diff --git a/基于考研的学习/总览.md b/基于考研的学习/总览.md index bb93fb7..766056c 100644 --- a/基于考研的学习/总览.md +++ b/基于考研的学习/总览.md @@ -123,7 +123,7 @@ tags: │ ├── 02~09-点1~点8 ✓ 八个分册,共 42 题 │ └── 10-速查卡.md ✓ 十五组结论 + 四处丢分点 + 回查表 ├── 专项突破/ ← 按薄弱点组织的扩散式复习(2026-10-31 建) - │ ├── README.md ✓ 总索引:九份专题关系 + 扩散式复习说明 + │ ├── README.md ✓ 总索引:十份专题关系 + 扩散式复习说明 │ ├── 01-反常积分与一元积分综合/ ✓ 已出(20 题,ch3 全章扩散) │ │ ├── 01-考点地图.md ✓ 三层扩散(核心 6 条 + 一圈 7 条 + 二圈 5 条) │ │ ├── 02-试题.md ✓ 20 题(A 核心 8 / B 一圈 7 / C 二圈 5,含张宇骨架标注) @@ -174,6 +174,13 @@ tags: │ │ ├── 02-试题.md ✓ 13 题(A 6 / B 5 / C 2,A 组限时 90 秒) │ │ ├── 03-解析.md ✓ 逐题归因 + 七类错题表 │ │ └── 04-答疑笔记.md ✓ 待填 + │ ├── 10-多维随机变量/ ✓ 已出(2026-11-11,30 题,章节型专题·概率 ch17) + │ │ ├── 01-考点地图.md ✓ 十二个核心动作 + 十年真题索引 + 六个陷阱 + │ │ ├── 02-试题.md ✓ 30 题(A 核心 12 / B 一圈 10 / C 二圈 8) + │ │ ├── 03a-解析-基础.md ✓ A 组 12 题详解 + │ │ ├── 03b-解析-中等.md ✓ B 组 10 题(真题包装形态) + │ │ ├── 03c-解析-拔高.md ✓ C 组 8 题(含八个断言辨析) + │ │ └── 04-答疑笔记.md ✓ 待填 │ └── 解题工具清单.md ✓ 18 个工具的全景表(T1—T6 已落地为 05—09,11 个待建) ├── 模拟卷/ ← 模拟卷(按十年库命题的自测卷) │ ├── README.md ✓ 系列索引 + 两代格式说明 + 出卷流程 diff --git a/基于考研的学习/数学一/专项突破/10-多维随机变量/01-考点地图.md b/基于考研的学习/数学一/专项突破/10-多维随机变量/01-考点地图.md new file mode 100644 index 0000000..2e6a77f --- /dev/null +++ b/基于考研的学习/数学一/专项突破/10-多维随机变量/01-考点地图.md @@ -0,0 +1,303 @@ +--- +tags: [数学一, 专项突破, 考点地图, 多维随机变量] +专题: 多维随机变量 +日期: 2026-11-11 +状态: 考点地图, 三层扩散(核心 12 条 + 一圈 10 条 + 二圈 8 条) +--- + +# 考点地图 · 多维随机变量 + +## 零、为什么单独做这一份 + +概率里分值最高的一章不是参数估计,是**多维随机变量**(ch17): + +| 章 | 题数 | 分值 | 题型 | +|---|---|---|---| +| **ch17 多维随机变量** | **11** | **105** | 解答 9 + 选填 2 | +| ch21 参数估计 | 10 | 93 | 解答 7 + 选填 3 | +| ch15 随机事件与概率 | 8 | 36 | 选填为主 | +| ch18 数字特征 | 7 | 32 | 选填为主 | +| ch16 一维随机变量 | 6 | 27 | 选填为主 | + +而且它是**每年必出一道 11—12 分大题**的唯一章节(2022、2024 两年除外,那两年它退到选填)。现有的 `03-大数定律与数理统计` 明确不覆盖它,理由是"那一块要靠技巧、不是背套路"——正因为如此才更需要单独练。 + +**这一章的失分点极其集中**,一句话概括:**不是不会公式,是区域想不清、积分限写错、分段漏掉一半**。所以这份地图 12 条核心每条都配一张"区域怎么画",题目里凡是分段的一律要求先画图。 + +## 一、扩散半径总览 + +| 层 | 内容 | 题号 | +|---|---|---| +| **核心** | 分布律填表、联合密度归一化、边缘分段、条件分布、独立性三判据、二维均匀、二维正态、分布函数法、最值、雅可比、可加性、由 $F$ 反求 | A1—A12 | +| **一圈** | 指示变量、混合正态、离散×连续、条件反解联合、协方差与相关系数、雅可比两个用途、四张可加表、min 与 max 同现、异分布卷积、条件密度与条件期望 | B1—B10 | +| **二圈** | 无穷区域综合、含参讨论、非独立正态、商的分布、三变量最值、反例构造、全方差公式、概念辨析 | C1—C8 | + +**一句话总纲**:**二维题的一切麻烦都出在"区域"上**——密度写在哪、边缘积到哪、函数分布的新变量取哪些值,三件事都由区域决定。所以做任何一道题,第一步永远是画支撑集。 + +## 二、核心层(12 条) + +### 1.1 联合分布函数与联合分布律 + +联合分布函数 $F(x,y)=P\{X\le x,\ Y\le y\}$ ,四条性质:对每个变量单调不减、右连续、$F(-\infty,y)=F(x,-\infty)=0$ 、$F(+\infty,+\infty)=1$ 。 + +离散型用**表格**:行是 $X$ 的取值、列是 $Y$ 的取值、格子里填 $p_{ij}$ ,**全表之和必须为 1**(这一条是最快的自检)。边缘分布律 = 行和(对 $X$ )与列和(对 $Y$ )。 + +> **填表的顺序**:先把题给的每个格子的概率写进去,再看还缺哪些格子,用"全表 = 1"和"边缘 = 题给的某行某列和"去补。填空型考题基本都是缺一个格子。 + +### 1.2 联合密度与归一化 + +$f(x,y)\ge0$ 且 $\displaystyle\iint_{\mathbb R^2}f=1$ 。给的密度含未知常数时,**先用归一化定常数再算别的**,否则后面全错。 + +$$P\{(X,Y)\in D\}=\iint_D f(x,y)\,\mathrm dx\,\mathrm dy .$$ + +归一化那一步的积分区域**就是支撑集本身**,不是整个平面——这是最容易多积或少积的地方。 + +### 1.3 边缘密度的积分限 + +$$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dy .$$ + +看起来是固定公式,**真正的难点是内层积分的上下限随 $x$ 变**。做法固定:把支撑集画出来,固定 $x$ 画一条竖线,看这条线穿过区域的那一段 $y$ 从哪到哪,那就是积分限。求 $f_Y$ 时改成画横线。 + +**检验边缘密度**:算完必须验证 $\int f_X=1$ ,且 $f_X$ 的支撑要比 $f$ 的支撑**宽或相等**(投影不会更窄)。 + +### 1.4 条件分布与条件密度 + +离散:$P\{X=x_i\mid Y=y_j\}=\dfrac{p_{ij}}{p_{\cdot j}}$ ,即**在表格里取那一列再按列和归一化**。 + +连续:$f_{X\mid Y}(x\mid y)=\dfrac{f(x,y)}{f_Y(y)}$ ,$f_Y(y)>0$ 。几何意义是"沿 $y$ 这条横线把联合密度重新归一化"。 + +条件期望 $E(Y\mid X=x)=\int y\,f_{Y\mid X}(y\mid x)\,\mathrm dy$ 是 $x$ 的函数,把 $x$ 换成 $X$ 得到随机变量 $E(Y\mid X)$ ,再取期望就是重期望公式 $E\big[E(Y\mid X)\big]=EY$ 。 + +### 1.5 独立性三重判据 + +按优先级用: + +| 判据 | 怎么用 | 什么时候失效 | +|---|---|---| +| **支撑是矩形 + 可分离** | $f(x,y)=g(x)h(y)$ 且支撑是 $az\}=\prod\big[1-F_i(z)\big].$$ + +$\max-\min$ 这类"极差"要单独处理,转成 $P\{\vert X-Y\vert>t\}$ 再来(独立同分布时往往有简洁形式)。 + +### 3.9 异分布的和 + +卷积必须分段,**临界值是两个支撑端点之和**:$X\in(0,1)$ 、$Y\in(0,2)$ 时,$Z$ 在 $1$ 与 $2$ 处换公式,分三段。 + +### 3.10 由分布函数反求密度与条件密度 + +$f(x,y)=\dfrac{\partial^2F}{\partial x\partial y}$ ,逐段求偏导($F$ 是分段函数时,每一段都要单独求)。求完立即验 $\iint f=1$ 。条件密度再用 1.4 的公式。 + +## 四、二圈层(8 条) + +### 4.1 无穷区域上的二维连续 + +支撑是第一象限这类无界区域时,积分限含 $\infty$ 。**先看联合密度能否分离**——能分离就直接拆成两个一维积分,省一半计算。 + +### 4.2 含参密度先定参再讨论 + +密度带未知常数时,先用归一化定出它,**定完之后独立性的答案可能变**。所以顺序永远是:定参 → 边缘 → 判独立。 + +### 4.3 非独立正态的条件分布 + +$\rho\ne0$ 时 $Y\mid X=x$ 仍正态,条件均值是 $x$ 的**一次函数**,条件方差 $\sigma_2^2(1-\rho^2)$ 与 $x$ 无关。用它验证全方差公式很顺。 + +### 4.4 商的分布 + +$Z=X/Y$ 的密度要按 $z$ 的符号(或与 1 的大小关系)分段,因为 $y **考点** · [§1.1 联合分布函数与联合分布律](01-考点地图.md#user-content-11-联合分布函数与联合分布律) + +--- + +### 题 A2 · 归一化与边缘密度分段(★★☆) + +设 $(X,Y)$ 的联合密度为 + +$$f(x,y)=cxy,\qquad 0 **考点** · [§1.3 边缘密度的积分限](01-考点地图.md#user-content-13-边缘密度的积分限) + +--- + +### 题 A3 · 条件分布律与条件期望(★★☆) + +设 $X$ 等可能地取 $1,2,3$ 三个值;给定 $X=i$ 时,$Y\sim B(i,\ 1/2)$ 。 + +求:(Ⅰ)$(X,Y)$ 的联合分布律;(Ⅱ)$Y$ 的边缘分布律;(Ⅲ)$P\{X=2\mid Y=2\}$ 与 $E(X\mid Y=2)$ 。 + +> **考点** · [§1.4 条件分布与条件密度](01-考点地图.md#user-content-14-条件分布与条件密度) + +--- + +### 题 A4 · 条件密度与重期望验证(★★☆) + +设 $(X,Y)$ 在区域 $D=\{(x,y):0 **考点** · [§1.4 条件分布与条件密度](01-考点地图.md#user-content-14-条件分布与条件密度) + +--- + +### 题 A5 · 独立性三判据(★★☆) + +判断下列三个联合密度对应的 $X$ 与 $Y$ 是否独立,说明理由: + +(Ⅰ)$f=4xy$ ,$0 **考点** · [§1.5 独立性三重判据](01-考点地图.md#user-content-15-独立性三重判据) + +--- + +### 题 A6 · 二维均匀分布(★★☆) + +设 $(X,Y)$ 在三角形区域 $D=\{(x,y):x>0,\ y>0,\ x+y<1\}$ 上服从均匀分布。 + +求:(Ⅰ)联合密度;(Ⅱ)两个边缘密度;(Ⅲ)判断是否独立;(Ⅳ)$E(XY)$ 。 + +> **考点** · [§1.6 二维均匀分布](01-考点地图.md#user-content-16-二维均匀分布) + +--- + +### 题 A7 · 二维正态的线性组合(★★☆) + +设 $(X,Y)\sim N(0,0;\ 1,4;\ 0.5)$ 。 + +求:(Ⅰ)$D(X+Y)$ 、$D(X-Y)$ ;(Ⅱ)$\operatorname{Cov}(X+Y,\ X-Y)$ ;(Ⅲ)$D(2X-Y)$ ;(Ⅳ)$P\{X **考点** · [§1.7 二维正态分布](01-考点地图.md#user-content-17-二维正态分布) + +--- + +### 题 A8 · 分布函数法求和的分布(★★★) + +设 $X,Y$ 相互独立且都服从 $U(0,1)$ ,$Z=X+Y$ 。 + +求:(Ⅰ)$f_Z(z)$ ;(Ⅱ)$P\{Z>1.5\}$ ;(Ⅲ)$P\{0.5 **考点** · [§1.8 分布函数法](01-考点地图.md#user-content-18-分布函数法) + +--- + +### 题 A9 · 最值分布与极差(★★☆) + +设 $X,Y$ 相互独立且都服从 $U(0,1)$ ,记 $M=\max\{X,Y\}$ ,$N=\min\{X,Y\}$ 。 + +求:(Ⅰ)$f_M(z)$ 与 $f_N(z)$ ;(Ⅱ)$E(M)$ 与 $E(N)$ ;(Ⅲ)$P\{M-N>1/2\}$ 。 + +> **考点** · [§1.11 最值分布](01-考点地图.md#user-content-111-最值分布) + +--- + +### 题 A10 · 雅可比求联合密度(★★★) + +设 $X,Y$ 相互独立且都服从 $U(0,1)$ ,令 $U=X+Y$ ,$V=X-Y$ 。 + +求:(Ⅰ)$(U,V)$ 的联合密度,并画出其支撑集;(Ⅱ)$f_U(u)$ 。 + +> **考点** · [§1.9 雅可比变换法](01-考点地图.md#user-content-19-雅可比变换法) + +--- + +### 题 A11 · 可加性直接写分布(★☆☆) + +(Ⅰ)设 $X\sim B(3,0.4)$ ,$Y\sim B(4,0.4)$ ,且相互独立。写出 $X+Y$ 的分布,并求 $P\{X+Y=2\}$ ; + +(Ⅱ)设 $X\sim P(2)$ ,$Y\sim P(3)$ ,且相互独立。写出 $X+Y$ 的分布,并求 $P\{X+Y=2\}$ 。 + +> **考点** · [§1.10 和差积商与可加性](01-考点地图.md#user-content-110-和差积商与可加性) + +--- + +### 题 A12 · 由分布函数反求(★★☆) + +设 $(X,Y)$ 的联合分布函数为 + +$$F(x,y)=\big(1-\mathrm e^{-2x}\big)\big(1-\mathrm e^{-3y}\big),\qquad x>0,\ y>0,$$ + +其余情形 $F(x,y)=0$ 。 + +求:(Ⅰ)$f(x,y)$ ;(Ⅱ)$f_X(x)$ 与 $f_Y(y)$ ;(Ⅲ)判断是否独立;(Ⅳ)$P\{X>Y\}$ 。 + +> **考点** · [§1.1 联合分布函数与联合分布律](01-考点地图.md#user-content-11-联合分布函数与联合分布律) + +--- + +## B 组 · 一圈:真题的混合包装(10 题) + +### 题 B1 · 指示变量的独立性(★★★) + +【真题 2016-22 骨架】设 $(X,Y)$ 在 $D=\{(x,y):0\dfrac{X}{2}.\end{cases}$$ + +求:(Ⅰ)$P\{U=1\}$ ;(Ⅱ)判断 $U$ 与 $X$ 是否独立;(Ⅲ)判断 $U$ 与 $Y$ 是否独立;(Ⅳ)$E(UX)$ 。 + +> **考点** · [§3.1 区域均匀加指示变量](01-考点地图.md#user-content-31-区域均匀加指示变量) + +--- + +### 题 B2 · 混合正态与总方差(★★★) + +【真题 2020-22 骨架】设 $T\sim B(1,\ 1/2)$ ,$Z\sim N(0,1)$ ,且 $T$ 与 $Z$ 相互独立,令 $X=T+Z$ 。 + +求:(Ⅰ)$EX$ 与 $DX$ ;(Ⅱ)$P\{X>1\}$ ;(Ⅲ)$X$ 是否服从正态分布?说明理由。 + +> **考点** · [§3.2 混合正态与全方差公式](01-考点地图.md#user-content-32-混合正态与全方差公式) + +--- + +### 题 B3 · 离散与连续的交叉(★★★) + +【真题 2017-22、2019-22 骨架】设 $X\sim U(0,1)$ ;给定 $X=x$ 时,$Y$ 只取 $0,1$ 两个值,且 + +$$P\{Y=1\mid X=x\}=x,\qquad P\{Y=0\mid X=x\}=1-x .$$ + +求:(Ⅰ)$EY$ 与 $P\{Y=1\}$ ;(Ⅱ)判断 $X$ 与 $Y$ 是否独立;(Ⅲ)$P\{X\le 1/2,\ Y=1\}$ ,并与 $P\{X\le1/2\}P\{Y=1\}$ 比较。 + +> **考点** · [§3.3 离散与连续的交叉](01-考点地图.md#user-content-33-离散与连续的交叉) + +--- + +### 题 B4 · 条件分布反解联合(★★★) + +【真题 2022-10 骨架】设 $X\sim U(0,1)$ ;给定 $X=x$ 时,$Y\sim U(x,1)$ 。 + +求:(Ⅰ)$(X,Y)$ 的联合密度;(Ⅱ)$f_Y(y)$ ;(Ⅲ)$E(XY)$ 与 $\operatorname{Cov}(X,Y)$ 。 + +> **考点** · [§3.4 条件分布反解联合](01-考点地图.md#user-content-34-条件分布反解联合) + +--- + +### 题 B5 · 相关系数与不独立(★★☆) + +沿用题 A3 的分布:$X$ 等可能取 $1,2,3$ ,给定 $X=i$ 时 $Y\sim B(i,1/2)$ 。 + +求:(Ⅰ)$E(XY)$ ;(Ⅱ)$\operatorname{Cov}(X,Y)$ 与 $\rho_{XY}$ ;(Ⅲ)由(Ⅱ)判断 $X$ 与 $Y$ 是否独立,并说明为什么"$\rho\ne0$ 可以直接下结论";(Ⅳ)另举一例说明"$\rho=0$ 却不能推出独立"。 + +> **考点** · [§3.5 协方差与相关系数](01-考点地图.md#user-content-35-协方差与相关系数) + +--- + +### 题 B6 · 正态的正交变换(★★★) + +设 $X,Y$ 相互独立且都服从 $N(0,1)$ ,令 $U=X+Y$ ,$V=X-Y$ 。 + +求:(Ⅰ)$(U,V)$ 的联合密度;(Ⅱ)判断 $U$ 与 $V$ 是否独立;(Ⅲ)写出 $U$ 与 $V$ 各自的边缘分布。 + +> **考点** · [§3.6 雅可比的两个用途](01-考点地图.md#user-content-36-雅可比的两个用途) + +--- + +### 题 B7 · 可加性表加相关系数(★★☆) + +设 $X\sim N(2,9)$ ,$Y\sim N(-1,16)$ ,$\rho_{XY}=0.5$ 。 + +求:(Ⅰ)$\operatorname{Cov}(X,Y)$ ;(Ⅱ)$D(2X-3Y)$ ;(Ⅲ)$2X-3Y$ 服从什么分布;(Ⅳ)$P\{2X-3Y>7\}$ 。 + +> **考点** · [§3.7 四张可加表](01-考点地图.md#user-content-37-四张可加表) + +--- + +### 题 B8 · 最小与最大同时出现(★★★) + +设 $X,Y$ 相互独立且都服从参数为 $1$ 的指数分布,记 $M=\max\{X,Y\}$ ,$N=\min\{X,Y\}$ 。 + +求:(Ⅰ)$f_M(z)$ ;(Ⅱ)$N$ 服从什么分布;(Ⅲ)$E(M+N)$ ;(Ⅳ)$P\{M-N>1\}$ 。 + +> **考点** · [§3.8 最小与最大同时出现](01-考点地图.md#user-content-38-最小与最大同时出现) + +--- + +### 题 B9 · 异分布的和(★★★) + +设 $X\sim U(0,1)$ ,$Y\sim U(0,2)$ ,且相互独立,$Z=X+Y$ 。 + +求:(Ⅰ)$f_Z(z)$ (须写清分段);(Ⅱ)$P\{Z>2.5\}$ 。 + +> **考点** · [§3.9 异分布的和](01-考点地图.md#user-content-39-异分布的和) + +--- + +### 题 B10 · 条件密度与条件期望(★★☆) + +【真题 2024-9 骨架】设 $(X,Y)$ 的联合密度为 + +$$f(x,y)=x+y,\qquad 0 **考点** · [§3.10 由分布函数反求密度与条件密度](01-考点地图.md#user-content-310-由分布函数反求密度与条件密度) + +--- + +## C 组 · 二圈:12 分大题的形态(8 题) + +### 题 C1 · 无穷区域上的二维连续(★★★) + +【真题 2023-22 骨架】设 $(X,Y)$ 的联合密度为 + +$$f(x,y)=\frac12(x+y)\,\mathrm e^{-(x+y)},\qquad x>0,\ y>0 .$$ + +求:(Ⅰ)$f_X(x)$ ,并判断 $X$ 与 $Y$ 是否独立;(Ⅱ)$EX$ 与 $DX$ ;(Ⅲ)$P\{X+Y\le2\}$ (用 $\mathrm e^{-2}$ 表示)。 + +> **考点** · [§4.1 无穷区域上的二维连续](01-考点地图.md#user-content-41-无穷区域上的二维连续) + +--- + +### 题 C2 · 含参密度先定参再讨论(★★★) + +设 $(X,Y)$ 的联合密度为 + +$$f(x,y)=c(x+y),\qquad 0 **考点** · [§4.2 含参密度先定参再讨论](01-考点地图.md#user-content-42-含参密度先定参再讨论) + +--- + +### 题 C3 · 非独立正态的条件分布(★★★) + +设 $(X,Y)\sim N(0,0;\ 1,1;\ 1/2)$ 。 + +求:(Ⅰ)$Y\mid X=x$ 服从什么分布(写出均值与方差);(Ⅱ)$E(Y\mid X=2)$ 与 $D(Y\mid X=2)$ ;(Ⅲ)用全方差公式验证 $DY=1$ 。 + +> **考点** · [§4.3 非独立正态的条件分布](01-考点地图.md#user-content-43-非独立正态的条件分布) + +--- + +### 题 C4 · 商的分布(★★★) + +设 $X,Y$ 相互独立且都服从 $U(0,1)$ ,$Z=X/Y$ 。 + +求:(Ⅰ)$f_Z(z)$ (须写清分段);(Ⅱ)$P\{Z<2\}$ 。 + +> **考点** · [§4.4 商的分布](01-考点地图.md#user-content-44-商的分布) + +--- + +### 题 C5 · 三个变量的最值(★★☆) + +设 $X_1,X_2,X_3$ 相互独立且都服从 $U(0,1)$ 。 + +求:(Ⅰ)$F_{\max}(z)$ 与 $f_{\max}(z)$ ;(Ⅱ)$E(\max)$ 与 $E(\min)$ ;(Ⅲ)$P\{X_1 **考点** · [§4.5 三个变量的最值](01-考点地图.md#user-content-45-三个变量的最值) + +--- + +### 题 C6 · 独立性反例构造(★★★) + +(Ⅰ)构造一对随机变量 $X,Y$ ,使 $\operatorname{Cov}(X,Y)=0$ 但 $X$ 与 $Y$ 不独立,并验证; + +(Ⅱ)$X\sim N(0,1)$ ,$Y\sim N(0,1)$ 且 $X$ 与 $Y$ 相互独立。令 $Z=XY$ ,判断 $Z$ 是否服从正态分布,并说明这对 $(X,Z)$ 说明了一个什么结论; + +(Ⅲ)判断:若 $f(x,y)=g(x)h(y)$ 对一切 $(x,y)$ 成立,则 $X$ 与 $Y$ 独立。对的给证明,错的给反例。 + +> **考点** · [§4.6 独立性反例构造](01-考点地图.md#user-content-46-独立性反例构造) + +--- + +### 题 C7 · 条件期望与全方差(★★★) + +【真题 2020-22 骨架】设 $X\sim U(0,2)$ ;给定 $X=x$ 时,$Y\sim B(1,\ x/2)$ 。 + +求:(Ⅰ)$E(Y\mid X=x)$ 与 $D(Y\mid X=x)$ ;(Ⅱ)$EY$ ;(Ⅲ)$DY$ ,要求用全方差公式并写出两项的值。 + +> **考点** · [§4.7 条件期望与全方差](01-考点地图.md#user-content-47-条件期望与全方差) + +--- + +### 题 C8 · 八个断言辨析(★★★) + +判断下列八个断言的对错,错的各给一个反例或说明: + +1. 若 $X$ 与 $Y$ 不相关,则 $X$ 与 $Y$ 独立。 +2. 若 $(X,Y)$ 服从二维正态分布,则 $\rho_{XY}=0$ 与"$X,Y$ 独立"等价。 +3. 若联合密度可写成 $f(x,y)=g(x)h(y)$ ,则 $X$ 与 $Y$ 独立。 +4. 两个服从均匀分布的随机变量之和仍服从均匀分布。 +5. 若 $X$ 与 $Y$ 独立,则 $\operatorname{Cov}(X,Y)=0$ 。 +6. 若 $X$ 与 $Y$ 的边缘分布都是正态分布,则 $(X,Y)$ 服从二维正态分布。 +7. 若联合密度的支撑集是三角形,则 $X$ 与 $Y$ 一定不独立。 +8. 若 $X$ 取离散值、$Y$ 连续,则 $(X,Y)$ 存在联合密度。 + +> **考点** · [§4.8 概念辨析](01-考点地图.md#user-content-48-概念辨析) + +--- + +## 做完之后 + +1. **A 组错两个以上**,说明某个动作还没定型,回 [01-考点地图](01-考点地图.md) 找那一节,只读那一条。 +2. **B 组的错几乎都是"支撑画错"**,把错题的支撑集重画一遍再做,做对了才算过。 +3. **C 组按 12 分钟一题限时**(真题解答题的配速),超时的题记为待二刷。 + +答案与解析:[A 组](03a-解析-基础.md) | [B 组](03b-解析-中等.md) | [C 组](03c-解析-拔高.md) 。答疑按题号追加到 [04-答疑笔记](04-答疑笔记.md) 。 diff --git a/基于考研的学习/数学一/专项突破/10-多维随机变量/03a-解析-基础.md b/基于考研的学习/数学一/专项突破/10-多维随机变量/03a-解析-基础.md new file mode 100644 index 0000000..638a5af --- /dev/null +++ b/基于考研的学习/数学一/专项突破/10-多维随机变量/03a-解析-基础.md @@ -0,0 +1,321 @@ +--- +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: A 组核心题解析,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 + +**这一组的错,八成不是"不会",是"手快"**:边缘积错限、分段少一段、独立性看着像就下结论。每题末尾的归因只指出一处。 + +## 答案速查 + +| 题 | A1 | A2 | A3 | A4 | +|---|---|---|---|---| +| 答 | $X$ :0.4/0.6;$Y$ :0.3/0.5/0.2;$P\{X=1\vert Y=2\}=\frac12$ ;$E(X\vert Y=1)=\frac35$ ;不独立 | $c=2$ ;$f_X=4x^3$ ;$f_Y=y-\frac{y^3}{4}$ ;不独立 | $E(X\vert Y=2)=\frac{13}{5}$ ;$P\{X=2\vert Y=2\}=\frac25$ | $f_{Y\vert X}=\frac1x$ ;$E(Y\vert X=x)=\frac x2$ ;$EY=\frac13$ | + +| 题 | A5 | A6 | A7 | A8 | +|---|---|---|---|---| +| 答 | 独立 / 不独立 / 不独立 | $f=2$ ;$f_X=f_Y=2(1-x)$ ;不独立;$EXY=\frac1{12}$ | $7$ 、$3$ ;$-3$ ;$4$ ;$0.5$ | 三角分布;$\frac18$ ;$\frac34$ | + +| 题 | A9 | A10 | A11 | A12 | +|---|---|---|---|---| +| 答 | $E(M)=\frac23$ ,$E(N)=\frac13$ ;$\frac14$ | $f_{U,V}=\frac12$ (菱形);$f_U=1-\vert u-1\vert$ | $0.2613$ ;$12.5\mathrm e^{-5}\approx0.0842$ | $f=6\mathrm e^{-2x-3y}$ ;独立;$\frac35$ | + +--- + +## A 组 + +### 题 A1 · 边缘 0.4/0.6 与 0.3/0.5/0.2,不独立 + +**怎么想**:表格题只有三件事——行和、列和、抽查一格。独立性判断**不要用"看起来不像"**,直接挑一格比。 + +**解**: + +(Ⅰ)行和(对 $X$ ): + +| $X$ | $0$ | $1$ | +|---|---|---| +| $P$ | $0.4$ | $0.6$ | + +列和(对 $Y$ ): + +| $Y$ | $0$ | $1$ | $2$ | +|---|---|---|---| +| $P$ | $0.3$ | $0.5$ | $0.2$ | + +两行合计 $1$ ,两列合计 $1$ 。 + +(Ⅱ)$P\{X=1\mid Y=2\}=\dfrac{0.1}{0.2}=\dfrac12$ ,$P\{X=0\mid Y=1\}=\dfrac{0.2}{0.5}=\dfrac25$ 。 + +(Ⅲ)挑左上方格:$P\{X=0,Y=0\}=0.1$ ,而 $P\{X=0\}P\{Y=0\}=0.4\times0.3=0.12$ ,**不相等**,故 $X$ 与 $Y$ 不独立。 + +> 注意 $P\{X=0,Y=1\}=0.2$ 而乘积也是 $0.2$ ,这一格恰好相等——**只查一格就下结论前,要确保查的那格真的不等**,否则会误判成独立。 + +(Ⅳ)$E(X\mid Y=1)=\sum_i iP\{X=i\mid Y=1\}=0\times\dfrac{0.2}{0.5}+1\times\dfrac{0.3}{0.5}=\dfrac35$ 。 + +$P\{X+Y=2\}=P\{X=0,Y=2\}+P\{X=1,Y=1\}=0.1+0.3=0.4$ 。 + +**归因**:条件分布分母用**列和**不是全表之和。这题若把 $P\{X=1\mid Y=2\}$ 写成 $\frac{0.1}{1}$ 就错了。 + +--- + +### 题 A2 · 常数 2,边缘 4x³ 与 y−y³/4,不独立 + +**怎么想**:归一化的区域就是支撑集 $0\frac y2$ ,故 $x$ 从 $\frac y2$ 到 $1$ : + +$$f_Y(y)=\int_{y/2}^{1}2xy\,\mathrm dx=2y\cdot\frac{1-\frac{y^2}{4}}{2}=y-\frac{y^3}{4},\qquad 01.5\}=\int_{1.5}^{2}(2-z)\,\mathrm dz=\Big[2z-\frac{z^2}{2}\Big]_{1.5}^{2}=2-1.875=\frac18$ 。 + +(Ⅲ)$\displaystyle P\{0.5t\}$ 的几何意义。 + +**解**: + +(Ⅰ)$F_M(z)=z^2$ ,$f_M(z)=2z$ ;$F_N(z)=1-(1-z)^2=2z-z^2$ ,$f_N(z)=2(1-z)$ ,均 $0t$ 等价于 $|X-Y|>t$ 。在单位方形内,$|x-y|>t$ 是两个等腰直角三角形,直角边长 $1-t$ ,总面积 $(1-t)^2$ 。故 + +$$P\{M-N>1/2\}=(1-\tfrac12)^2=\frac14 .$$ + +**归因**:$E(M)+E(N)=EX+EY=1$ ,可以当自检。极差那问若去求 $M-N$ 的密度会绕远,**几何面积两行就完**。 + +--- + +### 题 A10 · 联合密度 1/2,边缘是三角分布 + +**怎么想**:反解 → 雅可比 → **代回原不等式得新支撑**。第三步最常被跳过。 + +**解**: + +(Ⅰ)反解 $x=\dfrac{u+v}{2}$ ,$y=\dfrac{u-v}{2}$ , + +$$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}\frac12 & \frac12\\[2pt] \frac12 & -\frac12\end{vmatrix}=-\frac14-\frac14=-\frac12,\qquad |J|=\frac12 .$$ + +由 $f_{U,V}=f(x,y)|J|$ 且 $f=1$ 在单位方形内: + +$$f_{U,V}(u,v)=\frac12 .$$ + +支撑由 $01$ 时为 $2u-2$ ,统一写成 $2-2|u-1|$ : + +$$f_U(u)=\frac12\big(2-2|u-1|\big)=1-|u-1|,\qquad 00,y>0$ 。 + +(Ⅱ)$f_X(x)=2\mathrm e^{-2x}$ ($x>0$ ),$f_Y(y)=3\mathrm e^{-3y}$ ($y>0$ ),即 $X\sim E(2)$ ,$Y\sim E(3)$ 。 + +(Ⅲ)$F(x,y)=F_X(x)F_Y(y)$ 对一切 $x,y$ 成立,故**独立**。 + +(Ⅳ)两类写法都行,用密度: + +$$P\{X>Y\}=\int_0^{\infty}\!\!\int_y^{\infty}6\mathrm e^{-2x-3y}\,\mathrm dx\,\mathrm dy=\int_0^{\infty}3\mathrm e^{-3y}\mathrm e^{-2y}\,\mathrm dy=\frac{3}{5} .$$ + +> **速记**:$X\sim E(\lambda_1)$ 与 $Y\sim E(\lambda_2)$ 独立时 $P\{X>Y\}=\dfrac{\lambda_2}{\lambda_1+\lambda_2}$ 。本题 $\frac{3}{2+3}=\frac35$ ✓,与"谁参数大谁更容易小"一致。 + +**归因**:$F$ 可分离**只说明独立**,不能直接读出密度——指数上的系数要分别在求导时出来,写错成 $\mathrm e^{-(2x+3y)}$ 而漏掉 $6$ 的乘积是常见错误。 diff --git a/基于考研的学习/数学一/专项突破/10-多维随机变量/03b-解析-中等.md b/基于考研的学习/数学一/专项突破/10-多维随机变量/03b-解析-中等.md new file mode 100644 index 0000000..8323311 --- /dev/null +++ b/基于考研的学习/数学一/专项突破/10-多维随机变量/03b-解析-中等.md @@ -0,0 +1,268 @@ +--- +tags: [数学一, 专项突破, 解析, 多维随机变量] +专题: 多维随机变量 +日期: 2026-11-11 +状态: B 组一圈题解析,A 组见 03a,C 组见 03c +关联笔记: ["[[02-试题]]", "[[01-考点地图]]", "[[03a-解析-基础]]", "[[03c-解析-拔高]]"] +--- + +# 解析(中等)· 多维随机变量 B 组 + +**这一组全是真题的包装形态**:区域均匀加指示变量、混合正态、离散配连续、条件反解。共同点是**题面看不出该用哪条**,得先把支撑和依赖关系理出来。 + +## 答案速查 + +| 题 | B1 | B2 | B3 | B4 | B5 | +|---|---|---|---|---|---| +| 答 | $\frac12$ ;独立;不独立;$\frac13$ | $\frac12$ ;$1.25$ ;$0.3294$ ;不是正态 | $\frac12$ ;不独立;$\frac18<\frac14$ | $f=\frac{1}{1-x}$ ;$-\ln(1-y)$ ;$\frac5{12}$ 、$\frac1{24}$ | $\frac73$ ;$\frac13$ 、$\frac12$ ;不独立 | + +| 题 | B6 | B7 | B8 | B9 | B10 | +|---|---|---|---|---|---| +| 答 | $\frac{1}{4\pi}\mathrm e^{-(u^2+v^2)/4}$ ;独立;都 $N(0,2)$ | $6$ ;$108$ ;$N(7,108)$ ;$0.5$ | $2(1-\mathrm e^{-z})\mathrm e^{-z}$ ;$E(2)$ ;$2$ ;$\mathrm e^{-1}$ | 三段;$\frac1{16}$ | $\frac{x+y}{x+1/2}$ ;$\frac{7}{12}$ | + +--- + +## B 组 + +### 题 B1 · 概率 1/2,与 X 独立、与 Y 不独立 + +**怎么想**:$U$ 是"区域里再划一刀"得到的指示变量。三件事全靠**同一张图**:$D$ 是三角形 $01\}=\frac12P\{Z>1\}+\frac12P\{Z>0\}=\frac12(1-0.8413)+\frac12\times0.5=0.0794+0.25=0.3294 .$$ + +(Ⅲ)**不是正态**。$X$ 的密度是两条正态密度各取一半再相加: + +$$f_X(x)=\frac12\varphi(x)+\frac12\varphi(x-1),$$ + +它有两个峰(在 $0$ 与 $1$ 附近),而正态密度只有一个峰。 + +**归因**:(Ⅱ)里 $T=1$ 时条件是 $X>1\iff Z>0$ ,**不是 $Z>1$ 才对** 。把门槛一起平移,是这题最常见的错。 + +--- + +### 题 B3 · 期望 1/2,不独立 + +**怎么想**:$Y$ 是 $0$ -$1$ 变量而 $X$ 连续,**没有联合密度**。一切概率都用"先给 $X$ 、再算 $Y$ "的顺序。 + +**解**: + +(Ⅰ)$E(Y\mid X=x)=1\cdot x+0\cdot(1-x)=x$ ,故 + +$$EY=E\big[E(Y\mid X)\big]=EX=\frac12 .$$ + +同理 $P\{Y=1\}=E\big[P\{Y=1\mid X\}\big]=EX=\frac12$ 。 + +(Ⅱ)$P\{Y=1\mid X=x\}=x$ **随 $x$ 变**,故不独立。 + +(Ⅲ)$\displaystyle P\{X\le\tfrac12,Y=1\}=\int_0^{1/2}x\,\mathrm dx=\frac18$ ,而 $P\{X\le\tfrac12\}P\{Y=1\}=\frac12\times\frac12=\frac14$ ,两者不等,再次说明不独立。 + +**归因**:$P\{Y=1\}$ 用重期望算是 $EX$ ,很多人直接写 $\frac12$ 却说不出来源——**这条正是"离散配连续"的主公式**。 + +--- + +### 题 B4 · 联合密度 1/(1−x),边缘是负对数 + +**怎么想**:题给 $f_X$ 与 $f_{Y\mid X}$ ,**乘起来**就是联合密度。支撑是三角形(因为条件区间 $(x,1)$ 依赖 $x$ )。 + +**解**: + +(Ⅰ)$f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=1\cdot\dfrac{1}{1-x}$ ,$00 .$$ + +**归因**:$\frac{1-x^2}{1-x}=1+x$ 这一步不约分,直接分部积分会算成一大团。**先约分再积分**是这类题的标准动作。 + +--- + +### 题 B5 · 协方差 1/3,相关系数 1/2 + +**怎么想**:用题 A3 的表,$EXY$ 就是"每格 $i\cdot j\cdot p_{ij}$ 求和"。$\rho\ne0$ 时**不必再验独立性**——独立必不相关,逆否即得。 + +**解**: + +(Ⅰ)只有四格 $ij\ne0$ : + +$$E(XY)=1\cdot1\cdot\frac16+2\cdot1\cdot\frac16+2\cdot2\cdot\frac1{12}+3\cdot1\cdot\frac18+3\cdot2\cdot\frac18+3\cdot3\cdot\frac1{24}$$ +$$=\frac16+\frac13+\frac13+\frac38+\frac34+\frac38=\frac73 .$$ + +(Ⅱ)题 A3 已得 $EX=2$ 、$EY=1$ : + +$$\operatorname{Cov}(X,Y)=\frac73-2\times1=\frac13 .$$ + +$DX=E(X^2)-(EX)^2=\dfrac{1+4+9}{3}-4=\dfrac23$ ,同法 $E(Y^2)=\dfrac{11+20+9}{24}=\dfrac53$ ,$DY=\dfrac53-1=\dfrac23$ 。 + +$$\rho_{XY}=\frac{1/3}{\sqrt{(2/3)(2/3)}}=\frac{1/3}{2/3}=\frac12 .$$ + +(Ⅲ)**不独立**。理由:若独立则必有 $\operatorname{Cov}=0$ ,而此处 $\operatorname{Cov}=\frac13\ne0$ ,故不独立。**"$\rho\ne0$ $\Rightarrow$ 不独立"永远成立**,所以这一方向可以直接下结论。 + +(Ⅳ)反例:$X\sim U(-1,1)$ ,$Y=X^2$ 。则 $EX=0$ ,$E(XY)=E(X^3)=0$ ,故 + +$$\operatorname{Cov}(X,Y)=0-0\cdot EY=0,$$ + +但 $Y$ 完全由 $X$ 决定($|X|$ 已知就能定 $Y$ ),不独立。可见反方向不成立。 + +**归因**:两个方向要分清——**独立 $\Rightarrow$ 不相关**(恒真),**不相关 $\Rightarrow$ 独立**(只有二维正态才对)。题目问"能否判断独立"时,一定要说清用的是哪个方向。 + +--- + +### 题 B6 · 联合密度可分离,独立 + +**怎么想**:这是雅可比的"第二个用途"——**变换之后反而独立**。算完看能否写成 $a(u)b(v)$ 。 + +**解**: + +(Ⅰ)反解 $x=\frac{u+v}{2}$ ,$y=\frac{u-v}{2}$ ,$|J|=\frac12$ (同题 A10)。又 + +$$x^2+y^2=\frac{(u+v)^2+(u-v)^2}{4}=\frac{u^2+v^2}{2},$$ + +代入 $f(x,y)=\dfrac{1}{2\pi}\mathrm e^{-(x^2+y^2)/2}$ : + +$$f_{U,V}(u,v)=\frac{1}{2\pi}\mathrm e^{-(u^2+v^2)/4}\cdot\frac12=\frac{1}{4\pi}\mathrm e^{-(u^2+v^2)/4},\qquad (u,v)\in\mathbb R^2 .$$ + +(Ⅱ)上式 $=\dfrac{1}{2\sqrt\pi}\mathrm e^{-u^2/4}\cdot\dfrac{1}{2\sqrt\pi}\mathrm e^{-v^2/4}$ ,可分离且定义域是全平面,故 $U$ 与 $V$ **独立**。 + +(Ⅲ)$f_U(u)=\dfrac{1}{2\sqrt\pi}\mathrm e^{-u^2/4}$ ,即 $U\sim N(0,2)$ ;同法 $V\sim N(0,2)$ 。 + +> 这与直接算一致:$DU=DX+DY=2$ ,且 $U,V$ 服从二元正态、$\operatorname{Cov}(U,V)=DX-DY=0$ ,由二维正态的性质($\rho=0$ 即独立)也得独立。 + +**归因**:指数里的 $\frac{u^2+v^2}{2}$ 除以 $2$ 才是 $-\frac{u^2+v^2}{4}$ 。**代入 $x^2+y^2$ 时忘掉分母 2**,会让结果看起来像 $N(0,1)$ 而自检失败。 + +--- + +### 题 B7 · 协方差 6,方差 108,概率 0.5 + +**怎么想**:$D(aX+bY)$ 三项齐全,中间那项**符号随 $b$ 变**。$b=-3$ 时协方差项是**加号**。 + +**解**: + +(Ⅰ)$\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times3\times4=6$ 。 + +(Ⅱ) + +$$D(2X-3Y)=4DX+9DY+2\cdot2\cdot(-3)\operatorname{Cov}(X,Y)=4\times9+9\times16-12\times6=36+144-72=108 .$$ + +(Ⅲ)线性组合仍正态,均值 $2\times2-3\times(-1)=7$ ,故 $2X-3Y\sim N(7,\ 108)$ 。 + +(Ⅳ)$P\{2X-3Y>7\}=P\{Z>0\}=0.5$ ,因为 $7$ 正是均值。 + +**归因**:$2ab\operatorname{Cov}$ 中 $a=2,b=-3$ ,乘积 $-6$ ,再乘 $2$ 得 $-12$ 。**只写 $+12\operatorname{Cov}$ 这一项** 会得 $36+144+72=252$ ,错一倍多。 + +--- + +### 题 B8 · 最大值密度、最小值服从 E(2) + +**怎么想**:最值只用两条尾概率。$M-N$ 是极差,转成 $\vert X-Y\vert$ 。 + +**解**: + +(Ⅰ)$F_M(z)=\big(1-\mathrm e^{-z}\big)^2$ ,求导: + +$$f_M(z)=2\big(1-\mathrm e^{-z}\big)\mathrm e^{-z},\qquad z>0 .$$ + +(Ⅱ)$P\{N>z\}=P\{X>z\}P\{Y>z\}=\mathrm e^{-2z}$ ,故 $N\sim E(2)$ ,$EN=\frac12$ 。 + +(Ⅲ)$E(M+N)=EX+EY=1+1=2$ 。(与(Ⅰ)(Ⅱ)互检:$EM=\int_0^\infty\big[1-(1-\mathrm e^{-z})^2\big]\mathrm dz=1+\frac12=\frac32$ ,$EN=\frac12$ ,合计 $2$ ✓。) + +(Ⅳ)$M-N>t\iff|X-Y|>t$ 。指数分布的无记忆性给出 + +$$P\{|X-Y|>t\}=2\int_t^{\infty}\!\!\int_0^{x-t}\mathrm e^{-x}\mathrm e^{-y}\,\mathrm dy\,\mathrm dx=\mathrm e^{-t},$$ + +故 $M-N\sim E(1)$ ,$P\{M-N>1\}=\mathrm e^{-1}\approx0.3679$ 。 + +**归因**:$N$ 的分布**直接由尾概率读出**,不必先求 $F_N$ 再求导。这一步省下来的时间正好用来算(Ⅳ)。 + +--- + +### 题 B9 · 三段,概率 1/16 + +**怎么想**:两个均匀的支撑长度不同($1$ 与 $2$ ),卷积要**分三段**。临界值是两个端点的和:$0+0=0$ 、$0+2=1$ 、$1+0=1$ 、$1+2=3$ ,即 $1$ 与 $2$ 。 + +**解**: + +(Ⅰ)$\displaystyle f_Z(z)=\int f_X(x)f_Y(z-x)\,\mathrm dx=\frac12\int_0^1\mathbf 1\{02.5\}=\int_{2.5}^{3}\frac{3-z}{2}\,\mathrm dz=\frac12\cdot\frac{(3-2.5)^2}{2}=\frac1{16}$ 。 + +(几何验算:$f_Z$ 在 $[2,3]$ 上是高 $\frac12$ 、底 $1$ 的三角形,$z>2.5$ 那部分是底 $\frac12$ 的小三角形,面积 $\frac12\times\frac12\times\frac14=\frac1{16}$ ✓。) + +**归因**:很多人只分两段(照抄两个 $U(0,1)$ 的结论)。**支撑长度不等时分段数变多**,这是"异分布"和"同分布"的唯一区别,务必按端点之和列临界值。 + +--- + +### 题 B10 · 条件密度 (x+y)/(x+1/2),期望 7/12 + +**怎么想**:$f=x+y$ 在单位方形上**不可分离**,所以不独立;但条件密度照样好算,因为分母 $f_X$ 是 $x$ 的一元函数。 + +**解**: + +(Ⅰ)$\displaystyle f_X(x)=\int_0^1(x+y)\,\mathrm dy=x+\frac12$ ,$00$ : + +$$f_X(x)=\int_0^{\infty}\frac12(x+y)\mathrm e^{-(x+y)}\,\mathrm dy=\frac{\mathrm e^{-x}}{2}\int_0^{\infty}(x+y)\mathrm e^{-y}\,\mathrm dy=\frac{(x+1)\mathrm e^{-x}}{2}.$$ + +(用了 $\int_0^\infty \mathrm e^{-y}\mathrm dy=1$ 、$\int_0^\infty y\mathrm e^{-y}\mathrm dy=1$ 。) + +由对称性 $f_Y(y)=\dfrac{(y+1)\mathrm e^{-y}}{2}$ ,且 + +$$f_X(x)f_Y(y)=\frac{(x+1)(y+1)\mathrm e^{-(x+y)}}{4}\ne\frac{(x+y)\mathrm e^{-(x+y)}}{2},$$ + +故**不独立**。 + +> 这里正好是反例:密度**能**写成"含 $(x+y)$ 的整体",却拆不成 $g(x)h(y)$ 。看到 $x+y$ 出现,独立性基本就没了。 + +(Ⅱ)$\displaystyle EX=\int_0^\infty\frac{x(x+1)\mathrm e^{-x}}{2}\mathrm dx=\frac{2+1}{2}=\frac32$ ,$\displaystyle EX^2=\int_0^\infty\frac{x^2(x+1)\mathrm e^{-x}}{2}\mathrm dx=\frac{6+2}{2}=4$ , + +$$DX=4-\frac94=\frac74 .$$ + +(Ⅲ)令 $u=x+y$ ,沿直线 $x+y=u$ 在区域内的长度为 $u$ ,故 + +$$P\{X+Y\le2\}=\int_0^2 u\cdot\frac{u\mathrm e^{-u}}{2}\,\mathrm du=\frac12\int_0^2u^2\mathrm e^{-u}\,\mathrm du=\frac12\Big[2-10\mathrm e^{-2}\Big]=1-5\mathrm e^{-2}\approx0.3233 .$$ + +(用了 $\int u^2\mathrm e^{-u}\mathrm du=-(u^2+2u+2)\mathrm e^{-u}$ 。) + +**归因**:第(Ⅰ)问极易答成"独立"——因为 $f$ 里 $x,y$ 的地位对称,看着像可分离。**对称 $\ne$ 可分离**,必须真写出乘积去比。 + +--- + +### 题 C2 · 常数 1/3,不独立,概率 1/9 + +**怎么想**:含参先定参。支撑是矩形,所以独立性**只能靠算**,不能靠形状。 + +**解**: + +(Ⅰ)$\displaystyle\int_0^1\!\!\int_0^2(x+y)\,\mathrm dy\,\mathrm dx=\int_0^1(2x+2)\,\mathrm dx=1+2=3$ ,故 $c=\frac13$ 。 + +(Ⅱ)$\displaystyle f_X(x)=\int_0^2\frac{x+y}{3}\mathrm dy=\frac{2x+2}{3}$ ,$01$ 时与方形的交点位置不同,**必须分段**。 + +**解**: + +(Ⅰ)用分布函数法。$z>0$ 时 + +$$F_Z(z)=P\{X\le zY\}=\iint_{x\le zy,\ 0 **自检别用错公式**:$E(\max)+E(\min)=EX_1+EX_2$ 只对**两个**变量成立,那时 $\max+\min=X_1+X_2$ 是恒等式。三个变量时这个等式不成立($\frac34+\frac14=1\ne\frac32$ ),因为它漏掉了中间那个次序统计量。正确的自检是三个次序统计量的期望之和:对 $U(0,1)$ 它们是 $\frac14,\ \frac12,\ \frac34$ ,合计 $\frac32=3\times\frac12$ ✓。 + +(Ⅲ)三个变量独立同分布(连续),六种大小顺序等可能,故 + +$$P\{X_1 **对比题 A5(Ⅱ)**:那里 $f=8xy$ 只在三角形内等于 $g(x)h(y)$ ,支撑外 $f=0$ 而 $g h\ne0$ ,所以不独立。**"对一切成立"与"在支撑内可分离"是两个不同的条件**,考题常在措辞上做手脚。 + +**归因**:(Ⅲ)若答"错"并举 A5(Ⅱ) 当反例,就是没看清"对一切"三个字。命题人把限定词放在句子里,是这类题的固定套路。 + +--- + +### 题 C7 · 期望 1/2,方差 1/4 + +**怎么想**:$Y$ 是 $0$ -$1$ 变量,$D(Y\mid X)$ 用二项方差公式,全方差两项都要算。 + +**解**: + +(Ⅰ)$Y\mid X=x\sim B(1,\ x/2)$ ,故 + +$$E(Y\mid X=x)=\frac x2,\qquad D(Y\mid X=x)=\frac x2\Big(1-\frac x2\Big)=\frac x2-\frac{x^2}{4} .$$ + +(Ⅱ)$\displaystyle EY=E\Big(\frac X2\Big)=\frac{1}{2}\cdot\frac{0+2}{2}=\frac12$ 。 + +(Ⅲ)全方差公式两项分别算: + +$$E\big[D(Y\mid X)\big]=\int_0^2\Big(\frac x2-\frac{x^2}{4}\Big)\cdot\frac12\,\mathrm dx=\frac12\Big[\frac{x^2}{4}-\frac{x^3}{12}\Big]_0^2=\frac12\Big(1-\frac23\Big)=\frac16,$$ + +$$D\big[E(Y\mid X)\big]=D\Big(\frac X2\Big)=\frac{DX}{4}=\frac{4/12}{4}=\frac1{12} .$$ + +所以 $DY=\dfrac16+\dfrac1{12}=\dfrac14$ 。 + +验算(用矩):$EY^2=E\big[E(Y^2\mid X)\big]=E\big[\frac X2\big]=\frac12$ ,故 $DY=\frac12-\frac14=\frac14$ ✓。 + +**归因**:$E[D(Y\mid X)]=\frac16$ 这一项最容易被漏掉,只算 $D[E(Y\mid X)]=\frac1{12}$ 就答"方差 $\frac1{12}$ "——**偏小而且没有自检能抓**,只能靠记住公式有两项。 + +--- + +### 题 C8 · 错、对、错、错、对、错、对、错 + +**怎么想**:逐条对照 [§1.5](01-考点地图.md#user-content-15-独立性三重判据) 与 [§1.7](01-考点地图.md#user-content-17-二维正态分布) 的边界。 + +**解**: + +| 断言 | 判断 | 反例或理由 | +|---|---|---| +| 1. 不相关 $\Rightarrow$ 独立 | **错** | $X\sim U(-1,1)$ ,$Y=X^2$ ,$\operatorname{Cov}=0$ 但不独立(题 C6) | +| 2. 二维正态中 $\rho=0\iff$ 独立 | **对** | 二维正态的密度代入 $\rho=0$ 后正好分解为两个边缘密度之积 | +| 3. 支撑内可分离 $\Rightarrow$ 独立 | **错** | $f=8xy$ 在 $0