refactor(概率论第3讲): 按「知识点带题」整体重构,三件套改为盘点+七点分册+速查卡
- 删去 01-考点手册 / 02-试题 / 03-解析 / 04-答疑笔记 / 05-试题-中高难度 / 06-解析-中高难度
- 新建 01-知识点盘点(七节 + 覆盖对照 + 相邻讲接口)、02—08 七个点文件、09-速查卡
- 27 题全部原创数字,A/B/C 难度分层;每题带「怎么想 / 解 / 带走结论」与题目级双向链接
- 关键数值用 sympy 复核:P{X+Y<1}=1/3、Cov=4/225、D(3X-2Y)=108、P{X=0|Y=2}=1/(1+2e^-2) 等
- gen_crosslinks 生成 27 条关联行 + §0.4 反查表 + 速查回查表;链接 143 条 0 异常
- 公式预检 0 处待修;18 处「加粗以公式收尾」已改写句式(补空格会让星号外露)
This commit is contained in:
@@ -0,0 +1,219 @@
|
||||
---
|
||||
tags: [数学一, 在学练习, 概率论, 多维随机变量, 卷积, 最值分布]
|
||||
专题: 概率论 第3讲 · 点6 四则运算与最值
|
||||
日期: 2026-11-07
|
||||
状态: 知识点带题(6.1 和、6.2 差积商、6.3 最值、6.4 成品结论,共 4 题)
|
||||
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
|
||||
---
|
||||
|
||||
# 点 6 四则运算与最值
|
||||
|
||||
> 真题锚点:2019·8(正态差)、2018·22(和与协方差)、2025·22(最值最后一问)|重要度 ★★☆
|
||||
> 依赖:点 5 的分布函数法与卷积思想。盘点对应:§6 全节。
|
||||
|
||||
**组织原则**:点 5 讲"怎么求",这一点讲"**已经求好的成品**"。四道题分别压:卷积的定限、差的绝对值、最值公式、以及四张"封闭性"表。**这一点的价值全在省时间**。难度标准:★☆☆ 一题、★★☆ 三题。
|
||||
|
||||
## 知识点 6.1 和的分布与卷积(出处:[知识章 §10.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
|
||||
|
||||
$X\perp Y$ 时
|
||||
|
||||
$$f_{X+Y}(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)\,\mathrm dx=\int_{-\infty}^{+\infty}f_X(z-y)f_Y(y)\,\mathrm dy .$$
|
||||
|
||||
**定限口诀**:**两个密度的支撑必须同时非零**。若 $f_X$ 在 $[a_1,b_1]$ 非零、$f_Y$ 在 $[a_2,b_2]$ 非零,则被积变量必须同时满足
|
||||
|
||||
$$a_1<x<b_1,\qquad a_2<z-x<b_2\iff z-b_2<x<z-a_2 .$$
|
||||
|
||||
积分限 $=\max(a_1,z-b_2)$ 到 $\min(b_1,z-a_2)$ ,**这个区间非空才积**,非空条件给出 $z$ 的分段点 $a_1+a_2<z<b_1+b_2$ 。
|
||||
|
||||
## 知识点 6.2 差、积、商的分布(出处:[知识章 §10.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
|
||||
|
||||
$$f_{X-Y}(z)=\int f_X(x)f_Y(x-z)\,\mathrm dx;\qquad f_{XY}(z)=\int f_X(x)f_Y\!\left(\frac zx\right)\frac{\mathrm dx}{\lvert x\rvert};$$
|
||||
|
||||
$$f_{X/Y}(z)=\int f_X(zy)f_Y(y)\lvert y\rvert\,\mathrm dy .$$
|
||||
|
||||
**差的一条常用变形**:$X-Y=X+(-Y)$ ,先把 $-Y$ 的密度写出来($f_{-Y}(t)=f_Y(-t)$ ),再套卷积。这条比记差公式更不容易出错。
|
||||
|
||||
> **商的稳妥做法**:先求 $F_Z(z)=P\{Y\le zX\}$ (半平面区域),再求导。绝对值与不等号方向在 $z<0$ 与 $z>0$ 上常常相反,先分段再积。
|
||||
|
||||
## 知识点 6.3 最值分布(出处:[知识章 §10.2、§8.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
|
||||
|
||||
**独立性是全部前提**——"全部 $\le z$ "能拆成乘积,靠的就是独立:
|
||||
|
||||
$$F_{\max}(z)=\prod_{i=1}^{n}F_{X_i}(z),\qquad F_{\min}(z)=1-\prod_{i=1}^{n}\left[1-F_{X_i}(z)\right].$$
|
||||
|
||||
独立同分布时:
|
||||
|
||||
$$f_{\max}(z)=nF^{n-1}(z)f(z),\qquad f_{\min}(z)=n\left[1-F(z)\right]^{n-1}f(z).$$
|
||||
|
||||
**两个高频结论**:$X_i\sim U(0,1)$ 时 $EM=\dfrac{n}{n+1}$ 、$Em=\dfrac{1}{n+1}$ ;$X_i\sim E(\lambda)$ 时 $Em=\dfrac{1}{n\lambda}$ (最小值仍是指数,参数 $n\lambda$ )。
|
||||
|
||||
## 知识点 6.4 四张封闭性表(出处:[知识章 §8.4 独立同分布运算](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
|
||||
|
||||
| 分布 | 可加条件 | 结果 |
|
||||
|---|---|---|
|
||||
| 二项 | **$p$ 相同** | $B(n_1,p)+B(n_2,p)=B(n_1+n_2,p)$ |
|
||||
| 泊松 | 无 | $P(\lambda_1)+P(\lambda_2)=P(\lambda_1+\lambda_2)$ |
|
||||
| 正态 | 无(**不要求同方差**) | $N(\mu_1,\sigma_1^2)+N(\mu_2,\sigma_2^2)=N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)$ |
|
||||
| $\Gamma$ | **$\lambda$ 相同** | $\Gamma(\alpha,\lambda)+\Gamma(\beta,\lambda)=\Gamma(\alpha+\beta,\lambda)$ |
|
||||
|
||||
> **两个"相同"必须记牢**:二项要 $p$ 相同,$\Gamma$ 要 $\lambda$ 相同(指数分布是 $\alpha=1$ 的特例,所以**不同参数的指数分布相加不再是 $\Gamma$ 分布**)。正态最宽容,没有附加条件。
|
||||
|
||||
---
|
||||
|
||||
## 题目(按知识点顺序对应)
|
||||
|
||||
### 题 1 · 6.1:不同区间上均匀分布之和(★★☆)
|
||||
|
||||
> 设 $X\sim U(0,1)$ 、$Y\sim U(0,2)$ 且相互独立,$Z=X+Y$ 。
|
||||
>
|
||||
> (Ⅰ)求 $f_Z(z)$ ;
|
||||
> (Ⅱ)求 $P\{Z<1\}$ 与 $P\{Z>2\}$ ;
|
||||
> (Ⅲ)说明 $f_Z$ 为什么是"梯形"而不是三角形。
|
||||
|
||||
**怎么想**:两个支撑长度不同($1$ 与 $2$ ),卷积时"重叠长度"先增后平后减,于是出现三段:斜升、平台、斜降。用"两个区间求交"的定限口诀走一遍即可。
|
||||
|
||||
**解**:
|
||||
|
||||
**(Ⅰ)** $f_X=1$ 在 $(0,1)$ 上,$f_Y=\frac12$ 在 $(0,2)$ 上。卷积
|
||||
|
||||
$$f_Z(z)=\int f_X(x)f_Y(z-x)\,\mathrm dx=\frac12\int_{\max(0,z-2)}^{\min(1,z)}1\,\mathrm dx .$$
|
||||
|
||||
- $0<z<1$ :区间 $(0,z)$ ,长 $z$ ,$f_Z=\dfrac z2$ ;
|
||||
- $1\le z<2$ :区间 $(0,1)$ ,长 $1$ ,$f_Z=\dfrac12$ ;
|
||||
- $2\le z<3$ :区间 $(z-2,1)$ ,长 $3-z$ ,$f_Z=\dfrac{3-z}{2}$ ;
|
||||
- 其他:$0$ 。
|
||||
|
||||
**(Ⅱ)**
|
||||
|
||||
$$P\{Z<1\}=\int_0^1\frac z2\,\mathrm dz=\frac14,\qquad P\{Z>2\}=\int_2^3\frac{3-z}{2}\,\mathrm dz=\frac14 .$$
|
||||
|
||||
**(Ⅲ)** 原因是**支撑长度不等**:$Y$ 的区间(长 $2$ )比 $X$ 的区间(长 $1$ )长,所以当 $z$ 从 $1$ 增到 $2$ 时,$X$ 的整段 $(0,1)$ 都能落进 $Y$ 的窗口,**重叠长度饱和**,密度出现平台。若两者长度相等(点 5 题 1 的情形),平台退化成一点,梯形变三角形。
|
||||
|
||||
**验算**:$\int_0^1\frac z2+\int_1^2\frac12+\int_2^3\frac{3-z}{2}=\frac14+\frac12+\frac14=1$ ✓;$EZ=EX+EY=\frac12+1=\frac32$ ,与 $\int zf_Z\,\mathrm dz$ 一致(可直接检验)✓。
|
||||
|
||||
**带走结论**:**卷积的形状由"两个支撑长度是否相等"决定**:等长 → 三角;不等长 → 梯形(平台长度 $=$ 长度差)。这条能让你不算积分就画出密度草图。
|
||||
|
||||
> **关联** · 盘点 [§6.1 和的分布(卷积)](01-知识点盘点.md#user-content-61-和的分布卷积) | 上游 — | 下游 — | 速查 [八 卷积定限](09-速查卡.md#user-content-八-卷积定限)
|
||||
|
||||
---
|
||||
|
||||
### 题 2 · 6.2:差的绝对值与"先求 F"(★★☆)
|
||||
|
||||
> 设 $X$ 与 $Y$ 相互独立,都服从 $U(0,1)$ ,令 $Z=\lvert X-Y\rvert$ 。
|
||||
>
|
||||
> (Ⅰ)求 $F_Z(z)$ 与 $f_Z(z)$ ;
|
||||
> (Ⅱ)求 $E Z$ ;
|
||||
> (Ⅲ)若改为求 $W=X-Y$ (不带绝对值),说明它与 $Z$ 的关系。
|
||||
|
||||
**怎么想**:绝对值把"带符号的差"折成"距离"。几何上 $|X-Y|\le z$ 是正方形里夹在两条平行线 $y=x\pm z$ 之间的**带状区域**,面积 $=1-(1-z)^2$ ——比积分快。
|
||||
|
||||
**解**:
|
||||
|
||||
**(Ⅰ)** 对 $0<z<1$ :
|
||||
|
||||
$$F_Z(z)=P\{\lvert X-Y\rvert\le z\}=1-P\{X-Y>z\}-P\{Y-X>z\} .$$
|
||||
|
||||
两个"角上的三角形"各是直角边 $1-z$ 的等腰直角三角形,面积 $\frac{(1-z)^2}{2}$ :
|
||||
|
||||
$$F_Z(z)=1-2\cdot\frac{(1-z)^2}{2}=1-(1-z)^2=2z-z^2 .$$
|
||||
|
||||
求导
|
||||
|
||||
$$f_Z(z)=2-2z=2(1-z),\qquad 0<z<1 .$$
|
||||
|
||||
**(Ⅱ)**
|
||||
|
||||
$$EZ=\int_0^1z\cdot2(1-z)\,\mathrm dz=2\left(\frac12-\frac13\right)=\frac13 .$$
|
||||
|
||||
**(Ⅲ)** $W=X-Y$ 的分布是**三角形分布**(对称,支撑 $(-1,1)$ ):
|
||||
|
||||
$$f_W(w)=1-\lvert w\rvert,\qquad -1<w<1 .$$
|
||||
|
||||
**$Z$ 是 $W$ 的"折叠"**:把 $W$ 的负半轴翻到正半轴再叠加,所以
|
||||
|
||||
$$f_Z(z)=f_W(z)+f_W(-z)=2(1-z)\quad(0<z<1)\ ✓$$
|
||||
|
||||
**验算**:$\int_0^12(1-z)\,\mathrm dz=1$ ✓;$f_W$ 的归一化 $\int_{-1}^1(1-\lvert w\rvert)\mathrm dw=2\cdot\frac12=1$ ✓;$EZ=\frac13$ 与"两个均匀变量的平均距离"一致(可数值验证)✓。
|
||||
|
||||
**带走结论**:**绝对值型一律"两角三角形相减"**,面积 $1-(1-z)^2$ 。而"折叠"关系 $f_{|W|}(z)=f_W(z)+f_W(-z)$ 是通用的——先算无绝对值的密度,再折叠,常常比直接积更快。
|
||||
|
||||
> **关联** · 盘点 [§6.2 差、积、商](01-知识点盘点.md#user-content-62-差积商) | 上游 — | 下游 — | 速查 [九 差、积、商](09-速查卡.md#user-content-九-差积商)
|
||||
|
||||
---
|
||||
|
||||
### 题 3 · 6.3:最值分布与期望(★★☆)
|
||||
|
||||
> 设 $X_1,\dots,X_5$ 相互独立,都服从 $U(0,1)$ 。令 $M=\max\{X_1,\dots,X_5\}$ 、$m=\min\{X_1,\dots,X_5\}$ 。
|
||||
>
|
||||
> (Ⅰ)求 $f_M(z)$ 与 $f_m(z)$ ;
|
||||
> (Ⅱ)求 $EM$ 、$Em$ ,并验证 $EM+Em=1$ ;
|
||||
> (Ⅲ)求 $P\{M>0.9\}$ 。
|
||||
|
||||
**怎么想**:最值公式是"$n$ 个都不超过 $z$ "——独立性把 $n$ 重概率变成 $n$ 次方。$U(0,1)$ 的 $F(z)=z$ ,所以直接是幂函数。
|
||||
|
||||
**解**:
|
||||
|
||||
**(Ⅰ)** $F(z)=z$ ($0<z<1$ ),故
|
||||
|
||||
$$F_M(z)=z^5,\qquad f_M(z)=5z^4\quad(0<z<1);$$
|
||||
|
||||
$$F_m(z)=1-(1-z)^5,\qquad f_m(z)=5(1-z)^4\quad(0<z<1).$$
|
||||
|
||||
**(Ⅱ)**
|
||||
|
||||
$$EM=\int_0^1z\cdot5z^4\,\mathrm dz=5\cdot\frac16=\frac56,\qquad Em=\int_0^1z\cdot5(1-z)^4\,\mathrm dz=5\cdot\frac{1}{5\times6}=\frac16 .$$
|
||||
|
||||
(第二个积分用 $t=1-z$ 换元:$\int_0^1(1-t)t^4\mathrm dt=\frac15-\frac16=\frac1{30}$ ,乘 $5$ 得 $\frac16$ 。)
|
||||
|
||||
$$EM+Em=\frac56+\frac16=1\ ✓$$
|
||||
|
||||
**为什么必然等于 $1$ 呢**:由对称性 $X_i$ 与 $1-X_i$ 同分布,故 $M\overset{d}{=}1-m$ ,于是 $EM=1-Em$ 。
|
||||
|
||||
**(Ⅲ)** 用补事件最快:
|
||||
|
||||
$$P\{M>0.9\}=1-P\{M\le0.9\}=1-(0.9)^5=1-0.59049=0.40951 .$$
|
||||
|
||||
**带走结论**:**$U(0,1)$ 的最值期望分别是 $\frac{n}{n+1}$ 与 $\frac{1}{n+1}$ 这两个数**,两者相加为 $1$ 。$n=5$ 时最大值平均已到 $0.833$ ——这就是"取五次最大"的直观含义。
|
||||
|
||||
> **关联** · 盘点 [§6.3 最值](01-知识点盘点.md#user-content-63-最值) | 上游 — | 下游 — | 速查 [十 最值](09-速查卡.md#user-content-十-最值)
|
||||
|
||||
---
|
||||
|
||||
### 题 4 · 6.4:可加性四张表(★☆☆)
|
||||
|
||||
> (Ⅰ)设 $X\sim B(10,0.3)$ 、$Y\sim B(5,0.3)$ 独立,求 $X+Y$ 的分布;
|
||||
> (Ⅱ)设 $X\sim P(2)$ 、$Y\sim P(3)$ 独立,求 $P\{X+Y=4\}$ ;
|
||||
> (Ⅲ)设 $X\sim N(2,1)$ 、$Y\sim N(0,4)$ 独立,求 $P\{X<Y\}$ ;
|
||||
> (Ⅳ)设 $X\sim E(1)$ 、$Y\sim E(2)$ 独立,判断 $X+Y$ 是否服从 $\Gamma$ 分布。
|
||||
|
||||
**怎么想**:四问分别对应表里四行,重点是**看清"可加"的附加条件**:(Ⅰ)要 $p$ 相同、(Ⅳ)要 $\lambda$ 相同。第(Ⅲ)问用"差仍是正态",避开求密度。
|
||||
|
||||
**解**:
|
||||
|
||||
**(Ⅰ)** $p$ 相同(都是 $0.3$ ),故
|
||||
|
||||
$$X+Y\sim B(15,\ 0.3).$$
|
||||
|
||||
**(Ⅱ)** 泊松无附加条件:
|
||||
|
||||
$$X+Y\sim P(5),\qquad P\{X+Y=4\}=\frac{5^4\mathrm e^{-5}}{4!}=\frac{625\,\mathrm e^{-5}}{24}\approx0.1755 .$$
|
||||
|
||||
**(Ⅲ)** $X-Y\sim N(2-0,\ 1+4)=N(2,5)$ ,故
|
||||
|
||||
$$P\{X<Y\}=P\{X-Y<0\}=\Phi\!\left(\frac{0-2}{\sqrt5}\right)=\Phi(-0.894)\approx0.186 .$$
|
||||
|
||||
(**注意方差相加而非相减**:$D(X-Y)=DX+(-1)^2DY=1+4=5$ 。)
|
||||
|
||||
**(Ⅳ)** **不服从**。$\Gamma$ 的可加性要求**相同的 $\lambda$ 值** ,而这里 $1\ne2$ 。具体地,卷积
|
||||
|
||||
$$f_{X+Y}(z)=\int_0^z\mathrm e^{-x}\cdot2\mathrm e^{-2(z-x)}\,\mathrm dx=2\mathrm e^{-z}-2\mathrm e^{-2z}$$
|
||||
|
||||
不是 $\Gamma$ 型的 $c\,z^{\alpha-1}\mathrm e^{-\lambda z}$ 。
|
||||
|
||||
**验算**:$\Phi(-0.894)\approx0.186$ ,与"$EX=2$ 大于 $EY=0$ "的直觉一致——既然 $X$ 平均比 $Y$ 大 $2$ ,$P\{X<Y\}$ 当然远小于 $\frac12$ ✓;也可用切比雪夫界的思路粗估:标准化后偏离均值 $0.894$ 个标准差,概率在 $0.1$ —$0.2$ 之间。
|
||||
|
||||
**带走结论**:**可加性表要连"条件列"一起背**。考场上最常错的是把 $E(1)+E(2)$ 当成 $\Gamma(2,?)$ ,或者把 $B(10,0.3)+B(5,0.4)$ 当成 $B(15,\cdot)$ 。
|
||||
|
||||
> **关联** · 盘点 [§6.4 四种运算的"成品结论"](01-知识点盘点.md#user-content-64-四种运算的成品结论) | 上游 — | 下游 — | 速查 [十一 可加性四张表](09-速查卡.md#user-content-十一-可加性四张表)
|
||||
|
||||
---
|
||||
Reference in New Issue
Block a user