n-2}=\frac{\sum_{i=1}^{m}(X_i-\bar X)^2+\
|
||||
|
||||
则
|
||||
|
||||
$$\begin{aligned}
|
||||
$$
|
||||
\begin{aligned}
|
||||
&\text{①}\quad \frac{(\bar X-\bar Y)-(\mu_1-\mu_2)}{\sqrt{\dfrac{\sigma_1^2}{m}+\dfrac{\sigma_2^2}{n}}}\ \sim\ N(0,1)\\[8pt]
|
||||
&\text{②}\quad \frac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}=\frac{S_1^2}{S_2^2}\cdot\frac{\sigma_2^2}{\sigma_1^2}\ \sim\ F(m-1,\ n-1)\\[8pt]
|
||||
&\text{③}\quad \text{当 }\sigma_1^2=\sigma_2^2\text{ 时},\quad \frac{(\bar X-\bar Y)-(\mu_1-\mu_2)}{S_w\sqrt{\dfrac1m+\dfrac1n}}\ \sim\ t(m+n-2)
|
||||
\end{aligned}$$
|
||||
\end{aligned}
|
||||
$$
|
||||
|
||||
> **② 的推导就是"拼 $F$ "**:$\dfrac{(m-1)S_1^2}{\sigma_1^2}\sim\chi^2(m-1)$ 、$\dfrac{(n-1)S_2^2}{\sigma_2^2}\sim\chi^2(n-1)$ ,两者独立,按定义相除、各除自由度 $\Rightarrow$ 得 $\dfrac{S_1^2/\sigma_1^2}{S_2^2/\sigma_2^2}\sim F(m-1,n-1)$ 。
|
||||
> 🟨 **2023·9 就是考这一条**:只要两个总体的方差比 $\sigma_1^2:\sigma_2^2$ 已知,就能把系数调出来。
|
||||
|
||||
Binary file not shown.
Reference in New Issue
Block a user