新增「大题十年考点」系列:按十年解答题倒推的 15 个考点族

- 19 个 md:README + 01-知识点盘点(§0.4 反查 + §1—§15 地图)
  + 01b-覆盖对照与接口 + 15 个点文件 + 17-速查卡
- 62 题、57 个知识点;覆盖高数 45 + 线代 15 + 概率 15 共 75 道解答题
  (820 分:高数 480 / 线代 170 / 概率 170)
- 题量按「核心 ★★★ 2—3 题、边缘 ★★☆ 1—2 题」落地,
  题面标注真题骨架年份者为结构对齐,未标注者为原创

同批收尾:
- 逐题数值复核,修 7 处,其中两处答案错:
  点 8 题 4(2022·19 斯托克斯)由 -π/32 改为 0;
  点 12 曲面识别表「一正两零」改为两张平行平面
- 01-知识点盘点 曾达 1.58 万字符,§0.1—§0.3 迁入 01b,回落至 1.34 万
- gen_crosslinks.py 兼容新点文件命名与盘点名变体
- check_md_links.py 对 %20 编码路径做 unquote 解码
- 新增 stat_difficulty.py:难度分布 / 多问结构 / 体积自检
This commit is contained in:
Yimu
2026-11-01 21:43:01 +08:00
parent f6d4bf27a6
commit c16a754752
24 changed files with 4437 additions and 1 deletions
@@ -0,0 +1,178 @@
---
tags: [数学一, 大题十年考点, 概率论与数理统计, 多维随机变量, 函数分布, 混合型]
专题: 大题十年考点 · 点14 概率·多维随机变量
日期: 2026-11-01
状态: 知识点带题(14.1 二维密度与独立性、14.2 函数分布、14.3 混合型与全概率,共 3 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]", "[[概率论-第3讲-多维随机变量及其分布]]"]
---
# 点 14 概率 · 多维随机变量
> 真题锚点:2016·22、2017·22、2018·22、2019·22、2020·22、2021·22、2023·22、2025·22(十年 **8 题 91 分**)|重要度 ★★★
> 依赖:一维分布、二重积分。盘点对应:§14 全节。完整知识见 [概率论-第3讲](../概率论-第3讲-多维随机变量及其分布/README.md)。
**组织原则**:概率大题**只有两个来源**,这是其中更大的一半(8 题 91 分)。3 题按"给定联合密度(求边缘、判独立)$\to$ 求函数分布(卷积)$\to$ 混合型(全概率)"排,正好是十年出现过的三种骨架。
## 知识点 14.1 二维密度、边缘与独立性(出处:参考仓库未收录,转引 [概率论-第3讲](../概率论-第3讲-多维随机变量及其分布/01-考点手册.md))
联合密度 $f(x,y)$ 的两条基本性质:$f\ge0$ 且 $\iint_{\mathbb R^2}f=1$ 。
$$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)dy,\qquad f_Y(y)=\int_{-\infty}^{+\infty}f(x,y)dx .$$
**独立** $\iff$ $f(x,y)=f_X(x)f_Y(y)$ (几乎处处)$\iff$ 联合密度的**定义域是矩形**(笛卡尔积)且能分离变量。
**均匀分布的两步**:面积 $S_D=\iint_D1\,d\sigma$ ,$f=1/S_D$ (在 $D$ 内)。**边缘密度靠"固定 $x$ 积 $y$ "**,此时 $y$ 的上下限由区域边界给出——这是最容易写错的地方。
**判独立的快速法**:若 $f\ne0$ 的区域是三角形、圆、$y\ge x^2$ 之类的**非矩形**,一定不独立(边缘密度的支撑不重合)。
## 知识点 14.2 随机变量函数的分布(出处:[概率论-第3讲 · 函数分布](../概率论-第3讲-多维随机变量及其分布/01-考点手册.md))
**和的分布(卷积)**:
$$f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_{Y}(z-x)dx\quad(\text{独立时}).$$
**分段的关键**:被积函数非零要同时满足"$x$ 在 $X$ 的支撑内"与"$z-x$ 在 $Y$ 的支撑内",两个不等式取交,随 $z$ 分段。
**分布函数法(通用)**:
$$F_Z(z)=P\{g(X,Y)\le z\}=\iint_{g(x,y)\le z}f(x,y)\,dxdy,$$
再对 $z$ 求导。**比"套公式"通用**,商、极值、平方都用它。
## 知识点 14.3 混合型与全概率公式(出处:参考仓库未收录,转引 [概率论-第3讲 · 条件分布](../概率论-第3讲-多维随机变量及其分布/01-考点手册.md))
两个随机变量一个离散一个连续时,用**全概率**:
$$f_Y(y)=\sum_kP\{X=x_k\}\,f_{Y\mid X=x_k}(y).$$
条件概率的反向问题(求 $P\{X=x_k\mid Y\le y_0\}$ )用**贝叶斯**:
$$P\{X=x_k\mid Y\le y_0\}=\frac{P\{X=x_k\}P\{Y\le y_0\mid X=x_k\}}{P\{Y\le y_0\}} .$$
分母就是上面那个 $f_Y$ 的积分。**这类题的分数全在"分母算对没有"**。
---
## 题目(按知识点顺序对应)
### 题 1 · 14.1:曲边区域上的均匀分布(★★☆)
> 【2016·22 骨架】设二维随机变量 $(X,Y)$ 在区域 $D=\{(x,y):0\le x\le1,\ x^2\le y\le1\}$ 上服从均匀分布。
>
> (Ⅰ)求边缘密度 $f_X(x)$ 与 $f_Y(y)$ ;(Ⅱ)判断 $X$ 与 $Y$ 是否独立;(Ⅲ)求 $P\left\{X>\dfrac12\right\}$ 。
**怎么想**:先算区域面积(均匀分布的密度就是面积的倒数),再"固定一个变量积另一个"。判独立看两条:密度能否分离、支撑是不是矩形。
**解**:(Ⅰ)区域面积
$$S_D=\int_0^1\left(1-x^2\right)dx=1-\frac13=\frac23\ \Longrightarrow\ f(x,y)=\frac32,\quad (x,y)\in D .$$
**边缘 $f_X$ **:固定 $x\in[0,1]$ ,$y$ 从 $x^2$ 到 $1$ :
$$f_X(x)=\int_{x^2}^{1}\frac32\,dy=\frac32\left(1-x^2\right),\quad 0\le x\le1;\ \text{其余为}\ 0 .$$
**边缘 $f_Y$ **:固定 $y\in[0,1]$ ,由 $x^2\le y$ 得 $x\le\sqrt y$ ,故 $x$ 从 $0$ 到 $\sqrt y$ :
$$f_Y(y)=\int_0^{\sqrt y}\frac32\,dx=\frac32\sqrt y,\quad 0\le y\le1;\ \text{其余为}\ 0 .$$
(Ⅱ)**不独立**。在 $0<x<1,0<y<1$ 内,
$$f_X(x)f_Y(y)=\frac94\left(1-x^2\right)\sqrt y\ne\frac32=f(x,y).$$
更直接的理由:$f\ne0$ 的支撑是曲边三角形 $\{x^2\le y\le1\}$ ,**不是矩形**,故必不独立。
(Ⅲ)
$$P\left\{X>\frac12\right\}=\int_{1/2}^{1}f_X(x)dx=\frac32\left[x-\frac{x^3}{3}\right]_{1/2}^{1}=\frac32\left[\left(1-\frac13\right)-\left(\frac12-\frac1{24}\right)\right]$$
$$=\frac32\left[\frac23-\frac{11}{24}\right]=\frac32\cdot\frac{5}{24}=\frac{5}{16}.$$
**验算**:$\int_0^1f_X=\frac32\left(1-\frac13\right)=1$ ✓;$\int_0^1f_Y=\frac32\cdot\frac23=1$ ✓。$P\{X>1/2\}=\frac{5}{16}\approx0.31$ ,而 $X$ 的密度在 $x$ 大时更小($1-x^2$ 递减),故应小于 $\frac12$ ✓。
**带走结论**:**均匀分布题的三步——算面积、定倒数、按边界积边缘**。判独立优先看"支撑是不是矩形",比逐个验 $f=f_Xf_Y$ 快。
> **关联** · 盘点 [§14.1 二维密度、边缘与独立性](01-知识点盘点.md#user-content-141-二维密度边缘与独立性) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---
### 题 2 · 14.2:离散与连续混合的卷积(★★★)
> 设随机变量 $X$ 与 $Y$ 相互独立,$X$ 服从 $(0,1)$ 上的均匀分布,$Y$ 服从参数为 $1$ 的指数分布。令 $Z=X+Y$ 。
>
> (Ⅰ)求 $Z$ 的概率密度;(Ⅱ)求 $E(Z)$ 与 $D(Z)$ 。
**怎么想**:两个连续型独立随机变量求和,直接用卷积。被积函数非零要同时满足 $0<x<1$ 与 $z-x>0$ ,即 $\max(0,z-1)<x<\min(1,z)$ ——$\max$ 与 $\min$ 谁起作用取决于 $z$ 是否超过 $1$ ,这就是分段的由来。
**解**:(Ⅰ)$f_X(x)=1\ (0<x<1)$ ,$f_Y(y)=e^{-y}\ (y>0)$ ,其余为 $0$ 。卷积
$$f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)dx=\int_{\max(0,z-1)}^{\min(1,z)}e^{-(z-x)}dx .$$
**当 $z\le0$ ** :区间为空,$f_Z(z)=0$ 。
**当 $0<z<1$ ** :$\max(0,z-1)=0$ ,$\min(1,z)=z$ ,
$$f_Z(z)=\int_0^ze^{x-z}dx=e^{-z}\left[e^x\right]_0^z=1-e^{-z} .$$
**当 $z\ge1$ ** :$\max(0,z-1)=z-1$ ,$\min(1,z)=1$ ,
$$f_Z(z)=\int_{z-1}^{1}e^{x-z}dx=e^{-z}\left(e-e^{z-1}\right)=(e-1)e^{-z} .$$
故
$$f_Z(z)=\begin{cases}0,&z\le0\\ 1-e^{-z},&0<z<1\\ (e-1)e^{-z},&z\ge1\end{cases}$$
(Ⅱ)由独立性,
$$E(Z)=E(X)+E(Y)=\frac12+1=\frac32,\qquad D(Z)=D(X)+D(Y)=\frac{1}{12}+1=\frac{13}{12}.$$
**验算**:检查 $f_Z$ 的归一性:
$$\int_0^1\left(1-e^{-z}\right)dz+\int_1^{+\infty}(e-1)e^{-z}dz=1-\left(1-e^{-1}\right)+(e-1)e^{-1}=e^{-1}+1-e^{-1}=1\ ✓$$
在 $z=1$ 处两段相等:$1-e^{-1}=(e-1)e^{-1}$ ✓ 连续。
**带走结论**:**卷积的分段点来自"被积区间端点的切换"**——本题在 $z=1$ 处切换,因为 $z-1$ 超过了 $0$ 。答题时先写 $\max/\min$ 的通用式,再分情况,比直接猜分段稳。
> **关联** · 盘点 [§14.2 随机变量函数的分布](01-知识点盘点.md#user-content-142-随机变量函数的分布) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---
### 题 3 · 14.3:混合型用全概率与贝叶斯(★★☆)
> 【2020·22 骨架】设随机变量 $X$ 的分布为 $P\{X=1\}=P\{X=2\}=\dfrac12$ 。在 $X=k$ 的条件下,$Y$ 服从 $(0,k)$ 上的均匀分布($k=1,2$ )。
>
> (Ⅰ)求 $Y$ 的概率密度 $f_Y(y)$ ;(Ⅱ)求 $P\{X=1\mid Y\le1\}$ 。
**怎么想**:$X$ 离散、$Y$ 连续,$Y$ 的密度用**全概率**(按 $X$ 的取值加权);反向的条件概率用**贝叶斯**,分母是 $P\{Y\le1\}$ 。
**解**:(Ⅰ)在 $X=k$ 下 $f_{Y\mid X=k}(y)=\frac1k$ ($0<y<k$ ),其余为 $0$ 。由全概率公式:
$$f_Y(y)=P\{X=1\}f_{Y\mid X=1}(y)+P\{X=2\}f_{Y\mid X=2}(y).$$
- $0<y<1$ :两个条件密度都不为零,$f_Y(y)=\frac12\cdot1+\frac12\cdot\frac12=\frac34$ ;
- $1\le y<2$ :只有 $k=2$ 那项,$f_Y(y)=\frac12\cdot\frac12=\frac14$ ;
- 其余 $y$ :$f_Y(y)=0$ 。
即
$$f_Y(y)=\begin{cases}\frac34,&0<y<1\\ \frac14,&1\le y<2\\ 0,&\text{其他}\end{cases}$$
(Ⅱ)先算分母:
$$P\{Y\le1\}=\int_0^1\frac34dy=\frac34 .$$
分子:
$$P\{X=1,\ Y\le1\}=P\{X=1\}P\{Y\le1\mid X=1\}=\frac12\cdot1=\frac12 .$$
故
$$P\{X=1\mid Y\le1\}=\frac{\frac12}{\frac34}=\frac23 .$$
**验算**:归一性 $\int_0^1\frac34+\int_1^2\frac14=\frac34+\frac14=1$ ✓。合理性:$Y\le1$ 时既可能来自 $X=1$ (概率 $\frac12$ 全部落在 $(0,1)$ 内)也可能来自 $X=2$ (只有一半落在 $(0,1)$ 内),权重 $\frac12:\frac14=2:1$ ,故后验 $\frac23$ ✓。
**带走结论**:**"离散 $+$ 连续"的题一律全概率**:$f_Y=\sum_kP\{X=x_k\}f_{Y\mid k}$ ,分段点就是各个条件支撑的端点。**贝叶斯的分子是联合概率、分母是边缘概率**,分母一定要单独算清楚。
> **关联** · 盘点 [§14.3 混合型与全概率](01-知识点盘点.md#user-content-143-混合型与全概率) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---