专项突破 10:新建「多维随机变量」,30 题(概率分值最高的一章)
ch17 十年 11 题 105 分,是概率分值最高的一章,也是每年必出 11—12 分 解答题的唯一边界;而 03 号专题只覆盖 ch19—ch22,开头就写明"不涉及 多维随机变量那种技巧性构造"。这份补齐这块空白。 - 01-考点地图(9443):十二个核心动作(分布律填表 / 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 / 混合型)+ 一圈 10 条 + 二圈 8 条 + 十年真题索引 + 30 题索引 + 六个高频陷阱 - 02-试题(8443):30 题(A 核心 12 / B 一圈 10 / C 二圈 8),比其余 各份(12—22 题)多出近一半,因这一章靠"画区域"的手感、只能堆题量 - 03a/03b/03c:三册解析,每题四段(怎么想 / 解 / 归因),全部数值 经 sympy 验算(A3 的 rho=1/2、A6 的 rho=-1/2、B1 的 E(UX)=E(U)E(X) =1/3、C7 的 DY=1/4 等) - C1 照 2023·22 的形态出(区域密度 → 边缘 → 函数分布 → 数字特征, 四问 12 分);C8 是八个断言的概念辨析,与 C6 的"对一切"vs"支撑内 可分离"形成对照 - 同步:专项突破 README(十份专题、总 182 题、10 与 03 的相互关系、 用时 25—27 小时)、总览.md 目录树 校验:check_md_links 0 异常、fix_gitea_math 0 处、7 处「加粗以公式 收尾」改句式(脚本修不了,补空格反而让星号外露)、单文件最大 9607。
This commit is contained in:
@@ -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 $a<x<b,\ c<y<d$ | 最常用,两条件缺一不可 |
|
||||
| 定义 | $F(x,y)=F_X(x)F_Y(y)$ 对一切 $x,y$ | 通用但慢 |
|
||||
| 条件分布 | $f_{X\mid Y}(x\mid y)$ 与 $y$ 无关 | 连续型好用 |
|
||||
|
||||
**两个必须记住的结论**:① 支撑不是矩形(三角形、圆、$0<y<x$ 这类)**一定不独立**,不用算;② 支撑是矩形但密度不可分离,也**不一定独立**——必须真算边缘乘积去比(见 A5 第三例)。
|
||||
|
||||
### 1.6 二维均匀分布
|
||||
|
||||
$(X,Y)$ 在区域 $D$ 上均匀 $\iff$ $f=\dfrac{1}{S_D}$ 在 $D$ 内。**没有"均匀的边缘"**:三角形上均匀的两个边缘都是线性的,不是均匀分布。这是判断题的高频陷阱。
|
||||
|
||||
反过来,概率 = 面积比:$P\{(X,Y)\in G\}=\dfrac{S_{G\cap D}}{S_D}$ ,很多题不用积分,直接用面积算更快。
|
||||
|
||||
### 1.7 二维正态分布
|
||||
|
||||
$$(X,Y)\sim N(\mu_1,\mu_2;\sigma_1^2,\sigma_2^2;\rho).$$
|
||||
|
||||
三条必背:① 边缘仍是正态,且**边缘的参数里不含 $\rho$ 这一项** ;② $\rho=0\iff$ 独立(二维正态独有,一般情形不成立);③ 任何线性组合 $aX+bY$ 仍正态,$D(aX+bY)=a^2\sigma_1^2+b^2\sigma_2^2+2ab\rho\sigma_1\sigma_2$ 。
|
||||
|
||||
条件分布也是正态:$Y\mid X=x\sim N\Big(\mu_2+\rho\dfrac{\sigma_2}{\sigma_1}(x-\mu_1),\ \sigma_2^2(1-\rho^2)\Big)$ ,**条件方差与 $x$ 无关**。
|
||||
|
||||
### 1.8 分布函数法
|
||||
|
||||
求 $Z=g(X,Y)$ 的密度,万能的四步:
|
||||
|
||||
1. 写 $F_Z(z)=P\{g(X,Y)\le z\}$ ;
|
||||
2. **在支撑图上画出 $g(x,y)\le z$ 这条曲线**,找出它与区域相交的形状;
|
||||
3. 按 $z$ 的取值分段(曲线扫过区域的不同顶点时,形状变,公式就变);
|
||||
4. 对 $z$ 求导得 $f_Z$ ,并写明 $f_Z$ 的支撑。
|
||||
|
||||
**分段的临界值从哪来**:曲线恰好经过区域顶点时的 $z$ 。所以第 2 步画图时要把顶点坐标写出来。
|
||||
|
||||
### 1.9 雅可比变换法
|
||||
|
||||
求 $(U,V)=(g_1(X,Y),g_2(X,Y))$ 的联合密度:
|
||||
|
||||
$$f_{U,V}(u,v)=f\big(x(u,v),y(u,v)\big)\cdot\lvert J\rvert,\qquad J=\frac{\partial(x,y)}{\partial(u,v)} .$$
|
||||
|
||||
**三个坑**:① 反解要写全($x,y$ 都用 $u,v$ 表示);② 雅可比取绝对值;③ 支撑要跟着换——把 $x(u,v),y(u,v)$ 代回原来的不等式,得到的才是 $(u,v)$ 的区域。
|
||||
|
||||
只要求一个函数的分布时,**拉一个陪变量**(常取 $V=Y$ )把它补成一次变换,积掉 $v$ 就回到边缘,见 [第3讲 点6 §6.2](../../在学练习/概率论-第3讲-多维随机变量及其分布/07-点6-四则运算与最值.md)。
|
||||
|
||||
### 1.10 和差积商与可加性
|
||||
|
||||
卷积:$f_{X+Y}(z)=\displaystyle\int f_X(x)f_Y(z-x)\,\mathrm dx$ (独立时)。**积分限由 $x$ 与 $z-x$ 同时落在各自支撑内决定**,所以 $z$ 要分段。
|
||||
|
||||
四张可加表(独立时成立,且是"同类型才可加"):
|
||||
|
||||
| 分布 | 可加性 |
|
||||
|---|---|
|
||||
| 正态 | $N(\mu_1,\sigma_1^2)+N(\mu_2,\sigma_2^2)=N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)$ |
|
||||
| 泊松 | $P(\lambda_1)+P(\lambda_2)=P(\lambda_1+\lambda_2)$ |
|
||||
| 二项 | $B(n_1,p)+B(n_2,p)=B(n_1+n_2,p)$ (**$p$ 必须相同**) |
|
||||
| 卡方 | $\chi^2(n_1)+\chi^2(n_2)=\chi^2(n_1+n_2)$ |
|
||||
|
||||
均匀分布、指数分布(同参数)**没有**这个性质——两个 $U(0,1)$ 相加是三角分布,不是均匀。
|
||||
|
||||
### 1.11 最值分布
|
||||
|
||||
独立时:
|
||||
|
||||
$$F_{\max}(z)=\prod F_{X_i}(z),\qquad F_{\min}(z)=1-\prod\big[1-F_{X_i}(z)\big].$$
|
||||
|
||||
同分布时简化为 $F^n$ 与 $1-(1-F)^n$ 。**$E(\max)$ 与 $E(\min)$ 别硬算密度**:同分布 $U(0,1)$ 时 $E(\max)=\frac{n}{n+1}$ ,$E(\min)=\frac{1}{n+1}$ ;一般地若 $F_{\max}=F^n$ 且 $E$ 好算,直接用 $\int_0^\infty[1-F^n]\,\mathrm dz$ 。
|
||||
|
||||
$\max-\min$ 的分布要单独求,不能用上面两式相减(两者不独立)。
|
||||
|
||||
### 1.12 混合型与全概率密度版
|
||||
|
||||
$X$ 离散、$Y$ 连续(或反之)时,**没有联合密度**,只能用全概率:
|
||||
|
||||
$$f_Y(y)=\sum_i P\{X=x_i\}\,f_{Y\mid X=x_i}(y),\qquad P\{Y\in B\}=\sum_i P\{X=x_i\}\,P\{Y\in B\mid X=x_i\}.$$
|
||||
|
||||
判断"有没有联合密度"的标准:**联合分布函数是否绝对连续**。混合型的 $F$ 在 $X$ 的取值处有跳跃,所以不存在。
|
||||
|
||||
## 三、一圈层(10 条)
|
||||
|
||||
### 3.1 区域均匀加指示变量
|
||||
|
||||
$I=\mathbf 1\{g(X,Y)\ge0\}$ 是真题最常见的包装(2016·22)。判它与其他变量的独立性,用**条件概率**:$P\{I=1\mid X=x\}$ 若是常数,则 $I$ 与 $X$ 独立,常数值就是 $P\{I=1\}$ ;若随 $x$ 变,就不独立。别去求联合分布。
|
||||
|
||||
### 3.2 混合正态与全方差公式
|
||||
|
||||
$X$ 的分布依赖一个离散变量 $T$ 时,$X$ 是混合分布,一般**不是正态**。均值用重期望、方差用全方差:
|
||||
|
||||
$$EX=E\big[E(X\mid T)\big],\qquad DX=E\big[D(X\mid T)\big]+D\big[E(X\mid T)\big].$$
|
||||
|
||||
第二项常被漏掉,漏了就一定偏小。
|
||||
|
||||
### 3.3 离散与连续的交叉
|
||||
|
||||
$X$ 离散、$Y$ 连续时按 $X$ 的取值用全概率拆开,每一支都是普通的一维问题。**顺序别倒**:先拆离散变量,再在每支里做连续运算。
|
||||
|
||||
### 3.4 条件分布反解联合
|
||||
|
||||
给 $f_{Y\mid X=x}$ 与 $f_X$ ,乘起来得 $f(x,y)=f_X(x)f_{Y\mid X}(x\mid y)$ ,再反求 $f_Y$ 。这条路的支撑往往是个三角形(因为条件区间依赖 $x$ ),所以求 $f_Y$ 时积分限含 $y$ 。
|
||||
|
||||
### 3.5 协方差与相关系数
|
||||
|
||||
$\operatorname{Cov}(X,Y)=EXY-EX\cdot EY$ 。$EXY$ 在离散型是表格加权求和,连续型是 $\iint xy f$ 。相关系数 $\rho=\dfrac{\operatorname{Cov}}{\sqrt{DX\cdot DY}}$ 。
|
||||
|
||||
**判断"不相关但不独立"**:算出 $\operatorname{Cov}=0$ 只说明没有线性关系,还要另找一对事件 $P\{X\le x,Y\le y\}\ne F_XF_Y$ 来证不独立。
|
||||
|
||||
### 3.6 雅可比的两个用途
|
||||
|
||||
一是**求联合密度**(正着用,见 1.9);二是**判独立**——算完 $f_{U,V}$ 看能否写成 $a(u)b(v)$ 且支撑是矩形。后者常让人意外:两个相依变量的某个变换可能变独立(B6、B10 都是这样)。
|
||||
|
||||
### 3.7 四张可加表
|
||||
|
||||
认出分布类型直接写,比卷积快十倍,**但前提是独立**。最容易错的两处:二项可加要求 $p$ 相同;均匀与指数(不同参数)没有可加性。
|
||||
|
||||
### 3.8 最小与最大同时出现
|
||||
|
||||
不用求任何密度,只用两条尾概率:
|
||||
|
||||
$$P\{\max\le z\}=\prod F_i(z),\qquad P\{\min>z\}=\prod\big[1-F_i(z)\big].$$
|
||||
|
||||
$\max-\min$ 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 $y<z x$ 这条直线的方向会随 $z$ 变。绝对值、不等号方向两处都要照顾。
|
||||
|
||||
### 4.5 三个变量的最值
|
||||
|
||||
$F_{\max}=F^3$ 、$F_{\min}=1-(1-F)^3$ 。次序对称性很好用:连续型独立同分布时,$P\{X_1<X_2<X_3\}=\frac{1}{3!}=\frac16$ ,因为六种大小顺序等可能。
|
||||
|
||||
### 4.6 独立性反例构造
|
||||
|
||||
标准反例:$X\sim U(-1,1)$ 、$Y=X^2$ ,则 $\operatorname{Cov}=0$ 但 $Y$ 完全由 $X$ 决定。反过来"独立必不相关"永远成立。这两个方向要能各举一例。
|
||||
|
||||
### 4.7 条件期望与全方差
|
||||
|
||||
两段式:先算 $E[D(Y\mid X)]$ (条件方差再取期望),再算 $D[E(Y\mid X)]$ (条件均值作为随机变量的方差)。**两项量纲相同、都非负**,加起来才对。
|
||||
|
||||
### 4.8 概念辨析
|
||||
|
||||
八个断言逐条判,考的全是边界:不相关与独立的关系、二维正态的特殊性、均匀的边缘是否均匀、混合型能否写密度。这类题不计算,但错一个就整题错。
|
||||
|
||||
## 五、十年真题索引
|
||||
|
||||
| 年份·题号 | 题型 | 分 | 考法 | 本专题对应 |
|
||||
|---|---|---|---|---|
|
||||
| 2016·22 | 解答 | 11 | 三角形均匀 + 指示变量 + 独立性 | B1 |
|
||||
| 2017·22 | 解答 | 11 | 离散×连续混合,函数分布 | B3 |
|
||||
| 2018·22 | 解答 | 11 | 协方差 + 函数分布 | B5 |
|
||||
| 2019·8 | 单选 | 4 | 正态差的分布与独立性 | A7 |
|
||||
| 2019·22 | 解答 | 11 | 函数分布(分段) | A8 |
|
||||
| 2020·22 | 解答 | 11 | 混合正态 + 数字特征 | B2 |
|
||||
| 2021·22 | 解答 | 12 | 函数分布与期望 | A9 |
|
||||
| 2022·10 | 单选 | 5 | 条件分布反解 + 相关系数 | B4 |
|
||||
| 2023·22 | 解答 | 12 | 二维连续型综合 | C1 |
|
||||
| 2024·9 | 单选 | 5 | 条件分布与协方差 | B10 |
|
||||
|
||||
合 10 题 103 分(另有 2025·22 计入数理统计章)。**解答题的形态高度固定**:给一个区域上的密度 → 求边缘 → 求某个函数的分布 → 顺带算一个数字特征,四问 12 分。C1 就是照着这个形态出的。
|
||||
|
||||
## 六、题目索引
|
||||
|
||||
| 题 | 考什么 | 难度 | 真题锚点 |
|
||||
|---|---|---|---|
|
||||
| A1 | 分布律填表、边缘、条件、独立 | ★☆☆ | 基础动作 |
|
||||
| A2 | 归一化 + 边缘密度分段 | ★☆☆ | 2023·22 第一问 |
|
||||
| A3 | 条件分布律与条件期望 | ★★☆ | 2022·10 |
|
||||
| A4 | 条件密度与重期望验证 | ★★☆ | — |
|
||||
| A5 | 独立性三判据(三个反例) | ★★☆ | 概念题高频 |
|
||||
| A6 | 二维均匀(三角形) | ★★☆ | 2016·22 |
|
||||
| A7 | 二维正态的线性组合 | ★★☆ | 2019·8 |
|
||||
| A8 | 分布函数法求和的分布 | ★★★ | 2019·22 |
|
||||
| A9 | 最值分布与极差 | ★★☆ | 2021·22 |
|
||||
| A10 | 雅可比求联合密度 | ★★★ | — |
|
||||
| A11 | 可加性直接写分布 | ★☆☆ | 选填常客 |
|
||||
| A12 | 由 $F$ 反求 $f$ 与概率 | ★★☆ | 2023·22 |
|
||||
| B1 | 指示变量独立性 | ★★★ | 2016·22 |
|
||||
| B2 | 混合正态与总方差 | ★★★ | 2020·22 |
|
||||
| B3 | 离散×连续混合 | ★★★ | 2017·22、2019·22 |
|
||||
| B4 | 条件分布反解联合 | ★★★ | 2022·10 |
|
||||
| B5 | 相关系数(含不相关不独立) | ★★☆ | 2018·22 |
|
||||
| B6 | 雅可比:正态的正交变换 | ★★★ | — |
|
||||
| B7 | 可加性表 + 相关系数 | ★★☆ | 选填 |
|
||||
| B8 | min 与 max 同时出现 | ★★★ | — |
|
||||
| B9 | 异分布卷积 | ★★★ | — |
|
||||
| B10 | 条件密度与条件期望 | ★★☆ | 2024·9 |
|
||||
| C1 | 无穷区域综合(12 分) | ★★★ | 2023·22 |
|
||||
| C2 | 含参密度 + 独立讨论 | ★★★ | — |
|
||||
| C3 | 非独立正态的条件分布 | ★★★ | — |
|
||||
| C4 | 商的分布 | ★★★ | — |
|
||||
| C5 | 三变量最值 | ★★☆ | — |
|
||||
| C6 | 独立性反例构造 | ★★★ | 概念题 |
|
||||
| C7 | 条件期望与全方差 | ★★★ | 2020·22 |
|
||||
| C8 | 八个断言辨析 | ★★★ | 概念题 |
|
||||
|
||||
**A 组 12 题一次把 12 个动作各走一遍**,B 组是真题的混合包装,C 组是 12 分大题的形态。合计 30 题。
|
||||
|
||||
## 七、六个高频陷阱
|
||||
|
||||
1. **支撑不是矩形却去算乘积**:$0<y<x<1$ 这类,题干里一旦出现不等关系连着两个变量,独立性的答案立刻是"不独立",省下五分钟。
|
||||
2. **边缘密度的积分限照抄 0 到 1**:必须按支撑投影写。三角形 $0<y<1-x$ 时 $f_X(x)=\int_0^{1-x}$ ,不是 $\int_0^1$ 。
|
||||
3. **分段少写一段**:$Z=X+Y$ 的两个均匀相加,$z$ 必须分两段(或三段,当支撑不等长)。**写完要验归一化,即 $\int f_Z=1$ 是否成立** ,少了段一定不归一。
|
||||
4. **把"不相关"当"独立"**:只有二维正态反过来成立;一维函数关系($Y=X^2$ )是标准反例。
|
||||
5. **在混合型上写联合密度**:$X$ 离散时 $f(x,y)$ 根本不存在,只能写 $P\{X=x_i\}f_{Y\mid X=x_i}(y)$ 。
|
||||
6. **最值用密度硬算**:$F_{\max}=F^n$ 一步到位,硬算密度要多写两行还容易错。
|
||||
|
||||
## 八、回到在学练习
|
||||
|
||||
这份专题是"扩散式加练",不是第一次学。第一次学的顺序在 [第3讲 README](../../在学练习/概率论-第3讲-多维随机变量及其分布/README.md):点 1 联合分布 → 点 2 离散 → 点 3 连续 → 点 4 独立 → 点 5 函数分布 → 点 6 四则运算 → 点 7 混合型。
|
||||
|
||||
**做完本专题若某条仍卡**,按上表回到对应点,只读那一条,不要再通读整讲。
|
||||
@@ -0,0 +1,368 @@
|
||||
---
|
||||
tags: [数学一, 专项突破, 试题, 多维随机变量]
|
||||
专题: 多维随机变量
|
||||
日期: 2026-11-11
|
||||
题量: 30 题(核心 12 + 一圈 10 + 二圈 8)
|
||||
状态: 试题版, 答案与解析见 03a/03b/03c
|
||||
关联笔记: ["[[01-考点地图]]", "[[03a-解析-基础]]", "[[03b-解析-中等]]", "[[03c-解析-拔高]]", "[[04-答疑笔记]]"]
|
||||
---
|
||||
|
||||
# 试题 · 多维随机变量
|
||||
|
||||
**题量比前九份都多**(其余 20—22 题,这份 30 题),原因是这一章在十年里出现 11 次、105 分,是概率分值最高的一章,而它的失分几乎全在"区域画错、分段漏掉",只能靠题量堆手感。
|
||||
|
||||
A 组 12 题把 12 个动作各走一遍,每题只考一件事,**限时 60 分钟**;B 组 10 题是真题的混合包装;C 组 8 题是 12 分大题的形态,含两道概念辨析。
|
||||
|
||||
**做之前准备**:每道题先画支撑集,画不出来就先不下笔。C 组建议手写完整过程。
|
||||
|
||||
**附常用值**:$\Phi(1)=0.8413$ ,$\Phi(2)=0.9772$ ,$\mathrm e^{-1}=0.3679$ ,$\mathrm e^{-2}=0.1353$ ,$0.4^2\times0.6^5=0.01244$ 。
|
||||
|
||||
---
|
||||
|
||||
## A 组 · 核心(12 题)
|
||||
|
||||
### 题 A1 · 联合分布律填表(★☆☆)
|
||||
|
||||
设 $(X,Y)$ 的联合分布律为:
|
||||
|
||||
| $X\backslash Y$ | $0$ | $1$ | $2$ |
|
||||
|---|---|---|---|
|
||||
| $0$ | $0.1$ | $0.2$ | $0.1$ |
|
||||
| $1$ | $0.2$ | $0.3$ | $0.1$ |
|
||||
|
||||
求:(Ⅰ)$X$ 与 $Y$ 的边缘分布律;(Ⅱ)$P\{X=1\mid Y=2\}$ 与 $P\{X=0\mid Y=1\}$ ;(Ⅲ)判断 $X$ 与 $Y$ 是否独立;(Ⅳ)$E(X\mid Y=1)$ 与 $P\{X+Y=2\}$ 。
|
||||
|
||||
> **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
|
||||
|
||||
$$f(x,y)=cxy,\qquad 0<x<1,\quad 0<y<2x .$$
|
||||
|
||||
求:(Ⅰ)常数 $c$ ;(Ⅱ)边缘密度 $f_X(x)$ 与 $f_Y(y)$ ;(Ⅲ)判断 $X$ 与 $Y$ 是否独立,并说明理由。
|
||||
|
||||
> **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 $D=\{(x,y):0<y<x<1\}$ 上服从均匀分布。
|
||||
|
||||
求:(Ⅰ)$f_X(x)$ 与 $f_Y(y)$ ;(Ⅱ)条件密度 $f_{Y\mid X}(y\mid x)$ ;(Ⅲ)$E(Y\mid X=x)$ ,并用重期望公式验证 $EY$ 。
|
||||
|
||||
> **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)$f=4xy$ ,$0<x<1,\ 0<y<1$ ;
|
||||
|
||||
(Ⅱ)$f=8xy$ ,$0<y<x<1$ ;
|
||||
|
||||
(Ⅲ)$f=\dfrac65(x+y^2)$ ,$0<x<1,\ 0<y<1$ 。
|
||||
|
||||
> **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)$P\{X<Y\}$ 。
|
||||
|
||||
> **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)$P\{0.5<Z<1.5\}$ 。
|
||||
|
||||
> **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 $D=\{(x,y):0<y<x<1\}$ 上服从均匀分布,令
|
||||
|
||||
$$U=\begin{cases}1, & Y\le\dfrac{X}{2},\\[2pt] 0, & Y>\dfrac{X}{2}.\end{cases}$$
|
||||
|
||||
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
|
||||
|
||||
$$f(x,y)=x+y,\qquad 0<x<1,\quad 0<y<1 .$$
|
||||
|
||||
求:(Ⅰ)$f_X(x)$ ;(Ⅱ)$f_{Y\mid X}(y\mid x)$ ;(Ⅲ)$E(Y\mid X=x)$ ;(Ⅳ)$EY$ ,并用重期望公式验证。
|
||||
|
||||
> **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
|
||||
|
||||
$$f(x,y)=c(x+y),\qquad 0<x<1,\quad 0<y<2 .$$
|
||||
|
||||
求:(Ⅰ)$c$ ;(Ⅱ)$f_X(x)$ 与 $f_Y(y)$ ;(Ⅲ)判断独立性;(Ⅳ)$P\{X+Y<1\}$ 。
|
||||
|
||||
> **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)$P\{X_1<X_2<X_3\}$ 。
|
||||
|
||||
> **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) 。
|
||||
@@ -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 $0<x<1,\ 0<y<2x$ 。定完 $c$ 再求边缘,求边缘时**画竖线、画横线**。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)$\displaystyle\int_0^1\!\!\int_0^{2x}cxy\,\mathrm dy\,\mathrm dx=c\int_0^1 2x^3\,\mathrm dx=\frac{c}{2}=1$ ,故 $c=2$ 。
|
||||
|
||||
(Ⅱ)固定 $x\in(0,1)$ ,$y$ 从 $0$ 到 $2x$ :
|
||||
|
||||
$$f_X(x)=\int_0^{2x}2xy\,\mathrm dy=2x\cdot\frac{(2x)^2}{2}=4x^3,\qquad 0<x<1 .$$
|
||||
|
||||
求 $f_Y$ 要改画横线:固定 $y\in(0,2)$ ,由 $y<2x$ 得 $x>\frac y2$ ,故 $x$ 从 $\frac y2$ 到 $1$ :
|
||||
|
||||
$$f_Y(y)=\int_{y/2}^{1}2xy\,\mathrm dx=2y\cdot\frac{1-\frac{y^2}{4}}{2}=y-\frac{y^3}{4},\qquad 0<y<2 .$$
|
||||
|
||||
自检:$\int_0^1 4x^3\,\mathrm dx=1$ ✓,$\int_0^2\!\big(y-\frac{y^3}{4}\big)\mathrm dy=2-1=1$ ✓。
|
||||
|
||||
(Ⅲ)**不独立**。理由一句话即可:支撑集 $0<y<2x$ 不是矩形(对每个 $x$ ,$y$ 的上限随 $x$ 变),所以必不独立。
|
||||
|
||||
**归因**:$f_Y$ 的下限 $\frac y2$ 是最容易写成 $0$ 的地方。写成 $0$ 后积分出来是 $2y$ ,归一化正好错成 $2$ (应为 $1$ ),能用这个自检抓出来。
|
||||
|
||||
---
|
||||
|
||||
### 题 A3 · 条件期望 13/5
|
||||
|
||||
**怎么想**:题给的是"条件分布"($Y\mid X=i\sim B(i,1/2)$ ),要**反过来**填表:先算条件概率,再乘 $P\{X=i\}=\frac13$ 。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)逐格算 $P\{X=i,Y=j\}=\frac13 C_i^j\big(\frac12\big)^i$ :
|
||||
|
||||
| $X\backslash Y$ | $0$ | $1$ | $2$ | $3$ |
|
||||
|---|---|---|---|---|
|
||||
| $1$ | $\frac16$ | $\frac16$ | $0$ | $0$ |
|
||||
| $2$ | $\frac1{12}$ | $\frac16$ | $\frac1{12}$ | $0$ |
|
||||
| $3$ | $\frac1{24}$ | $\frac18$ | $\frac18$ | $\frac1{24}$ |
|
||||
|
||||
全表之和 $=\frac{1}{3}\big(\frac12+\frac12\big)+\frac13\cdot1+\frac13\cdot1=1$ ✓(每行的和为 $\frac13$ )。
|
||||
|
||||
(Ⅱ)列和:
|
||||
|
||||
$$P\{Y=0\}=\frac16+\frac1{12}+\frac1{24}=\frac7{24},\quad P\{Y=1\}=\frac16+\frac16+\frac18=\frac{11}{24},$$
|
||||
|
||||
$$P\{Y=2\}=\frac1{12}+\frac18=\frac5{24},\quad P\{Y=3\}=\frac1{24}.$$
|
||||
|
||||
合计 $1$ ✓。
|
||||
|
||||
(Ⅲ)$Y=2$ 这一列只有 $X=2$ 与 $X=3$ 两格非零,按列和归一化:
|
||||
|
||||
$$P\{X=2\mid Y=2\}=\frac{1/12}{5/24}=\frac25,\qquad P\{X=3\mid Y=2\}=\frac{1/8}{5/24}=\frac35 .$$
|
||||
|
||||
于是 $E(X\mid Y=2)=2\times\frac25+3\times\frac35=\frac45+\frac95=\frac{13}{5}$ 。
|
||||
|
||||
**归因**:$X$ 的取值是 $1,2,3$ 而不是 $0,1,2$ ,条件期望里别把下标当取值。
|
||||
|
||||
---
|
||||
|
||||
### 题 A4 · 条件密度 1/x,期望 1/3
|
||||
|
||||
**怎么想**:这是**同分布族**的典型——条件密度是 $1/x$ ,即 $Y\mid X=x\sim U(0,x)$ ,比一堆积分好看。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)区域面积 $\frac12$ ,故 $f=2$ 。
|
||||
|
||||
$$f_X(x)=\int_0^x2\,\mathrm dy=2x,\quad 0<x<1;\qquad f_Y(y)=\int_y^1 2\,\mathrm dx=2(1-y),\quad 0<y<1 .$$
|
||||
|
||||
(Ⅱ)$f_{Y\mid X}(y\mid x)=\dfrac{f(x,y)}{f_X(x)}=\dfrac{2}{2x}=\dfrac1x$ ,$0<y<x$ ,即 $Y\mid X=x\sim U(0,x)$ 。
|
||||
|
||||
(Ⅲ)$E(Y\mid X=x)=\dfrac x2$ 。验证重期望:
|
||||
|
||||
$$EY=\int_0^1y\cdot2(1-y)\,\mathrm dy=2\Big(\frac12-\frac13\Big)=\frac13,\qquad E\big[E(Y\mid X)\big]=E\Big(\frac X2\Big)=\frac{2/3}{2}=\frac13 .$$
|
||||
|
||||
两边相等 ✓(这里 $EX=\int_0^1x\cdot2x\,\mathrm dx=\frac23$ )。
|
||||
|
||||
**归因**:$f_Y(y)=2(1-y)$ 的支撑是 $(0,1)$ 而不是 $(0,x)$ ——**边缘里不能留 $x$ 这个变量** ,这是判断有没有算完的标准。
|
||||
|
||||
---
|
||||
|
||||
### 题 A5 · 独立 / 不独立 / 不独立
|
||||
|
||||
**怎么想**:按 [§1.5](01-考点地图.md#user-content-15-独立性三重判据) 的优先级,先看支撑,再看可分离,最后才真算。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)$f=4xy=(2x)(2y)$ 是两个一元函数之积,且支撑 $0<x<1,\ 0<y<1$ 是**矩形**,两个条件都满足,**独立**。(事实上 $X,Y$ 都服从密度 $2x$ 的分布。)
|
||||
|
||||
(Ⅱ)**不独立**,最省力的理由:支撑 $0<y<x<1$ 是三角形,不是矩形。
|
||||
|
||||
若硬算也能看出:$f_X=4x^3$ ,$f_Y=4y(1-y^2)$ ,乘积 $16x^3y(1-y^2)\ne8xy$ 。
|
||||
|
||||
(Ⅲ)**不独立**。支撑是矩形,不能靠形状判,必须算:
|
||||
|
||||
$$f_X(x)=\int_0^1\frac65(x+y^2)\,\mathrm dy=\frac65\Big(x+\frac13\Big),\qquad f_Y(y)=\frac65\Big(\frac12+y^2\Big).$$
|
||||
|
||||
$$f_X(x)f_Y(y)=\frac{36}{25}\Big(x+\frac13\Big)\Big(\frac12+y^2\Big)\ne\frac65(x+y^2).$$
|
||||
|
||||
故不独立。
|
||||
|
||||
**归因**:三小题正好对应三种情形——矩形 + 可分离、非矩形、矩形但不可分离。**只会看第一种,遇到第三种就错判成独立**,这是选择题的固定陷阱。
|
||||
|
||||
---
|
||||
|
||||
### 题 A6 · 三角形均匀,不独立,期望 1/12
|
||||
|
||||
**怎么想**:均匀分布先算面积,密度就是面积的倒数,**不要去积分求 $c$ ,直接算面积** 。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)$D$ 是腰长为 $1$ 的直角三角形,$S_D=\frac12$ ,故 $f(x,y)=2$ ,$(x,y)\in D$ 。
|
||||
|
||||
(Ⅱ)对固定的 $x\in(0,1)$ ,$y$ 从 $0$ 到 $1-x$ :
|
||||
|
||||
$$f_X(x)=\int_0^{1-x}2\,\mathrm dy=2(1-x);\qquad f_Y(y)=2(1-y),\quad 0<y<1 .$$
|
||||
|
||||
两个边缘形状相同(对称性所致),但**都不是均匀分布**。
|
||||
|
||||
(Ⅲ)$f_X(x)f_Y(y)=4(1-x)(1-y)\ne2$ ,故**不独立**(也可由支撑非矩形直接判定)。
|
||||
|
||||
(Ⅳ)$\displaystyle E(XY)=\int_0^1\!\!\int_0^{1-x}2xy\,\mathrm dy\,\mathrm dx=\int_0^1x(1-x)^2\,\mathrm dx=\frac12-\frac23+\frac14=\frac1{12}$ 。
|
||||
|
||||
**归因**:三角形均匀的两个边缘是**线性递减**的,很多人答成"均匀"或"$1$ "。这一条见 [§1.6](01-考点地图.md#user-content-16-二维均匀分布)。
|
||||
|
||||
---
|
||||
|
||||
### 题 A7 · 方差 7 与 3,协方差 −3,概率 0.5
|
||||
|
||||
**怎么想**:二维正态的一切都能用 $\sigma$ 与 $\rho$ 直接算,只有一处要注意——$\operatorname{Cov}(X+Y,X-Y)=DX-DY$ ,**减号**。
|
||||
|
||||
**解**:
|
||||
|
||||
先算 $\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times1\times2=1$ ,$DX=1$ ,$DY=4$ 。
|
||||
|
||||
(Ⅰ)$D(X+Y)=1+4+2\times1=7$ ;$D(X-Y)=1+4-2\times1=3$ 。
|
||||
|
||||
(Ⅱ)$\operatorname{Cov}(X+Y,X-Y)=DX-\operatorname{Cov}(X,Y)+\operatorname{Cov}(Y,X)-DY=1-4=-3$ 。
|
||||
|
||||
(Ⅲ)$D(2X-Y)=4DX+DY-2\times2\operatorname{Cov}(X,Y)=4+4-4=4$ 。
|
||||
|
||||
(Ⅳ)$X-Y\sim N(0,3)$ ,故
|
||||
|
||||
$$P\{X<Y\}=P\{X-Y<0\}=\Phi(0)=0.5 .$$
|
||||
|
||||
**归因**:第(Ⅱ)问里两个协方差项**恰好抵消**,只剩 $DX-DY$ ,所以结果可以是负数。算成 $DX+DY=5$ 是把 $X-Y$ 当独立了。
|
||||
|
||||
---
|
||||
|
||||
### 题 A8 · 三角分布,概率 1/8 与 3/4
|
||||
|
||||
**怎么想**:$Z=X+Y$ 在 $z\in(0,1)$ 与 $z\in(1,2)$ 上区域形状不同,必须分两段。临界值 $1$ 来自"直线 $x+y=z$ 恰好扫过方形右上顶点"。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)$z\in(0,1)$ 时区域是三角形,面积 $\frac{z^2}{2}$ ;$z\in(1,2)$ 时是五边形,面积 $1-\frac{(2-z)^2}{2}$ 。故
|
||||
|
||||
$$F_Z(z)=\begin{cases}0, & z\le0,\\[2pt] \dfrac{z^2}{2}, & 0<z<1,\\[6pt] 1-\dfrac{(2-z)^2}{2}, & 1\le z<2,\\[6pt] 1, & z\ge2 .\end{cases}$$
|
||||
|
||||
求导:
|
||||
|
||||
$$f_Z(z)=\begin{cases}z, & 0<z<1,\\ 2-z, & 1\le z<2,\\ 0, & \text{其他}.\end{cases}$$
|
||||
|
||||
自检 $\int_0^1z+\int_1^2(2-z)=\frac12+\frac12=1$ ✓。
|
||||
|
||||
(Ⅱ)$\displaystyle P\{Z>1.5\}=\int_{1.5}^{2}(2-z)\,\mathrm dz=\Big[2z-\frac{z^2}{2}\Big]_{1.5}^{2}=2-1.875=\frac18$ 。
|
||||
|
||||
(Ⅲ)$\displaystyle P\{0.5<Z<1.5\}=\int_{0.5}^{1}z\,\mathrm dz+\int_{1}^{1.5}(2-z)\,\mathrm dz=\frac38+\frac38=\frac34$ 。
|
||||
|
||||
**归因**:$f_Z$ 的两段是**对称的**($z$ 与 $2-z$ ),所以 $f_Z(1)=1$ 是峰值。写成 $f_Z=z$ 一路到底,积分只有 $\frac12$ ,自检立刻暴露。
|
||||
|
||||
---
|
||||
|
||||
### 题 A9 · 最值的期望 2/3 与 1/3,极差概率 1/4
|
||||
|
||||
**怎么想**:$F_{\max}=F^2$ 、$F_{\min}=1-(1-F)^2$ ,一步到位。极差 $M-N$ 不能由两者相减得,要回到 $P\{M-N>t\}$ 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 $0<z<1$ 。
|
||||
|
||||
(Ⅱ)$\displaystyle E(M)=\int_0^12z^2\,\mathrm dz=\frac23$ ,$\displaystyle E(N)=\int_0^12z(1-z)\,\mathrm dz=2\Big(\frac12-\frac13\Big)=\frac13$ 。
|
||||
|
||||
(Ⅲ)$M-N>t$ 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 $0<x<1,\ 0<y<1$ 代回:$-u<v<2-u$ 且 $u-2<v<u$ ,合并为
|
||||
|
||||
$$\max(-u,\ u-2)<v<\min(2-u,\ u),$$
|
||||
|
||||
即**菱形** $|u-1|+|v|<1$ (四个顶点 $(0,0),(1,1),(2,0),(1,-1)$ )。菱形面积 $=\frac12\times2\times2=2$ ,乘以 $\frac12$ 得 $1$ ✓。
|
||||
|
||||
(Ⅱ)固定 $u\in(0,2)$ ,$v$ 的区间长度 $=(2-u)-u$ 当 $u\le1$ 时为 $2-2u$ ,当 $u>1$ 时为 $2u-2$ ,统一写成 $2-2|u-1|$ :
|
||||
|
||||
$$f_U(u)=\frac12\big(2-2|u-1|\big)=1-|u-1|,\qquad 0<u<2 .$$
|
||||
|
||||
即 $f_U(u)=u$ ($0<u<1$ )、$f_U(u)=2-u$ ($1\le u<2$ ),与题 A8 的三角分布一致 ✓。
|
||||
|
||||
**归因**:**支撑换成菱形是本题的全部难点**。只写 $f=\frac12$ 不写范围,等于没答;范围写成 $0<u<2,\ -1<v<1$ 则积分得 $2$ ,归一化立刻不对。
|
||||
|
||||
---
|
||||
|
||||
### 题 A11 · 0.2613 与 0.0842
|
||||
|
||||
**怎么想**:认出"同类型 + 参数相同(二项要 $p$ 同)"就直接合并,别做卷积。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)$X+Y\sim B(7,\ 0.4)$ ,故
|
||||
|
||||
$$P\{X+Y=2\}=C_7^2(0.4)^2(0.6)^5=21\times0.16\times0.07776=0.2613 .$$
|
||||
|
||||
(Ⅱ)$X+Y\sim P(5)$ ,故
|
||||
|
||||
$$P\{X+Y=2\}=\mathrm e^{-5}\frac{5^2}{2!}=12.5\,\mathrm e^{-5}\approx0.0842 .$$
|
||||
|
||||
**归因**:二项可加**必须 $p$ 相同**。$B(3,0.4)+B(4,0.5)$ 不是 $B(7,0.45)$ ——这一句是选择题的固定干扰项。
|
||||
|
||||
---
|
||||
|
||||
### 题 A12 · 密度可分离,独立,概率 3/5
|
||||
|
||||
**怎么想**:$F$ 已经是两个一元函数之积,先别急着求偏导,**先看能否直接读出边缘**。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)$f=\dfrac{\partial^2F}{\partial x\partial y}=\big(2\mathrm e^{-2x}\big)\big(3\mathrm e^{-3y}\big)=6\mathrm e^{-2x-3y}$ ,$x>0,y>0$ 。
|
||||
|
||||
(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。
|
||||
@@ -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 $0<y<x<1$ ,而 $y\le\frac x2$ 是更窄的一条。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)$S_D=\frac12$ ,而 $\{U=1\}$ 对应 $0<y<\frac x2<1$ ,面积 $\int_0^1\frac x2\,\mathrm dx=\frac14$ ,故
|
||||
|
||||
$$P\{U=1\}=\frac{1/4}{1/2}=\frac12 .$$
|
||||
|
||||
(Ⅱ)固定 $X=x$ ,$Y$ 在 $(0,x)$ 上均匀,条件是 $y\le\frac x2$ :
|
||||
|
||||
$$P\{U=1\mid X=x\}=\frac{x/2}{x}=\frac12 ,$$
|
||||
|
||||
**与 $x$ 无关**,且恰等于 $P\{U=1\}$ ,故 $U$ 与 $X$ **独立**。
|
||||
|
||||
(Ⅲ)固定 $Y=y$ ,$X$ 在 $(y,1)$ 上均匀,条件 $x\ge2y$ 。当 $y<\frac12$ 时区间长 $1-2y$ ,当 $y\ge\frac12$ 时为空:
|
||||
|
||||
$$P\{U=1\mid Y=y\}=\frac{1-2y}{1-y}\quad\Big(y<\frac12\Big),$$
|
||||
|
||||
它随 $y$ 变,故 $U$ 与 $Y$ **不独立**。
|
||||
|
||||
(Ⅳ)$\displaystyle E(UX)=\iint_D 2x\cdot\mathbf 1\{y\le x/2\}\,\mathrm dA=\int_0^1 2x\cdot\frac x2\,\mathrm dx=\int_0^1x^2\,\mathrm dx=\frac13 .$
|
||||
|
||||
自检:$E(U)E(X)=\frac12\times\frac23=\frac13$ ✓,与(Ⅱ)的独立结论一致。
|
||||
|
||||
**归因**:**"与 $X$ 独立、与 $Y$ 不独立"是同一把刀切出来的两种结果**,切的方向不同(竖着切均分、横着切不均分)。判断只认条件概率是不是常数,不认"看起来有偏"。
|
||||
|
||||
---
|
||||
|
||||
### 题 B2 · 期望 1/2、方差 1.25、概率 0.3294,非正态
|
||||
|
||||
**怎么想**:$X=T+Z$ 中 $T$ 是 $0$ -$1$ 变量,所以 $X$ 是**两条正态的混合**。均值用重期望、方差用全方差,别直接代数相加。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)$EX=ET+EZ=\frac12+0=\frac12$ 。
|
||||
|
||||
$DX=E\big[D(X\mid T)\big]+D\big[E(X\mid T)\big]$ :给定 $T$ ,$X$ 的方差是 $1$ ,故第一项 $=1$ ;$E(X\mid T)=T$ ,其方差 $=\frac14$ 。所以 $DX=1+\frac14=\frac54=1.25$ 。
|
||||
|
||||
(也可直接算 $DX=DT+DZ=\frac14+1$ ,因为独立。)
|
||||
|
||||
(Ⅱ)$T=0$ 时 $X=Z$ ,$T=1$ 时 $X=1+Z$ :
|
||||
|
||||
$$P\{X>1\}=\frac12P\{Z>1\}+\frac12P\{Z>0\}=\frac12(1-0.8413)+\frac12\times0.5=0.0794+0.25=0.3294 .$$
|
||||
|
||||
(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)$f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=1\cdot\dfrac{1}{1-x}$ ,$0<x<y<1$ 。
|
||||
|
||||
自检:$\displaystyle\int_0^1\!\!\int_x^1\frac{\mathrm dy\,\mathrm dx}{1-x}=\int_0^1\frac{1-x}{1-x}\mathrm dx=1$ ✓。
|
||||
|
||||
(Ⅱ)求 $f_Y$ 时积分限是 $x\in(0,y)$ :
|
||||
|
||||
$$f_Y(y)=\int_0^y\frac{\mathrm dx}{1-x}=-\ln(1-y),\qquad 0<y<1 .$$
|
||||
|
||||
自检:$\int_0^1-\ln(1-y)\,\mathrm dy=1$ ✓。
|
||||
|
||||
(Ⅲ)$\displaystyle E(XY)=\int_0^1\!\!\int_x^1\frac{xy}{1-x}\,\mathrm dy\,\mathrm dx=\int_0^1\frac{x(1-x^2)}{2(1-x)}\,\mathrm dx=\int_0^1\frac{x(1+x)}{2}\,\mathrm dx=\frac12\Big(\frac12+\frac13\Big)=\frac5{12}$ 。
|
||||
|
||||
又 $EY=\int_0^1-y\ln(1-y)\,\mathrm dy=\frac34$ ,$EX=\frac12$ ,故
|
||||
|
||||
$$\operatorname{Cov}(X,Y)=\frac5{12}-\frac12\cdot\frac34=\frac5{12}-\frac38=\frac1{24}>0 .$$
|
||||
|
||||
**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)$\displaystyle f_Z(z)=\int f_X(x)f_Y(z-x)\,\mathrm dx=\frac12\int_0^1\mathbf 1\{0<z-x<2\}\,\mathrm dx$ ,被积函数是"区间 $(0,1)$ 与 $(z-2,z)$ 的交集长度":
|
||||
|
||||
| $z$ 的范围 | 交集 | 长度 | $f_Z(z)$ |
|
||||
|---|---|---|---|
|
||||
| $0<z<1$ | $(0,z)$ | $z$ | $\dfrac z2$ |
|
||||
| $1\le z<2$ | $(0,1)$ | $1$ | $\dfrac12$ |
|
||||
| $2\le z<3$ | $(z-2,1)$ | $3-z$ | $\dfrac{3-z}{2}$ |
|
||||
|
||||
自检:$\frac14+\frac12+\frac14=1$ ✓。
|
||||
|
||||
(Ⅱ)$\displaystyle P\{Z>2.5\}=\int_{2.5}^{3}\frac{3-z}{2}\,\mathrm dz=\frac12\cdot\frac{(3-2.5)^2}{2}=\frac1{16}$ 。
|
||||
|
||||
(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)$\displaystyle f_X(x)=\int_0^1(x+y)\,\mathrm dy=x+\frac12$ ,$0<x<1$ 。
|
||||
|
||||
(Ⅱ)$\displaystyle f_{Y\mid X}(y\mid x)=\frac{x+y}{x+1/2}$ ,$0<y<1$ 。
|
||||
|
||||
(Ⅲ)$\displaystyle E(Y\mid X=x)=\int_0^1\frac{y(x+y)}{x+1/2}\,\mathrm dy=\frac{\frac x2+\frac13}{x+\frac12}$ 。
|
||||
|
||||
(Ⅳ)$\displaystyle EY=\int_0^1\Big(\frac x2+\frac13\Big)\mathrm dx=\frac14+\frac13=\frac7{12}$ 。
|
||||
|
||||
直接验算:$\displaystyle EY=\int_0^1\!\!\int_0^1y(x+y)\,\mathrm dy\,\mathrm dx=\int_0^1\Big(\frac x2+\frac13\Big)\mathrm dx=\frac7{12}$ ✓,与重期望一致。
|
||||
|
||||
**归因**:$EY=\frac7{12}$ 而 $EX=\frac7{12}$ (对称),**两个都是 $\frac{7}{12}$ ,不是 $\frac12$ 这个数** ——密度 $x+y$ 把质量推向了右上方,均值必然大于 $\frac12$ 。答 $\frac12$ 说明还在按均匀分布想。
|
||||
@@ -0,0 +1,242 @@
|
||||
---
|
||||
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: C 组二圈题解析,A 组见 03a,B 组见 03b
|
||||
关联笔记: ["[[02-试题]]", "[[01-考点地图]]", "[[03b-解析-中等]]", "[[04-答疑笔记]]"]
|
||||
---
|
||||
|
||||
# 解析(拔高)· 多维随机变量 C 组
|
||||
|
||||
**这一组按 12 分大题的标准配速**(每题 12 分钟)。C1 是真题 2023·22 的形态,C8 是纯概念辨析——那一题不计算,但错一个就整题错。
|
||||
|
||||
## 答案速查
|
||||
|
||||
| 题 | C1 | C2 | C3 | C4 |
|
||||
|---|---|---|---|---|
|
||||
| 答 | 独立;$EX=\frac32$ 、$DX=\frac74$ ;$1-5\mathrm e^{-2}$ | $c=\frac13$ ;不独立;$\frac19$ | $N\big(\frac x2,\frac34\big)$ ;$1$ 与 $\frac34$ | 分段两段;$\frac34$ |
|
||||
|
||||
| 题 | C5 | C6 | C7 | C8 |
|
||||
|---|---|---|---|---|
|
||||
| 答 | $z^3$ 、$3z^2$ ;$\frac34$ 、$\frac14$ ;$\frac16$ | 见解析;不正态;对 | $\frac x2$ 、$\frac x2-\frac{x^2}4$ ;$\frac12$ ;$\frac14$ | 错对错错对错对错 |
|
||||
|
||||
---
|
||||
|
||||
## C 组
|
||||
|
||||
### 题 C1 · 独立,均值 3/2,概率 1−5e⁻²
|
||||
|
||||
**怎么想**:支撑是无界的第一象限,但**密度能否分离**决定要不要拆成两个一维积分。先试分离。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)固定 $x>0$ :
|
||||
|
||||
$$f_X(x)=\int_0^{\infty}\frac12(x+y)\mathrm e^{-(x+y)}\,\mathrm dy=\frac{\mathrm e^{-x}}{2}\int_0^{\infty}(x+y)\mathrm e^{-y}\,\mathrm dy=\frac{(x+1)\mathrm e^{-x}}{2}.$$
|
||||
|
||||
(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)$\displaystyle f_X(x)=\int_0^2\frac{x+y}{3}\mathrm dy=\frac{2x+2}{3}$ ,$0<x<1$ ;$\displaystyle f_Y(y)=\int_0^1\frac{x+y}{3}\mathrm dx=\frac{y+\frac12}{3}$ ,$0<y<2$ 。
|
||||
|
||||
(Ⅲ)$f_X(x)f_Y(y)=\dfrac{(2x+2)(y+\frac12)}{9}\ne\dfrac{x+y}{3}$ ,**不独立**。
|
||||
|
||||
(Ⅳ)
|
||||
|
||||
$$P\{X+Y<1\}=\int_0^1\!\!\int_0^{1-x}\frac{x+y}{3}\,\mathrm dy\,\mathrm dx=\frac13\int_0^1\Big[x(1-x)+\frac{(1-x)^2}{2}\Big]\mathrm dx=\frac13\Big(\frac16+\frac16\Big)=\frac19 .$$
|
||||
|
||||
**归因**:与题 C1 对照着看——两题密度都是"$x+y$ 型",C1 在无界区域上、不独立,C2 在有界矩形上、也不独立。**含 $x+y$ 的密度永远不独立**(除非常数),这是可以一眼判的。
|
||||
|
||||
---
|
||||
|
||||
### 题 C3 · 条件正态 N(x/2, 3/4)
|
||||
|
||||
**怎么想**:二维正态的条件分布是背下来的公式,只要 $\rho$ 与两个 $\sigma$ 代对。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)$\sigma_1=\sigma_2=1$ 、$\rho=\frac12$ ,由 [§1.7](01-考点地图.md#user-content-17-二维正态分布):
|
||||
|
||||
$$Y\mid X=x\sim N\Big(\rho x,\ 1-\rho^2\Big)=N\Big(\frac x2,\ \frac34\Big).$$
|
||||
|
||||
(Ⅱ)$E(Y\mid X=2)=\dfrac22=1$ ,$D(Y\mid X=2)=\dfrac34$ 。
|
||||
|
||||
(Ⅲ)全方差公式:
|
||||
|
||||
$$DY=E\big[D(Y\mid X)\big]+D\big[E(Y\mid X)\big]=\frac34+D\Big(\frac X2\Big)=\frac34+\frac14\cdot1=1 .$$
|
||||
|
||||
与 $DY=\sigma_2^2=1$ 一致 ✓。
|
||||
|
||||
**归因**:$D\big(E(Y\mid X)\big)$ 里 $E(Y\mid X)=\frac X2$ ,其方差是 $\frac{DX}{4}=\frac14$ 而不是 $\frac12$ 。**开方与平方的位置**是这题唯一的坑。
|
||||
|
||||
---
|
||||
|
||||
### 题 C4 · 商的密度两段,概率 3/4
|
||||
|
||||
**怎么想**:$Z=X/Y$ ,条件 $x<zy$ 这条直线在 $z<1$ 与 $z>1$ 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
|
||||
|
||||
$$F_Z(z)=P\{X\le zY\}=\iint_{x\le zy,\ 0<x,y<1}\mathrm dx\,\mathrm dy .$$
|
||||
|
||||
$0<z<1$ 时区域是方形去掉右上角三角形,面积 $1-\frac12\cdot1\cdot z$ 不对——按 $y$ 积分:对固定 $y$ ,$x$ 从 $0$ 到 $\min(zy,1)=zy$ ,故
|
||||
|
||||
$$F_Z(z)=\int_0^1 zy\,\mathrm dy=\frac z2,\qquad 0<z<1 .$$
|
||||
|
||||
$z\ge1$ 时,$zy\ge1$ 对 $y\ge\frac1z$ 成立,故 $x$ 的上限是 $1$ :
|
||||
|
||||
$$F_Z(z)=\int_0^{1/z}zy\,\mathrm dy+\int_{1/z}^{1}1\,\mathrm dy=\frac{1}{2z}+1-\frac1z=1-\frac{1}{2z}.$$
|
||||
|
||||
求导:
|
||||
|
||||
$$f_Z(z)=\begin{cases}\dfrac12, & 0<z<1,\\[6pt] \dfrac{1}{2z^2}, & z\ge1,\\[6pt] 0, & z\le0 .\end{cases}$$
|
||||
|
||||
自检:$\frac12+\int_1^\infty\frac{\mathrm dz}{2z^2}=\frac12+\frac12=1$ ✓。
|
||||
|
||||
(Ⅱ)$\displaystyle P\{Z<2\}=F_Z(2)=1-\frac{1}{4}=\frac34$ 。
|
||||
|
||||
**归因**:$z\ge1$ 那一段容易把上下限写反。**检验办法**:$F_Z(1^-)=\frac12=F_Z(1^+)=1-\frac12$ ✓ 连续,说明分段接缝没错。
|
||||
|
||||
---
|
||||
|
||||
### 题 C5 · 最大值的期望 3/4,次序概率 1/6
|
||||
|
||||
**怎么想**:三个变量的最值公式只是把 $F$ 乘三次。第(Ⅲ)问与最值无关,考的是**对称性**。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)$F_{\max}(z)=z^3$ ,$f_{\max}(z)=3z^2$ ,$0<z<1$ 。
|
||||
|
||||
(Ⅱ)$\displaystyle E(\max)=\int_0^13z^3\,\mathrm dz=\frac34$ ;由 $F_{\min}=1-(1-z)^3$ 得 $f_{\min}=3(1-z)^2$ ,$\displaystyle E(\min)=\int_0^13z(1-z)^2\mathrm dz=\frac14$ 。
|
||||
|
||||
> **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
|
||||
|
||||
$$P\{X_1<X_2<X_3\}=\frac{1}{3!}=\frac16 .$$
|
||||
|
||||
也可由 $\displaystyle\int_0^1\!\!\int_0^{x_3}\!\!\int_0^{x_2}\mathrm dx_1\mathrm dx_2\mathrm dx_3=\frac16$ 验证。
|
||||
|
||||
**归因**:第(Ⅱ)问若用"$E(\max)+E(\min)=EX+EY$ "去验会得出矛盾——**那条只对两个变量成立**。三个变量时三个次序统计量之和才是 $X_1+X_2+X_3$ 。
|
||||
|
||||
---
|
||||
|
||||
### 题 C6 · 三个反例,第(Ⅲ)是对的
|
||||
|
||||
**怎么想**:这题考"边界在哪"。(Ⅰ)是标准反例,(Ⅱ)否定"正态的乘积还是正态",(Ⅲ)的关键是"对一切"三个字。
|
||||
|
||||
**解**:
|
||||
|
||||
(Ⅰ)取 $X\sim U(-1,1)$ ,$Y=X^2$ 。则
|
||||
|
||||
$$EX=0,\qquad E(XY)=E(X^3)=0\ \Longrightarrow\ \operatorname{Cov}(X,Y)=0 .$$
|
||||
|
||||
但不独立:
|
||||
|
||||
$$P\Big\{X\le\tfrac12,\ Y\le\tfrac14\Big\}=P\Big\{|X|\le\tfrac12\Big\}=\frac12,$$
|
||||
|
||||
而 $P\{X\le\frac12\}P\{Y\le\frac14\}=\frac34\cdot\frac12=\frac38\ne\frac12$ 。
|
||||
|
||||
(Ⅱ)**$Z$ 不是正态**,理由:若 $Z$ 正态,则 $EZ=0$ 、$DZ=E(X^2Y^2)=1$ ,即 $Z\sim N(0,1)$ ,此时 $E|Z|=\sqrt{2/\pi}\approx0.7979$ 。
|
||||
|
||||
但由独立性 $E|Z|=E|X|E|Y|=\Big(\sqrt{2/\pi}\Big)^2=\dfrac{2}{\pi}\approx0.6366$ ,矛盾。故 $Z$ 不正态。
|
||||
|
||||
顺带:$\operatorname{Cov}(X,Z)=E(X^2Y)-EX\cdot EZ=E(X^2)E(Y)-0=0$ ,即 $X$ 与 $Z$ 不相关;而 $Z$ 由 $X,Y$ 共同决定,两者当然不独立。**这又是一个"不相关但不独立"的例子。**
|
||||
|
||||
(Ⅲ)**正确**,证明如下。设 $f(x,y)=g(x)h(y)$ 处处成立且 $f$ 是密度,则
|
||||
|
||||
$$1=\iint f=\Big(\int g\Big)\Big(\int h\Big),$$
|
||||
|
||||
$$f_X(x)=g(x)\int h,\qquad f_Y(y)=h(y)\int g,$$
|
||||
|
||||
于是 $f_X(x)f_Y(y)=g(x)h(y)\Big(\int g\Big)\Big(\int h\Big)=f(x,y)$ ,即独立。
|
||||
|
||||
> **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 $0<y<x<1$ 内可写成 $(8x)(y)$ ,但支撑是三角形(题 A5(Ⅱ)) |
|
||||
| 4. 两个均匀之和仍均匀 | **错** | 两个 $U(0,1)$ 之和是三角分布(题 A8) |
|
||||
| 5. 独立 $\Rightarrow \operatorname{Cov}=0$ | **对** | $E(XY)=EX\cdot EY$ ,直接代入协方差定义 |
|
||||
| 6. 边缘都正态 $\Rightarrow$ 联合二维正态 | **错** | 取 $X\sim N(0,1)$ ,$S=\pm1$ 等可能且与 $X$ 独立,$Y=SX$ 。则 $Y\sim N(0,1)$ ,但 $(X,Y)$ 只落在两条直线上,不是二维正态 |
|
||||
| 7. 支撑是三角形 $\Rightarrow$ 不独立 | **对** | 若独立则支撑必为笛卡尔积(矩形),三角形不是 |
|
||||
| 8. 离散配连续 $\Rightarrow$ 存在联合密度 | **错** | 混合型的 $F$ 在 $X$ 的取值处跳跃,不绝对连续,密度不存在(题 B3) |
|
||||
|
||||
**归因**:第 3 条与第 7 条是一对——**支撑形状与可分离性是两件事,必须同时满足才独立**。第 6 条最难,构造的关键是"两条直线上的分布",与第 1 条第 2 条形成呼应:二维正态的特殊性不能推广。
|
||||
|
||||
---
|
||||
|
||||
## 三组做完之后
|
||||
|
||||
1. 把错的题按"区域画错 / 分段漏 / 概念边界"三类分开记到 [04-答疑笔记](04-答疑笔记.md)。
|
||||
2. **区域画错**的回 [02-试题](02-试题.md) 重做,做之前先画支撑;
|
||||
3. **概念边界**的只读 [01-考点地图 §1.5 与 §1.7](01-考点地图.md#user-content-15-独立性三重判据),不要重做整讲。
|
||||
@@ -0,0 +1,39 @@
|
||||
---
|
||||
tags: [数学一, 专项突破, 答疑, 多维随机变量]
|
||||
专题: 多维随机变量
|
||||
日期: 2026-11-11
|
||||
状态: 待填, 按题号增量追加
|
||||
---
|
||||
|
||||
# 答疑笔记 · 多维随机变量
|
||||
|
||||
规则:**按题号递增追加**,一题一条。
|
||||
|
||||
这一章的卡点高度集中,所以模板只留三栏,逼自己写清楚"卡在哪一步"——**是区域没画出来,还是画出来但积分限写错,还是分段少了一段**。三种原因的对策完全不同。
|
||||
|
||||
## 记录模板
|
||||
|
||||
```
|
||||
### 题 X · 日期
|
||||
- 卡在哪一步(画支撑 / 定积分限 / 分段 / 判独立 / 算数字特征):
|
||||
- 我当时怎么想的:
|
||||
- 正确的第一步应该做什么:
|
||||
```
|
||||
|
||||
---
|
||||
|
||||
## 记录区
|
||||
|
||||
### 题 — · 2026-11-11
|
||||
|
||||
(示例,实际做错后替换)
|
||||
|
||||
- 卡在哪一步:求边缘密度时直接把积分限写成 $0$ 到 $1$ 。
|
||||
- 我当时怎么想的:以为 $f_X(x)$ 就是对 $y$ 从 $0$ 积到 $1$ ,没看支撑。
|
||||
- 正确的第一步应该做什么:先把支撑画出来,固定 $x$ 画竖线,看这条线穿进穿出区域的位置。
|
||||
|
||||
---
|
||||
|
||||
## 待填区
|
||||
|
||||
(首次做错后从这里开始记)
|
||||
@@ -0,0 +1,72 @@
|
||||
---
|
||||
tags: [数学一, 专项突破, 说明, 多维随机变量]
|
||||
专题: 多维随机变量
|
||||
日期: 2026-11-11
|
||||
状态: 完成, 30 题, 三层扩散
|
||||
关联笔记: ["[[01-考点地图]]", "[[02-试题]]", "[[03a-解析-基础]]", "[[03b-解析-中等]]", "[[03c-解析-拔高]]"]
|
||||
---
|
||||
|
||||
# 专项突破 10 · 多维随机变量
|
||||
|
||||
## 这份专题解决什么
|
||||
|
||||
**概率分值最高的一章,之前一直没有专项**。十年真题里 ch17 出现 **11 次、105 分**,比参数估计的 93 分还多,且是每年必出 11—12 分解答题的唯一章节。现有的 [03 大数定律与数理统计](../03-大数定律与数理统计/README.md) 只覆盖 ch19—ch22,开头就写明"不涉及多维随机变量那种技巧性构造"——正因为技巧性强,才更需要单独拆一份。
|
||||
|
||||
**这一章的失分不是"不会",是"画不清"**:区域想不明白、边缘的积分限照抄 $0$ 到 $1$ 、分段少一段、支撑非矩形还敢判独立。所以本专题每道题都要求先画支撑集,解析里凡涉及区域的都给出图形描述。
|
||||
|
||||
## 三层扩散
|
||||
|
||||
| 层 | 覆盖 | 题号 | 题量 |
|
||||
|---|---|---|---|
|
||||
| **核心** | 分布律填表、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 | 12 |
|
||||
| **一圈** | 指示变量、混合正态、离散配连续、条件反解、协方差与相关系数、雅可比判独立、可加表、min 与 max、异分布卷积、条件密度 | B1—B10 | 10 |
|
||||
| **二圈** | 无界区域综合、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、概念辨析 | C1—C8 | 8 |
|
||||
|
||||
**合计 30 题**,比其余九份(20—22 题)多出近一半。这是刻意的:这一章的考点密度最高,且每个动作都需要手感而非记忆。
|
||||
|
||||
## 数据支撑(十年真题)
|
||||
|
||||
| 章 | 题数 | 分值 | 解答 | 选填 |
|
||||
|---|---|---|---|---|
|
||||
| **ch17 多维随机变量** | **11** | **105** | 9 | 2 |
|
||||
| ch21 参数估计 | 10 | 93 | 7 | 3 |
|
||||
| ch15 随机事件与概率 | 8 | 36 | 0 | 8 |
|
||||
| ch18 数字特征 | 7 | 32 | 0 | 7 |
|
||||
| ch16 一维随机变量 | 6 | 27 | 0 | 6 |
|
||||
|
||||
本专题对应前 10 题、103 分(2025·22 计入数理统计章)。**解答题的形态十年来没变**:给区域密度 → 求边缘 → 求某函数的分布 → 顺带一个数字特征,四问 12 分。C1 就是按这个形态出的。
|
||||
|
||||
## 真题锚点
|
||||
|
||||
| 年份·题号 | 考法 | 对应题 |
|
||||
|---|---|---|
|
||||
| 2016·22 | 三角形均匀 + 指示变量 | B1 |
|
||||
| 2017·22、2019·22 | 离散配连续的混合 | B3 |
|
||||
| 2018·22 | 协方差 + 函数分布 | B5 |
|
||||
| 2019·8 | 正态差的分布 | A7 |
|
||||
| 2020·22 | 混合正态 + 数字特征 | B2、C7 |
|
||||
| 2021·22 | 最值与函数分布 | A9 |
|
||||
| 2022·10 | 条件反解 + 相关系数 | A3、B4 |
|
||||
| 2023·22 | 二维连续综合 | A2、A12、C1 |
|
||||
| 2024·9 | 条件分布与协方差 | B10 |
|
||||
|
||||
**张宇库没有概率**(只有高数 15 章 + 线代 6 章),所以本专题没有骨架可套,题目分三类:**骨架改编**(B1、B2、B3、B4、B10、C1、C7)、**真题考法的变体**(A7、A8、A9、A12)、**原创补缺**(A4、A5、A6、A10、A11、B6、B8、B9、C2—C6、C8)。原创题补的是十年未考但大纲要求或换个数就能考的角度,比如混合正态的条件化(C7)、商的分布(C4)、三个变量的次序统计(C5)。
|
||||
|
||||
## 怎么用
|
||||
|
||||
1. **A 组限时 60 分钟**(每题 5 分钟)。这组只考单一动作,卡住说明那个动作没定型。
|
||||
2. 对答案后按三类归因:**区域没画 / 分段漏段 / 概念边界**。第一类回题重画支撑,第二类数一遍 $\int f_Z=1$ 对不对,第三类只读 [考点地图 §1.5 与 §1.7](01-考点地图.md#user-content-15-独立性三重判据)。
|
||||
3. **B 组是真题包装**,做之前先合上书,判断"这题该用哪条"——这一层练的是识别,不是计算。
|
||||
4. **C 组按 12 分钟一题**(真题解答题配速)。C1 建议手写完整过程,它是最接近 2023·22 的一道。
|
||||
5. **C8 必须单独做**,不看解析。八个断言错一个就整题错,这类题不考计算但杀伤力最大。
|
||||
|
||||
## 与其他材料的关系
|
||||
|
||||
- `在学练习/概率论-第3讲-多维随机变量及其分布`:系统学一遍的地方(七点 27 题),本专题不替代它。第一次学的顺序在 [第3讲 README](../../在学练习/概率论-第3讲-多维随机变量及其分布/README.md)。
|
||||
- `在学练习/概率论-第4讲-随机变量的数字特征`:协方差、相关系数、重期望的系统讲解,本专题只用到结论。
|
||||
- `03 大数定律与数理统计`:与这份形成概率的完整覆盖——ch17 在本册,ch18—ch22 在 03。两份都做完,概率的解答题部分就没有空档。
|
||||
- `大题十年考点/18-线代与概率大题十年总结`:说明为什么这两块要按"12 分必得"来准备(2021 年改革后各只剩一题)。
|
||||
|
||||
## 版本记录
|
||||
|
||||
- 2026-11-11:建立。30 题(A12 / B10 / C8),三层扩散,解析拆三册(03a 基础 / 03b 中等 / 03c 拔高)。补齐专项突破系列缺的概率第一块。
|
||||
@@ -2,7 +2,7 @@
|
||||
tags: [数学一, 专项突破, 索引]
|
||||
专题: 专项突破总索引
|
||||
日期: 2026-11-04
|
||||
状态: 九份专题完成, 共 152 题
|
||||
状态: 十份专题完成, 共 182 题
|
||||
---
|
||||
|
||||
# 专项突破 · 总索引
|
||||
@@ -15,7 +15,7 @@ tags: [数学一, 专项突破, 索引]
|
||||
| `专项突破/` | 跟薄弱点走,扩散式复习 | 某块忘了、或某块总失分 |
|
||||
| `模拟卷/` | 整卷模考,按真题格式 | 检验整体水平 |
|
||||
|
||||
## 九份专题
|
||||
## 十份专题
|
||||
|
||||
| 专题 | 题量 | 覆盖章节 | 十年分值 | 张宇兜底 |
|
||||
|---|---|---|---|---|
|
||||
@@ -28,11 +28,14 @@ tags: [数学一, 专项突破, 索引]
|
||||
| [07 微分算子法求特解](07-微分算子法求特解/README.md) | 12 | ch15 常微分方程 | 常系数非齐次几乎每年 1 题 | **有**(第 15 章) |
|
||||
| [08 幂级数求和](08-幂级数求和/README.md) | 13 | ch7 无穷级数 | 和函数 6 题 40 分 | **无**(张宇库没有级数章) |
|
||||
| [09 极限速算](09-极限速算/README.md) | 13 | 跨章工具(ch1 为主) | 极限每年必考,且常是大题第一步 | **有**(第 1 章) |
|
||||
| [10 多维随机变量](10-多维随机变量/README.md) | **30** | ch17 | **105 分(概率分值最高的一章)** | **无**(张宇库没有概率) |
|
||||
|
||||
合计 **152 题**。
|
||||
合计 **182 题**。
|
||||
|
||||
**04—09 与前三份不一样**:它们不是"章节知识点",而是**工具**。前三份解决"这块我忘了",后六份解决"这个动作我总做错"或"算得太慢"。所以它们的优先级不该按分值排——越早练熟,做前三份与模拟卷时省下的时间越多。
|
||||
|
||||
**10 又回到章节型,是概率那半边补上的一块**:ch17 十年 105 分,比参数估计的 93 分还多,而 03 只覆盖 ch19—ch22。题量给到 30 题(其余各份 12—22 题),因为这一章的考点密度最高,而且它考的不是记忆、是"画区域"的手感,只能靠题量堆。
|
||||
|
||||
## 全部待建的工具在哪
|
||||
|
||||
`04`—`09` 之外还有 11 个工具(T7—T17:判型构造类与验算排除类),清单与优先级见 **[解题工具清单](解题工具清单.md)** 。那份文件说明每个工具是什么、十年真题依据、以及已建成哪张专题。**不要只在脑子里记"要用对称性",翻清单比翻书快。**
|
||||
@@ -51,7 +54,11 @@ tags: [数学一, 专项突破, 索引]
|
||||
- **B 组 · 一圈**:做 A 组必须用到的工具
|
||||
- **C 组 · 二圈**:真题里它真实的混合形态
|
||||
|
||||
## 九份专题的相互关系
|
||||
## 十份专题的相互关系
|
||||
|
||||
- **10 与 03 拼成完整概率**:10 管 ch17 多维随机变量(解答题必考),03 管 ch19—ch22(大数定律、抽样分布、参数估计、假设检验)。两份都做完,概率的解答题就没有空档;只做 03 会漏掉分值最高的那一章。
|
||||
- **10 是 03 的前置**:03 里凡出现"某统计量的分布",本质都是多维随机变量的函数分布;10 的函数分布法与雅可比没练熟,做到 03 的 A4—A7 会卡。
|
||||
- **10 与 04 都是"区域"题**:04 的二重积分与 10 的联合密度积分,画的都是同一个区域、写的都是同一组积分限。10 卡住时回 04 看"画区域、定限"那一节,往往一通百通。
|
||||
|
||||
- **01 与 03 都有"判敛/收敛"的味道**:01 是反常积分收敛,03 是依概率收敛与相合性。两处的"收敛"含义不同(前者是极限存在,后者是概率意义),一起做正好把概念分清。
|
||||
- **02 与 01 共享工具**:线面积分的计算大量依赖定积分技巧(尤其 01 的 B 组),若 02 算不动先回 01。
|
||||
@@ -68,7 +75,7 @@ tags: [数学一, 专项突破, 索引]
|
||||
|
||||
1. **一次只做一个专题**,A 组做完立刻对答案,别攒着。
|
||||
2. 每个专题的 `04-答疑笔记.md` 是空的,错一题记一条,**按题号递增追加**。
|
||||
3. 全部做完约需 **19—21 小时**(含对答案)。若时间紧,优先 **02 与 03**(无张宇兜底、真题分值最重),其次 **09 与 05**(一次学会、处处提速),再次 08(无兜底且是固定题位)。
|
||||
3. 全部做完约需 **25—27 小时**(含对答案)。若时间紧,优先 **02、03 与 10**(无张宇兜底、真题分值最重),其次 **09 与 05**(一次学会、处处提速),再次 08(无兜底且是固定题位)。**10 排在 03 之前做**——多维随机变量是统计量的分布的地基,反过来不顺。
|
||||
4. **工具类可以先插进来**:04—09 都不依赖别的专题,反过来能给其它专题提速。建议先把 05 的判定卡与 §1—§2 读完,A 组八题约 20 分钟;09 的 A 组六题约 10 分钟。
|
||||
5. **每份专题的 A 组都设了限时**,超时就是没记牢,别用"想清楚了"自我安慰。09 的限时最紧(90 秒),因为它的价值全在速度上。
|
||||
|
||||
@@ -80,3 +87,4 @@ tags: [数学一, 专项突破, 索引]
|
||||
| 2026-11-04 | 加 04 表格法(22 题,总 83 题) |
|
||||
| 2026-11-04 | 加 05 定积分加速(17 题)、06 二重积分加速(14 题),总 114 题;新增工具清单文件 |
|
||||
| 2026-11-04 | 加 07 微分算子法(12 题)、08 幂级数求和(13 题)、09 极限速算(13 题),总 152 题;计算加速型 T1—T6 全部落地 |
|
||||
| 2026-11-11 | 加 10 多维随机变量(**30 题**),总 182 题;补齐概率 ch17 这块空白,与 03 拼成完整概率覆盖 |
|
||||
|
||||
Reference in New Issue
Block a user