修复 Gitea 网页端行内公式与加粗不渲染

根因(读 Gitea 解析器 modules/markup/markdown/math/inline_parser.go 源码确认):
行内公式收尾 $ 的后一个字节必须属于 {空格,换行,行尾,'.','!','?',',',';',':',')','$'},
开头 $ 的左邻不能是 ASCII 字母数字或上述标点。中文与全角标点均为多字节字符
(单字节值 >= 0x80),全部落空,于是整对 $...$ 被当作普通文本原样显示。
本地 PDF 走 KaTeX,无此限制,所以只有网页异常。

处理:
- 新增 .workbuddy/tools/md2pdf/fix_gitea_math.py(检测 + 修复,可 --check/--apply)
- 在收尾 $ 与紧跟的中文字符之间补一个半角空格:23 个文件 1889 处
- 顺带修复加粗失效(收尾 ** 被标点前导、被汉字后继,不满足 CommonMark
  right-flanking 规则):10 处,星号不再外露
- 新增 rebuild_prob_pdfs.sh,重生成概率论第3/5/6讲全部 12 个 PDF

范围:概率论在学练习 + 每日小练 + 知识点。试卷/模拟卷/多元函数积分学
仍有 1484 处待修(同规则,可随时跑 --scope 之外的 --apply)。
This commit is contained in:
2026-10-16 17:53:49 +08:00
parent ab10f27f07
commit a750fb2ca6
32 changed files with 1171 additions and 909 deletions
@@ -26,36 +26,36 @@ tags:
| **2** | 0.2 | 0.3 | 0.1 | **0.6** |
| $p_{\cdot j}$ | **0.3** | **0.5** | **0.2** | 1 |
$X\sim\begin{pmatrix}1&2\\0.4&0.6\end{pmatrix}$,$Y\sim\begin{pmatrix}0&1&2\\0.3&0.5&0.2\end{pmatrix}$。
$X\sim\begin{pmatrix}1&2\\0.4&0.6\end{pmatrix}$ ,$Y\sim\begin{pmatrix}0&1&2\\0.3&0.5&0.2\end{pmatrix}$ 。
**(Ⅱ)** 取 $p_{11}=0.1$,而 $p_{1\cdot}p_{\cdot1}=0.4\times0.5=0.2\ne0.1$,故 **$X$ 与 $Y$ 不相互独立**。
**(Ⅱ)** 取 $p_{11}=0.1$ ,而 $p_{1\cdot}p_{\cdot1}=0.4\times0.5=0.2\ne0.1$ ,故 **$X$ 与 $Y$ 不相互独立**。
> **思路**:判独立要"全部成立",否定只需**找一对反例**。
> **易错点**:$p_{ij}$ 与 $p_{i\cdot}p_{\cdot j}$ 下标要对齐($X=1$ 是第 1 行、$Y=0$ 是第 1 列)。
### 2.(Ⅰ)$S_D=\dfrac12$,
### 2.(Ⅰ)$S_D=\dfrac12$ ,
$$f(x,y)=\begin{cases}2,&0\le x\le1,\ 0\le y\le x\\0,&\text{其他}\end{cases}$$
**(Ⅱ)** 在 $D$ 内 $x+y\le1\Rightarrow y\le\min(x,1-x)$:$0\le x\le\frac12$ 上限 $x$;$\frac12\le x\le1$ 上限 $1-x$。
**(Ⅱ)** 在 $D$ 内 $x+y\le1\Rightarrow y\le\min(x,1-x)$ :$0\le x\le\frac12$ 上限 $x$ ;$\frac12\le x\le1$ 上限 $1-x$ 。
$$P\{X+Y\le1\}=2\left[\int_0^{1/2}x\,\mathrm dx+\int_{1/2}^{1}(1-x)\,\mathrm dx\right]=2\left(\frac18+\frac18\right)=\frac12.$$
> **易错点**:**先画图再定限**,$y=x$ 与 $y=1-x$ 把区域切成两段。
### 3.(Ⅰ)$\displaystyle\iint f=c\int_0^1x\,\mathrm dx\int_0^2y\,\mathrm dy=c\cdot\frac12\cdot2=c=1\Rightarrow c=1$。
### 3.(Ⅰ)$\displaystyle\iint f=c\int_0^1x\,\mathrm dx\int_0^2y\,\mathrm dy=c\cdot\frac12\cdot2=c=1\Rightarrow c=1$ 。
**(Ⅱ)** $f_X(x)=\displaystyle\int_0^2xy\,\mathrm dy=2x\ (0<x<1)$;$f_Y(y)=\displaystyle\int_0^1xy\,\mathrm dx=\dfrac y2\ (0<y<2)$。
**(Ⅱ)** $f_X(x)=\displaystyle\int_0^2xy\,\mathrm dy=2x\ (0<x<1)$ ;$f_Y(y)=\displaystyle\int_0^1xy\,\mathrm dx=\dfrac y2\ (0<y<2)$ 。
**(Ⅲ)** $f_X(x)f_Y(y)=2x\cdot\dfrac y2=xy=f(x,y)$,故 **$X,Y$ 相互独立**。
**(Ⅲ)** $f_X(x)f_Y(y)=2x\cdot\dfrac y2=xy=f(x,y)$ ,故 **$X,Y$ 相互独立**。
> **思路**:矩形域 + 密度可分离 ⟹ 一眼独立。
### 4.(Ⅰ)$f_X(x)=\displaystyle\int_0^x3x\,\mathrm dy=3x^2\ (0<x<1)$;$f_Y(y)=\displaystyle\int_y^13x\,\mathrm dx=\dfrac32(1-y^2)\ (0<y<1)$。
### 4.(Ⅰ)$f_X(x)=\displaystyle\int_0^x3x\,\mathrm dy=3x^2\ (0<x<1)$ ;$f_Y(y)=\displaystyle\int_y^13x\,\mathrm dx=\dfrac32(1-y^2)\ (0<y<1)$ 。
**(Ⅱ)** $f_{Y|X}(y\mid x)=\dfrac{f(x,y)}{f_X(x)}=\dfrac{3x}{3x^2}=\dfrac1x\ (0<y<x)$。
**(Ⅱ)** $f_{Y|X}(y\mid x)=\dfrac{f(x,y)}{f_X(x)}=\dfrac{3x}{3x^2}=\dfrac1x\ (0<y<x)$ 。
**(Ⅲ)** $P\{Y<\tfrac12\mid X=\tfrac34\}=\displaystyle\int_0^{1/2}\frac{1}{3/4}\,\mathrm dy=\frac43\cdot\frac12=\frac23$。
> **易错点**:条件密度是 $y$ 的函数(对 $x$ 是常数);$\tfrac12<\tfrac34$ 故上限直接取 $\tfrac12$。
**(Ⅲ)** $P\{Y<\tfrac12\mid X=\tfrac34\}=\displaystyle\int_0^{1/2}\frac{1}{3/4}\,\mathrm dy=\frac43\cdot\frac12=\frac23$ 。
> **易错点**:条件密度是 $y$ 的函数(对 $x$ 是常数);$\tfrac12<\tfrac34$ 故上限直接取 $\tfrac12$ 。
### 5. $f(x,y)=1$(单位正方形)。$f_Y(z-x)=1\iff z-1<x<z$,与 $(0,1)$ 取交:
- $0<z<1$:$f_Z(z)=\int_0^z\mathrm dx=z$;
- $1\le z<2$:$f_Z(z)=\int_{z-1}^1\mathrm dx=2-z$。
### 5. $f(x,y)=1$ (单位正方形)。$f_Y(z-x)=1\iff z-1<x<z$ ,与 $(0,1)$ 取交:
- $0<z<1$ :$f_Z(z)=\int_0^z\mathrm dx=z$ ;
- $1\le z<2$ :$f_Z(z)=\int_{z-1}^1\mathrm dx=2-z$ 。
$$f_Z(z)=\begin{cases}z,&0<z<1\\2-z,&1\le z<2\\0,&\text{其他}\end{cases}\quad(\textbf{辛普森三角形分布})$$
> **真题骨架**:🟨2017·22 同款和分布(离散+连续),见第 10 题混合版。
@@ -63,60 +63,60 @@ $$f_Z(z)=\begin{cases}z,&0<z<1\\2-z,&1\le z<2\\0,&\text{其他}\end{cases}\quad(
### 6. 选(B)。
- (A)错:两正态若**不联合正态**,不相关推不出独立(反例见第 11 题);
- (C)错:不相关 $\ne$ 独立;
- (D)错:独立**一定**推出 $\operatorname{Cov}=0$(方差存在时);
- (D)错:独立**一定**推出 $\operatorname{Cov}=0$ (方差存在时);
- (B)对:二维正态的"特权"。
---
## B 组 · 中等
### 7. $Z=\dfrac YX$,用商的密度公式($f_{XY}=1$ 在单位正方形)
### 7. $Z=\dfrac YX$ ,用商的密度公式($f_{XY}=1$ 在单位正方形)
$$f_Z(z)=\int_0^1 x\,f_Y(zx)\,\mathrm dx,\qquad f_Y(zx)=1\iff 0<x<\frac1z.$$
- $0<z<1$:上限 $1$,$f_Z(z)=\displaystyle\int_0^1x\,\mathrm dx=\dfrac12$;
- $z\ge1$:上限 $\dfrac1z$,$f_Z(z)=\displaystyle\int_0^{1/z}x\,\mathrm dx=\dfrac{1}{2z^2}$。
- $0<z<1$ :上限 $1$ ,$f_Z(z)=\displaystyle\int_0^1x\,\mathrm dx=\dfrac12$ ;
- $z\ge1$ :上限 $\dfrac1z$ ,$f_Z(z)=\displaystyle\int_0^{1/z}x\,\mathrm dx=\dfrac{1}{2z^2}$ 。
$$f_Z(z)=\begin{cases}\dfrac12,&0<z<1\\[4pt]\dfrac{1}{2z^2},&z\ge1\\[2pt]0,&z<0\end{cases},\qquad P\{Z>1\}=\int_1^{+\infty}\frac{1}{2z^2}\,\mathrm dz=\frac12.$$
> **真题骨架**:🟨2021·22(Ⅱ) 求 $Z=Y/X$ 密度。
> **雅可比视角**:增补 $V=X$,$x=v,y=zv$,$\lvert J\rvert=\lvert v\rvert$,$f_{ZV}(z,v)=\lvert v\rvert f(v,zv)$,再对 $v$ 积分,结果一致。
> **雅可比视角**:增补 $V=X$ ,$x=v,y=zv$ ,$\lvert J\rvert=\lvert v\rvert$ ,$f_{ZV}(z,v)=\lvert v\rvert f(v,zv)$ ,再对 $v$ 积分,结果一致。
### 8.(Ⅰ)圆盘均匀 $f=\dfrac1\pi$,对 $y$ 积分($-\sqrt{1-x^2}\sim\sqrt{1-x^2}$):
### 8.(Ⅰ)圆盘均匀 $f=\dfrac1\pi$ ,对 $y$ 积分($-\sqrt{1-x^2}\sim\sqrt{1-x^2}$ ):
$$f_X(x)=\frac1\pi\cdot2\sqrt{1-x^2}=\frac{2}{\pi}\sqrt{1-x^2}\quad(-1<x<1).$$
**(Ⅱ)** $f_X(x)f_Y(y)=\dfrac4{\pi^2}\sqrt{1-x^2}\sqrt{1-y^2}\ne\dfrac1\pi=f(x,y)$,故 **$X,Y$ 不独立**。
**(Ⅱ)** $f_X(x)f_Y(y)=\dfrac4{\pi^2}\sqrt{1-x^2}\sqrt{1-y^2}\ne\dfrac1\pi=f(x,y)$ ,故 **$X,Y$ 不独立**。
> **秒杀**:取值区域是**圆**(非矩形),一步否定。
### 9. $f(x,y)=\dfrac12$($0<x<1,0<y<2$),$Z=XY$:
### 9. $f(x,y)=\dfrac12$ ($0<x<1,0<y<2$ ),$Z=XY$ :
$$f_Z(z)=\int\frac1x\cdot\frac12\cdot\mathbb 1\{0<\tfrac zx<2\}\,\mathrm dx,\qquad 0<\frac zx<2\iff x>\frac z2.$$
对 $0<z<2$,$x\in\big(\tfrac z2,1\big)$:$\displaystyle f_Z(z)=\int_{z/2}^{1}\frac{1}{2x}\,\mathrm dx=\frac12\ln\frac2z$。
对 $0<z<2$ ,$x\in\big(\tfrac z2,1\big)$ :$\displaystyle f_Z(z)=\int_{z/2}^{1}\frac{1}{2x}\,\mathrm dx=\frac12\ln\frac2z$ 。
$$f_Z(z)=\begin{cases}\dfrac12\ln\dfrac2z,&0<z<2\\0,&\text{其他}\end{cases}$$
> **真题骨架**:🟨2018·22、2019·22 的 $Z=XY$。
> **雅可比视角**:增补 $V=X$,$x=v,y=z/v$,$\lvert J\rvert=1/\lvert v\rvert$,结果一致。
> **真题骨架**:🟨2018·22、2019·22 的 $Z=XY$ 。
> **雅可比视角**:增补 $V=X$ ,$x=v,y=z/v$ ,$\lvert J\rvert=1/\lvert v\rvert$ ,结果一致。
### 10. 全概率(离散 $X$ 拆权重):
$$F_Z(z)=\frac12F_Y(z)+\frac12F_Y(z-1),\qquad F_Y(t)=0\,(t<0),\ t\,(0\le t<1),\ 1\,(t\ge1).$$
- $z<0$:$0$;$0\le z<1$:$\dfrac z2$;$1\le z<2$:$\dfrac12+\dfrac{z-1}{2}=\dfrac z2$;$z\ge2$:$1$。
- $z<0$ :$0$ ;$0\le z<1$ :$\dfrac z2$ ;$1\le z<2$ :$\dfrac12+\dfrac{z-1}{2}=\dfrac z2$ ;$z\ge2$ :$1$ 。
$$F_Z(z)=\begin{cases}0,&z<0\\ \dfrac z2,&0\le z<2\\1,&z\ge2\end{cases}\ \Longrightarrow\ f_Z(z)=\begin{cases}\dfrac12,&0<z<2\\0,&\text{其他}\end{cases}\ (\textbf{即 }Z\sim U(0,2))$$
> **易错点**:$F_Y(z-1)$ 也要分段;两段在 $z=1$ 处须连续(此处恰好拼成 $\frac z2$)。
> **易错点**:$F_Y(z-1)$ 也要分段;两段在 $z=1$ 处须连续(此处恰好拼成 $\frac z2$ )。
### 11. $EX=0$,$EY=E(X^2)=\displaystyle\int_{-1}^1x^2\cdot\frac12\mathrm dx=\frac13$,$E(XY)=E(X^3)=0$。
### 11. $EX=0$ ,$EY=E(X^2)=\displaystyle\int_{-1}^1x^2\cdot\frac12\mathrm dx=\frac13$ ,$E(XY)=E(X^3)=0$ 。
$$\operatorname{Cov}(X,Y)=0,\qquad \rho_{XY}=0.$$
但 $Y=X^2$ 是 $X$ 的函数,二者**不独立**。
> **结论**:**不相关 $\ne$ 独立**的教科书反例(偶函数型)。
### 12. $F_Z(z)=F_X(z)F_Y(z)=(1-e^{-\lambda z})^2\ (z>0)$,$z\le0$ 为 0。求导:
### 12. $F_Z(z)=F_X(z)F_Y(z)=(1-e^{-\lambda z})^2\ (z>0)$ ,$z\le0$ 为 0。求导:
$$f_Z(z)=2\lambda e^{-\lambda z}(1-e^{-\lambda z})=2\lambda\big(e^{-\lambda z}-e^{-2\lambda z}\big)\quad(z>0).$$
> **配套**:$\min$ 用 $F_{\min}(z)=1-e^{-2\lambda z}$(仍服从指数分布,参数 $2\lambda$)。
> **配套**:$\min$ 用 $F_{\min}(z)=1-e^{-2\lambda z}$ (仍服从指数分布,参数 $2\lambda$ )。
### 13.(Ⅰ)$X\sim N(1,1)$,$Y\sim N(2,4)$。
### 13.(Ⅰ)$X\sim N(1,1)$ ,$Y\sim N(2,4)$ 。
**(Ⅱ)** $\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times1\times2=1$;$D(X+Y)=1+4+2\times1=7$。
**(Ⅱ)** $\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times1\times2=1$ ;$D(X+Y)=1+4+2\times1=7$ 。
**(Ⅲ)** $E(Y\mid X=x)=2+0.5\times2\times(x-1)=x+1$。
> **易错点**:$\dfrac{\sigma_2}{\sigma_1}=\dfrac21$(**标准差**),不是 $\dfrac41$。
**(Ⅲ)** $E(Y\mid X=x)=2+0.5\times2\times(x-1)=x+1$ 。
> **易错点**:$\dfrac{\sigma_2}{\sigma_1}=\dfrac21$ (**标准差**),不是 $\dfrac41$ 。
### 14. 设切点 $U\sim U(0,1)$,$X=\min(U,1-U)\in(0,\tfrac12)$:
### 14. 设切点 $U\sim U(0,1)$ ,$X=\min(U,1-U)\in(0,\tfrac12)$ :
$$F_X(x)=P\{U\le x\}+P\{U\ge1-x\}=2x\quad(0<x<\tfrac12)\ \Rightarrow\ f_X(x)=\begin{cases}2,&0<x<\frac12\\0,&\text{其他}\end{cases}$$
> **真题骨架**:🟨2021·22(Ⅰ)。
@@ -124,60 +124,60 @@ $$F_X(x)=P\{U\le x\}+P\{U\ge1-x\}=2x\quad(0<x<\tfrac12)\ \Rightarrow\ f_X(x)=\be
## C 组 · 拔高
### 15.(Ⅰ)$S_D=\dfrac12$,$f(x,y)=\begin{cases}2,&0<y<x<1\\0,&\text{其他}\end{cases}$
### 15.(Ⅰ)$S_D=\dfrac12$ ,$f(x,y)=\begin{cases}2,&0<y<x<1\\0,&\text{其他}\end{cases}$
**(Ⅱ)** $U=1\iff Y\le\dfrac X2$。对 $0<x\le1$:
**(Ⅱ)** $U=1\iff Y\le\dfrac X2$ 。对 $0<x\le1$ :
$$P\{U=1,\ X\le x\}=\int_0^x\mathrm dt\int_0^{t/2}2\,\mathrm dy=\int_0^x t\,\mathrm dt=\frac{x^2}{2}.$$
又 $P\{U=1\}=\dfrac12$、$F_X(x)=x^2$,且 $\dfrac{x^2}{2}=P\{U=1\}F_X(x)$,故 **$U$ 与 $X$ 相互独立**。
又 $P\{U=1\}=\dfrac12$ 、$F_X(x)=x^2$ ,且 $\dfrac{x^2}{2}=P\{U=1\}F_X(x)$ ,故 **$U$ 与 $X$ 相互独立**。
> **反直觉点**:$U$ 是 $(X,Y)$ 的函数却与 $X$ 独立——因为在三角形内 $P\{U=1\mid X=x\}=\dfrac{x/2}{x}=\dfrac12$ **与 $x$ 无关**。
**(Ⅲ)** 由独立,$f_Z(z)=\dfrac12f_X(z)+\dfrac12f_X(z-1)$,$f_X(x)=2x\ (0<x<1)$:
**(Ⅲ)** 由独立,$f_Z(z)=\dfrac12f_X(z)+\dfrac12f_X(z-1)$ ,$f_X(x)=2x\ (0<x<1)$ :
$$f_Z(z)=\begin{cases}z,&0<z<1\\ z-1,&1\le z<2\\0,&\text{其他}\end{cases},\qquad
F_Z(z)=\begin{cases}0,&z<0\\[2pt]\dfrac{z^2}{2},&0\le z<1\\[4pt]\dfrac12+\dfrac{(z-1)^2}{2},&1\le z<2\\[4pt]1,&z\ge2\end{cases}$$
> **真题骨架**:🟨2016·22(均匀域 → 离散化 $U$ → 判独立 → $Z=U+X$ 分布函数),仅区域/分界改为 $y=x/2$。
> **真题骨架**:🟨2016·22(均匀域 → 离散化 $U$ → 判独立 → $Z=U+X$ 分布函数),仅区域/分界改为 $y=x/2$ 。
### 16. $f(x,y)=\dfrac1x\ (0<y<x<1)$($f_X=1$,$f_{Y|X}=1/x$)。
- $EX=\dfrac12,\ EX^2=\dfrac13,\ DX=\dfrac1{12}$;
- $f_Y(y)=-\ln y$,$EY=\dfrac14,\ EY^2=\dfrac19,\ DY=\dfrac7{144}$;
- $E(XY)=\displaystyle\int_0^1\!\!\int_0^x xy\cdot\frac1x\,\mathrm dy\,\mathrm dx=\int_0^1\frac{x^2}{2}\,\mathrm dx=\frac16$。
### 16. $f(x,y)=\dfrac1x\ (0<y<x<1)$ ($f_X=1$ ,$f_{Y|X}=1/x$ )。
- $EX=\dfrac12,\ EX^2=\dfrac13,\ DX=\dfrac1{12}$ ;
- $f_Y(y)=-\ln y$ ,$EY=\dfrac14,\ EY^2=\dfrac19,\ DY=\dfrac7{144}$ ;
- $E(XY)=\displaystyle\int_0^1\!\!\int_0^x xy\cdot\frac1x\,\mathrm dy\,\mathrm dx=\int_0^1\frac{x^2}{2}\,\mathrm dx=\frac16$ 。
$$\operatorname{Cov}=\frac16-\frac12\cdot\frac14=\frac1{24},\qquad \rho_{XY}=\frac{1/24}{\sqrt{1/12}\cdot\sqrt{7/144}}=\sqrt{\frac37}\approx0.655.$$
> **思路**:条件分布型先写 $f=f_Xf_{Y|X}$,再算三个期望。
> **常用积分**:$\displaystyle\int_0^1 t^n(-\ln t)\,\mathrm dt=\frac{1}{(n+1)^2}$。
> **思路**:条件分布型先写 $f=f_Xf_{Y|X}$ ,再算三个期望。
> **常用积分**:$\displaystyle\int_0^1 t^n(-\ln t)\,\mathrm dt=\frac{1}{(n+1)^2}$ 。
### 17.(Ⅰ)$X_3$ 取 $\pm1$,用全概率:
- $X_3=1$:$Y=X_1$,贡献 $P\{X_1\le x,\ X_1\le y\}=\Phi(\min\{x,y\})$;
- $X_3=-1$:$Y=X_2$,由独立贡献 $\Phi(x)\Phi(y)$。
### 17.(Ⅰ)$X_3$ 取 $\pm1$ ,用全概率:
- $X_3=1$ :$Y=X_1$ ,贡献 $P\{X_1\le x,\ X_1\le y\}=\Phi(\min\{x,y\})$ ;
- $X_3=-1$ :$Y=X_2$ ,由独立贡献 $\Phi(x)\Phi(y)$ 。
$$F(x,y)=\frac12\Phi(\min\{x,y\})+\frac12\Phi(x)\Phi(y).$$
**(Ⅱ)** $x\to+\infty$ 得 $F_Y(y)=\dfrac12\Phi(y)+\dfrac12\Phi(y)=\Phi(y)$,故 **$Y\sim N(0,1)$**。
> **真题骨架**:🟨2020·22(原题 $X_3\in\{0,1\}$,此处对称化为 $\pm1$)。
**(Ⅱ)** $x\to+\infty$ 得 $F_Y(y)=\dfrac12\Phi(y)+\dfrac12\Phi(y)=\Phi(y)$ ,故 **$Y\sim N(0,1)$ **。
> **真题骨架**:🟨2020·22(原题 $X_3\in\{0,1\}$ ,此处对称化为 $\pm1$ )。
### 18.(Ⅰ)极坐标 $\mathrm dx\,\mathrm dy=r\,\mathrm dr\,\mathrm d\theta$:
### 18.(Ⅰ)极坐标 $\mathrm dx\,\mathrm dy=r\,\mathrm dr\,\mathrm d\theta$ :
$$1=c\int_0^{2\pi}\!\!\int_0^1 r\cdot r\,\mathrm dr\,\mathrm d\theta=c\cdot2\pi\cdot\frac13\ \Rightarrow\ c=\frac{3}{2\pi}.$$
**(Ⅱ)** 区域对称 + 密度偶 ⟹ $EX=EY=0$,$E(XY)=0$,故 $\operatorname{Cov}(X,Y)=0$。
**(Ⅱ)** 区域对称 + 密度偶 ⟹ $EX=EY=0$ ,$E(XY)=0$ ,故 $\operatorname{Cov}(X,Y)=0$ 。
**(Ⅲ)** $f_X(x)$ 不是 $f_X(x)f_Y(y)$ 的分解形式,$f(x,y)=c\sqrt{x^2+y^2}\ne f_Xf_Y$,故 **$X,Y$ 不独立**。
**(Ⅲ)** $f_X(x)$ 不是 $f_X(x)f_Y(y)$ 的分解形式,$f(x,y)=c\sqrt{x^2+y^2}\ne f_Xf_Y$ ,故 **$X,Y$ 不独立**。
**(Ⅳ)** $0<z<1$:
**(Ⅳ)** $0<z<1$ :
$$F_Z(z)=\int_0^{2\pi}\!\!\int_0^{\sqrt z}\frac{3}{2\pi}r\cdot r\,\mathrm dr\,\mathrm d\theta=\frac{3}{2\pi}\cdot2\pi\cdot\frac{z^{3/2}}{3}=z^{3/2}\ \Rightarrow\ f_Z(z)=\begin{cases}\dfrac32\sqrt z,&0<z<1\\0,&\text{其他}\end{cases}$$
> **真题骨架**:🟨2023·22(把原题 $f=c(x^2+y^2)$ 改为 $c\sqrt{x^2+y^2}$)。
> **技巧**:$Z$ 是"到原点距离的函数" ⟹ **极坐标 + 面积法**,不必硬求 $f_Z$。
> **真题骨架**:🟨2023·22(把原题 $f=c(x^2+y^2)$ 改为 $c\sqrt{x^2+y^2}$ )。
> **技巧**:$Z$ 是"到原点距离的函数" ⟹ **极坐标 + 面积法**,不必硬求 $f_Z$ 。
### 19.(Ⅰ)反解:由 $u=x+y,\ v=\dfrac{x}{x+y}$ 得
$$x=uv,\qquad y=u(1-v).$$
雅可比行列式(注意是**反解** $(x,y)$ 对 $(u,v)$ 的行列式):
$$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}\dfrac{\partial x}{\partial u}&\dfrac{\partial x}{\partial v}\\[8pt]\dfrac{\partial y}{\partial u}&\dfrac{\partial y}{\partial v}\end{vmatrix}=\begin{vmatrix}v&u\\1-v&-u\end{vmatrix}=v(-u)-u(1-v)=-uv-u+uv=-u.$$
故 $\lvert J\rvert=u$。取值区域:$x>0,y>0\Rightarrow u>0,\ 0<v<1$。于是
故 $\lvert J\rvert=u$ 。取值区域:$x>0,y>0\Rightarrow u>0,\ 0<v<1$ 。于是
$$f_{UV}(u,v)=f\big(uv,\ u(1-v)\big)\cdot\lvert J\rvert=e^{-(uv+u(1-v))}\cdot u=u\,e^{-u},\quad u>0,\ 0<v<1.$$
**(Ⅱ)** 求边缘:
$$f_U(u)=\int_0^1 u e^{-u}\,\mathrm dv=u e^{-u}\ (u>0),\qquad f_V(v)=\int_0^{+\infty} u e^{-u}\,\mathrm du=1\ (0<v<1).$$
因 $f_{UV}(u,v)=f_U(u)f_V(v)$,故 **$U$ 与 $V$ 相互独立**;且 $U\sim\Gamma(2,1)$(即参数为 1 的 $\chi^2(4)$),$V\sim U(0,1)$。
> **方法总结(雅可比三步)**:① 反解 $x=x(u,v),y=y(u,v)$;② 算 $\lvert J\rvert=\left\lvert\dfrac{\partial(x,y)}{\partial(u,v)}\right\rvert$;③ $f_{UV}=f\cdot\lvert J\rvert$,并把定义域一并变换。
> **真题骨架**:本题是"指数分布之和 + 比值"的经典结构,$\Gamma(2,1)$ 的分解结论也是**证明"泊松过程的到达时刻与均匀次序"**的核心引理。
因 $f_{UV}(u,v)=f_U(u)f_V(v)$ ,故 **$U$ 与 $V$ 相互独立**;且 $U\sim\Gamma(2,1)$ (即参数为 1 的 $\chi^2(4)$ ),$V\sim U(0,1)$ 。
> **方法总结(雅可比三步)**:① 反解 $x=x(u,v),y=y(u,v)$ ;② 算 $\lvert J\rvert=\left\lvert\dfrac{\partial(x,y)}{\partial(u,v)}\right\rvert$ ;③ $f_{UV}=f\cdot\lvert J\rvert$ ,并把定义域一并变换。
> **真题骨架**:本题是"指数分布之和 + 比值"的经典结构,$\Gamma(2,1)$ 的分解结论也是**证明"泊松过程的到达时刻与均匀次序"** 的核心引理。
---
@@ -187,11 +187,11 @@ $$f_U(u)=\int_0^1 u e^{-u}\,\mathrm dv=u e^{-u}\ (u>0),\qquad f_V(v)=\int_0^{+\i
| 真题 | 考法 | 对应题 | 覆盖 |
|---|---|---|---|
| 2016·22 | 均匀分布+离散化 $U$+函数分布 | **15** | ✅ |
| 2016·22 | 均匀分布+离散化 $U$ +函数分布 | **15** | ✅ |
| 2017·22 | 混合型 $Z=X+Y$ | **5 + 10** | ✅ |
| 2018·22 | $Z=XY$+协方差 | **9** | ✅ |
| 2018·22 | $Z=XY$ +协方差 | **9** | ✅ |
| 2019·8 | 正态差 $\lvert X-Y\rvert$ 分布 | **13** | ◐ 部分 |
| 2019·22 | $Z=XY$+不相关+独立性 | **9 + 11** | ✅ |
| 2019·22 | $Z=XY$ +不相关+独立性 | **9 + 11** | ✅ |
| 2020·22 | 混合正态+证明 | **17** | ✅ |
| 2021·22 | 取点分段+商分布 | **14 + 7** | ✅ |
| 2022·10 | 条件分布求相关系数 | **16** | ✅ |
@@ -206,5 +206,5 @@ $$f_U(u)=\int_0^1 u e^{-u}\,\mathrm dv=u e^{-u}\ (u>0),\qquad f_V(v)=\int_0^{+\i
1. 离散型二维函数分布(两离散变量之和的表格题);
2. $\lvert X-Y\rvert$ 的正态差完整选择题(2019·8);
3. 条件期望/全期望递推(留到数字特征章);
4. 一般二维函数联合分布(如 $Y_1=2X_1,\ Y_2=\tfrac13X_2$)——本题第 19 题已示范雅可比通法,可自行扩展;
4. 一般二维函数联合分布(如 $Y_1=2X_1,\ Y_2=\tfrac13X_2$ )——本题第 19 题已示范雅可比通法,可自行扩展;
5. 2025·22 保险赔付应用建模。