专项10 第二版:难度对齐真题与张宇30讲

- A 组 12 题整体重做:每题仍只练一个动作,但包在真实区域里、都要分段
  (抛物区域归一化与边缘两支、条件均匀的协方差、区域概率、可加性失效四问等)
- B 组 10 题改为照 2016—2025 真题换数字,补上 2025-22 保险赔付与泊松分裂
- C 组 8 题换成环域均匀、次序统计量、非独立正态残差、混合型、泊松分裂五个新方向
- 题源标注:A2/A12 标张宇 30 讲骨架,B1—B10 标真题年份
- 同步 01 考点地图(题目索引、十年真题锚点)、README、专项突破总索引
- 全部数值经 sympy 复核,三处手算错误已订正(A4 的 Cov、C2 的极差、C4 的期望发散)
This commit is contained in:
2026-11-11 13:59:21 +08:00
parent 79e568525a
commit ef51115b22
7 changed files with 720 additions and 640 deletions
@@ -27,9 +27,11 @@ tags: [数学一, 专项突破, 考点地图, 多维随机变量]
| 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 |
| **核心** | 分布律反解、归一化与边缘分段、条件分布、独立性四判据、区域均匀、二维正态、和分布、最值、雅可比、可加性边界、由 $F$ 反求参数 | A1—A12 |
| **一圈** | 指示变量 + 分布函数、两点乘指数、两点乘泊松、随机取点、混合正态、圆盘非均匀、保险赔付、异密度和、全方差与相关、条件均匀反解 | B1—B10 |
| **二圈** | 环域均匀、次序统计量、非独立正态残差、商与期望发散、混合型、反例构造、泊松分裂、十断言 | C1—C8 |
**难度定位(2026-11-11 第二版)**:第一版的 A 组偏"套公式",比真题低一档,已整体重做。现在 **A 组每题仍只练一个动作,但都包在真实区域里、都要分段**;B 组照 2016—2025 年 ch17 的 11 道真题换数字,问法与分段照搬;C 组高于真题。记号:★★☆ 门槛、★★★ 真题档、★★★★ 高于真题。
**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。
@@ -177,7 +179,7 @@ $\operatorname{Cov}(X,Y)=EXY-EX\cdot EY$ 。$EXY$ 在离散型是表格加权求
### 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)。
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。反方向的例子也在同一题里:$U=X+Y$ 与 $V=X-Y$ 换完之后支撑是菱形(非矩形),条件密度仍随 $v$ 变,所以不独立(见 A10)。
### 3.7 四张可加表
@@ -237,55 +239,56 @@ $F_{\max}=F^3$ 、$F_{\min}=1-(1-F)^3$ 。次序对称性很好用:连续型
| 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 |
| 2016·22 | 解答 | 11 | 抛物线区域均匀 + 指示变量 + 分布函数 | B1 |
| 2017·22 | 解答 | 11 | 离散与连续的和,密度分段 | A8、B8 |
| 2018·22 | 解答 | 11 | 两点乘泊松,协方差与分布律 | B3 |
| 2019·8 | 单选 | 4 | 正态差的分布 | A7 |
| 2019·22 | 解答 | 11 | 指数乘两点,"不相关但不独立" | B2 |
| 2020·22 | 解答 | 11 | 混合正态的联合分布函数 | B5、B9 |
| 2021·22 | 解答 | 12 | 随机取点分两段,商的分布 | B4 |
| 2022·10 | 单选 | 5 | 条件均匀反解 + 相关系数 | A4 |
| 2023·22 | 解答 | 12 | 圆盘非均匀密度,$X^2+Y^2$ 的分布 | B6 |
| 2024·9 | 单选 | 5 | 条件均匀与协方差 | B10 |
| 2025·22 | 解答 | 12 | 截断赔付 + 泊松分裂 | B7 |
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。
合 11 题 105 分,是概率六章里的第一。**解答题的形态高度固定**:给一个区域上的密度或条件分布 → 求边缘或联合 → 求某个函数的分布 → 顺带算一个数字特征,三四问 11—12 分。**2019 年之后几乎每年都用"乘积型"或"条件均匀型"包装**(2018、2019、2024),这是最近五年的新增偏好,B2、B3、B10 就是照着这个偏好出的。
## 六、题目索引
| 题 | 考什么 | 难度 | 真题锚点 |
| 题 | 考什么 | 难度 | 真题/张宇锚点 |
|---|---|---|---|
| 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 |
| A1 | 独立性反解分布律 | ★★☆ | — |
| A2 | 抛物区域归一化 + 边缘两支 | ★★☆ | 张宇 30 讲 边缘密度例题 |
| A3 | 条件分布律反解联合 | ★★☆ | — |
| A4 | 条件均匀、协方差、区域概率 | ★★★ | 2022·10 |
| A5 | 独立性四判据及各自适用边界 | ★★☆ | 概念题高频 |
| A6 | 二维均匀,面积比 | ★★☆ | 2016·22 区域 |
| A7 | 二维正态的差与条件分布 | ★★☆ | 2019·8 |
| A8 | 离散与连续的和 | ★★★ | 2017·22 |
| A9 | 异参数指数的最值 | ★★★ | 2021·22 变体 |
| A10 | 雅可比、支撑换元、条件密度 | ★★★ | — |
| A11 | 可加性什么时候失效 | ★★☆ | 选填常客 |
| A12 | 由 $\Phi$ 里读出参数 | ★★☆ | 张宇 30 讲 标准正态化例题 |
| B1 | 指示变量 + 分段分布函数 | ★★★★ | 2016·22 |
| B2 | 两点乘指数:相关但不独立 | ★★★★ | 2019·22 |
| B3 | 两点乘泊松:分布律与方差 | ★★★★ | 2018·22 |
| B4 | 随机取点,商的分布 | ★★★★ | 2021·22 |
| B5 | 混合正态的联合分布函数 | ★★★★ | 2020·22 |
| B6 | 圆盘非均匀密度 | ★★★★ | 2023·22 |
| B7 | 保险赔付与泊松分裂 | ★★★★ | 2025·22 |
| B8 | 异密度混合的和 | ★★★ | 2017·22 变体 |
| B9 | 全方差公式与相关系数 | ★★★★ | 2020·22 变体 |
| B10 | 条件均匀反解联合 | ★★★★ | 2024·9 |
| C1 | 环域均匀,边缘分段 | ★★★★ | — |
| C2 | 次序统计量与极差 | ★★★★ | — |
| C3 | 非独立正态的残差分解 | ★★★★ | — |
| C4 | 商的分布与期望发散 | ★★★★ | — |
| C5 | 混合型的分布函数与密度 | ★★★★ | — |
| C6 | 反例构造三问 | ★★★★ | 概念题 |
| C7 | 泊松分裂与独立性证明 | ★★★★ | 2025·22 推广 |
| C8 | 十个断言辨析 | ★★★★ | 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。
**A 组 12 题把 12 个动作各走一遍**(但都在真实区域里),B 组是真题原版换数字,C 组是"考场出新"的预演。合计 30 题。
## 七、六个高频陷阱
@@ -3,328 +3,337 @@ 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
状态: 第二版, 难度对齐 2016—2025 真题解答题;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。
**第二版说明**:第一版的 A 组多是"一步套公式"(填表、归一化、套卷积),比真题低一个档次。这一版按 **2016—2025 年 ch17 的 11 道真题**和张宇三十讲的二维例题定难度:A 组每题仍只练一个动作,但都包在真实区域里、都要分段;B 组直接对着真题换数字,题量与问法照搬;C 组高于真题,用来防"考场出新"。
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。
难度记号:★★☆ 门槛题 | ★★★ 真题档 | ★★★★ 高于真题(允许做不出,但要看懂答案)。
**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。
A 组 12 题一次性练完 12 个动作,**限时 100 分钟**;B 组 10 题**限时 120 分钟**(真题解答题 12 分钟一题,这里加了审题时间);C 组 8 题不限时,但要写完整过程。
**附常用值**:$\Phi(1)=0.8413$ ,$\Phi(2)=0.9772$ ,$\mathrm e^{-1}=0.3679$ ,$\mathrm e^{-2}=0.1353$ ,$0.4^2\times0.6^5=0.01244$ 。
**做之前准备**:每道题第一件事是画支撑集,画不出来就先不下笔。凡是出现"分段""讨论"字样的,答案必须写清每一段的范围,只写公式不写范围按错处理。
**附常用值**:$\Phi(1)=0.8413$ ,$\Phi(2)=0.9772$ ,$\Phi(0.378)=0.6472$ ,$\ln 2=0.6931$ ,$\mathrm e^{-1}=0.3679$ ,$\mathrm e^{-2}=0.1353$ 。
---
## A 组 · 核心(12 题)
### 题 A1 · 联合分布律填表(★☆☆)
### 题 A1 · 独立性能反解分布律(★★☆)
设 $(X,Y)$ 的联合分布律为:
设 $(X,Y)$ 只在 $(0,0)$ 、$(0,1)$ 、$(1,0)$ 、$(1,1)$ 四点取值,记 $p_{ij}=P\{X=i,\ Y=j\}$ ,已知
| $X\backslash Y$ | $0$ | $1$ | $2$ |
|---|---|---|---|
| $0$ | $0.1$ | $0.2$ | $0.1$ |
| $1$ | $0.2$ | $0.3$ | $0.1$ |
$$p_{00}=0.1,\qquad p_{01}=0.15,$$
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 $P\{X+Y=2\}$ 。
且 $X$ 与 $Y$ 相互独立。
求:(Ⅰ)$p_{10}$ 与 $p_{11}$ ;(Ⅱ)$P\{X+Y=1\}$ 、$P\{X=0\mid Y=1\}$ 、$E(X\mid Y=1)$ ;(Ⅲ)证明:对 $2\times2$ 表格,$X$ 与 $Y$ 独立 $\iff p_{00}p_{11}=p_{01}p_{10}$ 。
> **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(★★☆)
### 题 A2 · 抛物区域上的归一化与边缘(★★☆)
设 $(X,Y)$ 的联合密度为
【张宇 30 讲 · 二维连续型 · 边缘密度例题骨架】设 $(X,Y)$ 的联合密度为
$$f(x,y)=cxy,\qquad 0<x<1,\quad 0<y<2x .$$
$$f(x,y)=c\,(x^2+y),\qquad 0<y<1-x^2 .$$
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。
求:(Ⅰ)$c$ ;(Ⅱ)$f_X(x)$ 与 $f_Y(y)$ ,并各自验证 $\int f=1$ ;(Ⅲ)判断 $X$ 与 $Y$ 是否独立。
> **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(★★☆)
### 题 A3 · 条件分布律反解联合(★★☆)
设 $X$ 等可能地取 $1,2,3$ 三个值;给定 $X=i$ 时,$Y\sim B(i,\ 1/2)$ 。
设 $X$ 等可能地取 $1,2,3$ ;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 $E(X\mid Y=2)$ 。
求:(Ⅰ)$(X,Y)$ 的联合分布律与 $Y$ 的边缘分布律;(Ⅱ)$E(X\mid Y=1)$ ;(Ⅲ)$\operatorname{Cov}(X,Y)$ ;(Ⅳ)$P\{X+Y=3\}$ 。
> **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(★★☆)
### 题 A4 · 条件密度、协方差与区域概率(★★★)
设 $(X,Y)$ 在区域 $D=\{(x,y):0<y<x<1\}$ 上服从均匀分布。
【真题 2022-10 骨架】设 $X\sim U(0,1)$ ;给定 $X=x$ 时,$Y\sim U(x,1)$ 。
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 $EY$ 。
求:(Ⅰ)$f(x,y)$ 与 $f_Y(y)$ ;(Ⅱ)$\operatorname{Cov}(X,Y)$ ;(Ⅲ)$P\{X+Y\le1\}$ 。
> **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(★★☆)
### 题 A5 · 独立性四判据(★★☆)
判断下列三个联合密度对应的 $X$ 与 $Y$ 是否独立,说明理由:
判断下列四个联合密度对应的 $X$ 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)$f=\dfrac65(x+y^2)$ ,$0<x<1,\ 0<y<1$ 。
(Ⅲ)$f=\dfrac65(x+y^2)$ ,$0<x<1,\ 0<y<1$ ;
(Ⅳ)$f=\dfrac1\pi$ ,$x^2+y^2<1$ 。
并回答:四个里哪几个**不用算边缘**就能定答案,依据是哪一条。
> **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(★★☆)
### 题 A6 · 二维均匀的区域与面积法(★★☆)
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。
【真题 2016-22 区域】设 $(X,Y)$ 在区域 $D=\{(x,y):0<x<1,\ x^2<y<\sqrt x\}$ 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)$E(XY)$ 。
求:(Ⅰ)$D$ 的面积与 $f(x,y)$ ;(Ⅱ)$f_X(x)$ 与 $f_Y(y)$ ;(Ⅲ)$P\{Y<X\}$ 。
> **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(★★☆)
### 题 A7 · 二维正态的差与条件分布(★★☆)
设 $(X,Y)\sim N(0,0;\ 1,4;\ 0.5)$ 。
设 $(X,Y)\sim N(1,2;\ 4,9;\ 0.5)$ 。
求:(Ⅰ)$D(X+Y)$ 、$D(X-Y)$ ;(Ⅱ)$\operatorname{Cov}(X+Y,\ X-Y)$ ;(Ⅲ)$D(2X-Y)$ ;(Ⅳ)$P\{X<Y\}$ 。
求:(Ⅰ)$D(X+Y)$ 、$D(X-Y)$ 、$\operatorname{Cov}(X+Y,\ X-Y)$ ;(Ⅱ)$P\{X<Y\}$ ;(Ⅲ)$Y\mid X=x$ 服从什么分布,写出均值与方差。
> **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(★★★)
### 题 A8 · 离散与连续的和(★★★)
设 $X,Y$ 相互独立且都服从 $U(0,1)$ ,$Z=X+Y$ 。
【真题 2017-22 骨架】设 $X,Y$ 相互独立,$X$ 的分布律为 $P\{X=0\}=P\{X=2\}=\dfrac12$ ,$Y$ 的密度为
求:(Ⅰ)$f_Z(z)$ ;(Ⅱ)$P\{Z>1.5\}$ ;(Ⅲ)$P\{0.5<Z<1.5\}$ 。
$$f_Y(y)=\begin{cases}2y, & 0<y<1,\\[2pt] 0, & \text{其他}.\end{cases}$$
求:(Ⅰ)$P\{Y\le EY\}$ ;(Ⅱ)$Z=X+Y$ 的密度 $f_Z(z)$ ;(Ⅲ)$EZ$ 与 $DZ$ 。
> **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(★★☆)
### 题 A9 · 异参数指数的最值(★★★)
设 $X,Y$ 相互独立且都服从 $U(0,1)$ ,记 $M=\max\{X,Y\}$ ,$N=\min\{X,Y\}$ 。
设 $X\sim \mathrm{Exp}(1)$ ,$Y\sim \mathrm{Exp}(2)$ ,且相互独立,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)$P\{M-N>1/2\}$ 。
求:(Ⅰ)$f_M(z)$ ;(Ⅱ)$N$ 服从什么分布;(Ⅲ)$EM$ ,并用 $E(M+N)=EX+EY$ 验证。
> **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(★★★)
### 题 A10 · 雅可比与条件密度(★★★)
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)$f_U(u)$ 。
求:(Ⅰ)$(U,V)$ 的联合密度,并写出支撑集(画图);(Ⅱ)$f_{U\mid V}(u\mid v)$ ;(Ⅲ)$U$ 与 $V$ 是否独立。
> **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(★☆☆)
### 题 A11 · 可加性用得上与用不上(★★☆)
(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 $P\{X+Y=2\}$ ;
(Ⅰ)$X\sim B(3,0.4)$ ,$Y\sim B(4,0.4)$ 且独立,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 $P\{X+Y=2\}$ 。
(Ⅱ)$X\sim P(2)$ ,$Y\sim P(3)$ 且独立,求 $P\{X+Y=2\}$ ;
(Ⅲ)$X,Y$ 独立同 $U(0,1)$ ,$X+Y$ 与 $X-Y$ 是否仍服从均匀分布?说明理由;
(Ⅳ)$X\sim N(0,1)$ ,$Y\sim N(0,1)$ ,$\operatorname{Cov}(X,Y)=\dfrac12$ ,问 $X+Y$ 是否服从正态分布,$X+Y$ 与 $X-Y$ 是否独立。
> **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(★★☆)
### 题 A12 · 由分布函数反求参数(★★☆)
设 $(X,Y)$ 的联合分布函数为
【张宇 30 讲 · 二维正态 · 标准正态化例题骨架】设 $(X,Y)$ 的分布函数为
$$F(x,y)=\big(1-\mathrm e^{-2x}\big)\big(1-\mathrm e^{-3y}\big),\qquad x>0,\ y>0,$$
$$F(x,y)=\Phi(2x+1)\,\Phi(2y-1),$$
其余情形 $F(x,y)=0$ 。
其中 $\Phi$ 是标准正态分布函数。
求:(Ⅰ)$f(x,y)$ ;(Ⅱ)$f_X(x)$ 与 $f_Y(y)$ ;(Ⅲ)判断是否独立;(Ⅳ)$P\{X>Y\}$ 。
求:(Ⅰ)$(X,Y)$ 服从什么分布,四个参数各是多少;(Ⅱ)$f(x,y)$ ;(Ⅲ)$P\{X>0\}$ 与 $P\{X+Y>0\}$ 。
> **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)
## B 组 · 一圈:照真题换数字(10 题)
### 题 B1 · 指示变量的独立性(★★★)
### 题 B1 · 区域均匀加指示变量再求分布函数(★★★★)
【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
【真题 2016-22 骨架】设 $(X,Y)$ 在题 A6 的区域 $D=\{0<x<1,\ x^2<y<\sqrt x\}$ 上服从均匀分布,令
$$U=\begin{cases}1, & Y\le\dfrac{X}{2},\\[2pt] 0, & Y>\dfrac{X}{2}.\end{cases}$$
$$U=\begin{cases}1, & Y\le X,\\[2pt] 0, & Y>X.\end{cases}$$
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)$E(UX)$ 。
求:(Ⅰ)$P\{U=1\}$ ;(Ⅱ)判断 $U$ 与 $X$ 是否独立;(Ⅲ)$Z=U+X$ 的分布函数 $F_Z(z)$ 。
> **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(★★★)
### 题 B2 · 指数与两点分布的乘积(★★★★)
【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 $X=T+Z$ 。
【真题 2019-22 骨架】设 $X\sim \mathrm{Exp}(1)$ ,$Y$ 只取 $-1,1$ 两个值,$P\{Y=-1\}=p$ ,$P\{Y=1\}=1-p$ ,且 $X$ 与 $Y$ 相互独立,令 $Z=XY$ 。
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"。
求:(Ⅰ)$f_Z(z)$ ;(Ⅱ)$p$ 为何值时 $X$ 与 $Z$ 不相关(说明结论与 $\lambda$ 无关);(Ⅲ)此时 $X$ 与 $Z$ 是否独立。
> **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(★★★)
### 题 B3 · 两点分布与泊松的乘积(★★★★)
设 $X,Y$ 相互独立且都服从 $N(0,1)$ ,令 $U=X+Y$ ,$V=X-Y$ 。
【真题 2018-22 骨架】设 $X$ 只取 $-1,1$ 且等可能,$Y\sim P(\lambda)$ ,$X$ 与 $Y$ 独立,令 $Z=XY$ 。
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。
求:(Ⅰ)$\operatorname{Cov}(X,Z)$ ;(Ⅱ)$Z$ 的分布律,并说明 $Z$ 是否服从泊松分布;(Ⅲ)$DZ$ 与 $DY$ 的关系。
> **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)
> **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 B7 · 可加性表加相关系数(★★☆)
### 题 B4 · 随机取点分两段(★★★★)
设 $X\sim N(2,9)$ ,$Y\sim N(-1,16)$ ,$\rho_{XY}=0.5$ 。
【真题 2021-22 骨架】在区间 $(0,2)$ 上随机取一点,把区间分成两段,短的一段长为 $X$ ,长的一段长为 $Y$ ,令 $Z=\dfrac{Y}{X}$ 。
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)$P\{Z<2\}$ 。
求:(Ⅰ)$f_X(x)$ ;(Ⅱ)$f_Z(z)$ ;(Ⅲ)$E\left(\dfrac{X}{Y}\right)$ 。
> **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(★★☆)
### 题 B5 · 混合正态的联合分布函数(★★★★)
设 $X_1,X_2,X_3$ 相互独立且都服从 $U(0,1)$ 。
【真题 2020-22 骨架】设 $X_1,X_2$ 相互独立且都服从 $N(0,1)$ ,$X_3$ 只取 $0,1$ 且等可能,并与 $X_1,X_2$ 独立,令 $Y=X_3X_1+(1-X_3)X_2$ 。
求:(Ⅰ)$F_{\max}(z)$ 与 $f_{\max}(z)$ ;(Ⅱ)$E(\max)$ 与 $E(\min)$ ;(Ⅲ)$P\{X_1<X_2<X_3\}$ 。
求:(Ⅰ)$(X_1,Y)$ 的分布函数(用 $\Phi$ 表示,须写清 $x\le y$ 与 $x>y$ 两种情形);(Ⅱ)证明 $Y\sim N(0,1)$ ;(Ⅲ)$\operatorname{Cov}(X_1,Y)$ 与 $\rho_{X_1Y}$ 。
> **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 B6 · 圆盘上的非均匀密度(★★★★)
【真题 2023-22 骨架】设 $(X,Y)$ 的密度为
$$f(x,y)=\frac2\pi\left(x^2+y^2\right),\qquad x^2+y^2\le1 .$$
求:(Ⅰ)$\operatorname{Cov}(X,Y)$ ;(Ⅱ)判断 $X$ 与 $Y$ 是否独立;(Ⅲ)$Z=X^2+Y^2$ 的密度 $f_Z(z)$ 。
> **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 B7 · 保险赔付与泊松分裂(★★★★)
【真题 2025-22 骨架】某险种单次损失额 $X$ 的密度为
$$f(x)=\frac{2\times100^2}{(100+x)^3},\qquad x>0,$$
保险公司的赔付额为 $Y=(X-100)^+$ (即 $X\le100$ 时赔 $0$ ,$X>100$ 时赔 $X-100$ )。
求:(Ⅰ)$P\{Y>0\}$ 与 $EY$ ;(Ⅱ)一年内损失事件次数 $N\sim P(8)$ ,每次损失是否获赔相互独立,获赔概率为 $p=P\{Y>0\}$ ,求获赔次数 $M$ 的分布;(Ⅲ)说明 $M$ 与 $N-M$ 是否独立。
> **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 B8 · 异密度混合的和(★★★)
【真题 2017-22 变体】设 $X,Y$ 相互独立,$P\{X=0\}=P\{X=1\}=\dfrac12$ ,$Y$ 的密度为 $f_Y(y)=3y^2$ ($0<y<1$ )。
求:(Ⅰ)$P\{Y\le EY\}$ ;(Ⅱ)$f_Z(z)$ ,$Z=X+Y$ ;(Ⅲ)$P\{Z\le1\}$ ,并用密度积分验证。
> **考点** · [§1.8 分布函数法](01-考点地图.md#user-content-18-分布函数法)
---
### 题 B9 · 全方差公式与相关系数(★★★★)
【真题 2020-22 变体】设 $X\sim U(0,2)$ ;给定 $X=x$ 时,$Y\sim B(1,\ x/2)$ 。
求:(Ⅰ)$E(Y\mid X)$ 与 $D(Y\mid X)$ ;(Ⅱ)$EY$ 与 $DY$ (全方差公式,两项要分别写出数值);(Ⅲ)$\operatorname{Cov}(X,Y)$ 与 $\rho_{XY}$ 。
> **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 B10 · 条件均匀反解联合(★★★★)
【真题 2024-9 骨架】设 $X$ 的密度为 $f_X(x)=2(1-x)$ ($0<x<1$ );给定 $X=x$ 时,$Y\sim U(x,1)$ 。
求:(Ⅰ)$f(x,y)$ 与你发现的特别之处;(Ⅱ)$E(XY)$ ;(Ⅲ)$\operatorname{Cov}(X,Y)$ 。
> **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 分大题与压轴形态(8 题)
### 题 C1 · 环域均匀与边缘分段(★★★★)
设 $(X,Y)$ 在区域 $D=\{1\le x^2+y^2\le4\}$ 上服从均匀分布。
求:(Ⅰ)$f(x,y)$ ;(Ⅱ)$f_X(x)$ (必须分段);(Ⅲ)$Z=X^2+Y^2$ 的密度;(Ⅳ)$P\{X^2+Y^2\le2\}$ 。
> **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 C2 · 三个变量的次序统计量(★★★★)
设 $X_1,X_2,X_3$ 相互独立且都服从 $U(0,1)$ ,记 $X_{(1)}\le X_{(2)}\le X_{(3)}$ 为从小到大排列后的三个值(次序统计量)。
求:(Ⅰ)$P\{X_1<X_2<X_3\}$ ;(Ⅱ)$f_{X_{(2)}}(z)$ 与 $E X_{(2)}$ ;(Ⅲ)$P\{X_{(3)}-X_{(1)}>1/2\}$ 。
> **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(★★★)
### 题 C3 · 非独立正态的条件分布与正交分解(★★★★)
(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;
设 $(X,Y)\sim N(0,1;\ 1,4;\ 0.6)$ 。
(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;
求:(Ⅰ)$Y\mid X=x$ 的分布;(Ⅱ)$E(Y^2\mid X=1)$ ;(Ⅲ)用全方差公式验证 $DY=4$ ;(Ⅳ)令 $W=Y-1.2X$ ,证明 $W$ 与 $X$ 独立并写出 $W$ 的分布。
> **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 · 商的分布与一个发散陷阱(★★★★)
设 $X,Y$ 相互独立且都服从 $U(0,1)$ ,$Z=\dfrac{X}{Y}$ 。
求:(Ⅰ)$f_Z(z)$ (分段);(Ⅱ)$P\{Z<2\}$ ;(Ⅲ)$EZ$ 是否存在?若存在求出,若不存在说明理由。
> **考点** · [§4.4 商的分布](01-考点地图.md#user-content-44-商的分布)
---
### 题 C5 · 混合型的分布函数与密度(★★★★)
设 $X_1$ 只取 $0,1$ ,$P\{X_1=1\}=\dfrac34$ ;$X_2\sim \mathrm{Exp}(1)$ ;$X_1$ 与 $X_2$ 独立,令 $Y=X_1+X_2$ 。
求:(Ⅰ)$F_Y(y)$ (写清 $y<0$ 、$0\le y<1$ 、$y\ge1$ 三段);(Ⅱ)$f_Y(y)$ ,并说明 $Y$ 是否服从指数分布;(Ⅲ)$EY$ 与 $P\{Y\le1\}$ 。
> **考点** · [§1.12 混合型与全概率密度版](01-考点地图.md#user-content-112-混合型与全概率密度版)
---
### 题 C6 · 反例构造三问(★★★★)
(Ⅰ)构造一对 $(X,Y)$ ,使 $\operatorname{Cov}(X,Y)=0$ 但 $X$ 与 $Y$ 不独立,要求 $X$ 连续、且 $Y$ 是 $X$ 的函数,并完整验证;
(Ⅱ)设 $X\sim N(0,1)$ ,$Y\sim N(0,1)$ 且相互独立,令 $Z=XY$ 。判断 $Z$ 是否服从正态分布,并说明 $(X,Z)$ 这个例子否定了什么说法;
(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。
@@ -332,28 +341,34 @@ $$f(x,y)=c(x+y),\qquad 0<x<1,\quad 0<y<2 .$$
---
### 题 C7 · 条件期望与全方差(★★★)
### 题 C7 · 泊松分裂与复合分布(★★★★)
【真题 2020-22 骨架】设 $X\sim U(0,2)$ ;给定 $X=x$ 时,$Y\sim B(1,\ x/2)$ 。
设某路口一天内的事故次数 $N\sim P(\lambda)$ ,每次事故是否涉及出租车相互独立,涉及的概率为 $p$ ($0<p<1$ )。记 $M$ 为涉及出租车的事故次数。
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。
求:(Ⅰ)$M$ 的分布律(提示:先写 $P\{M=k\mid N=n\}$ 再用全概率);
> **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)
(Ⅱ)$N-M$ 的分布律;
(Ⅲ)证明 $M$ 与 $N-M$ 相互独立。
> **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 C8 · 八个断言辨析(★★★)
### 题 C8 · 十个断言辨析(★★★★)
判断下列八个断言的对错,错的各给一个反例或说明:
判断下列断言的对错,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。
6. 若 $X,Y$ 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。
9. 若 $X$ 与 $Y$ 独立,则 $X^2$ 与 $Y^2$ 独立。
10. 若 $P\{X<Y\}=\dfrac12$ ,则 $X$ 与 $Y$ 同分布。
> **考点** · [§4.8 概念辨析](01-考点地图.md#user-content-48-概念辨析)
@@ -361,8 +376,8 @@ $$f(x,y)=c(x+y),\qquad 0<x<1,\quad 0<y<2 .$$
## 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。
1. **A 组错 3 个以上**,回 [01-考点地图](01-考点地图.md) 找对应小节,只读那一条,然后把该题重做一遍(不看答案)。
2. **B 组的错几乎都是"支撑画错"或"分段少一段"**,把错题的支撑集重画一遍再做;B 组的目标是 10 题至少 7 题过程完整。
3. **C 组允许做不出**,但要求读懂答案后能自己复述思路;C1、C5、C7 三题是"考场出新"最可能的方向。
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) 。
@@ -2,320 +2,323 @@
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
状态: 第二版 A 组解析,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。
**这一组虽然叫"核心动作",但每题都包在真实区域里**——只记住公式不够,还要把积分限写对。每题末尾的归因只指一处。
## 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;$\frac35$ |
| 题 | 核心答案 |
|---|---|
| A1 | $p_{10}=0.3$ ,$p_{11}=0.45$ ;$P\{X+Y=1\}=0.45$ ;$E(X\vert Y=1)=0.75$ |
| A2 | $c=\frac54$ ;$f_X=\frac58(1-x^4)$ ;$f_Y=\frac56(1+2y)\sqrt{1-y}$ ;不独立 |
| A3 | $Y$ 边缘 $\frac7{24},\frac{11}{24},\frac5{24},\frac1{24}$ ;$E(X\vert Y=1)=\frac{21}{11}$ ;$\operatorname{Cov}=\frac13$ ;$P\{X+Y=3\}=\frac5{24}$ |
| A4 | $f=\frac1{1-x}$ ;$f_Y=-\ln(1-y)$ ;$\operatorname{Cov}=\frac1{24}$ ;$1-\ln2$ |
| A5 | 独立 / 不独立 / 不独立 / 不独立 |
| A6 | 面积 $\frac13$ ,$f=3$ ;边缘 $3(\sqrt x-x^2)$ 型;$P\{Y<X\}=\frac12$ |
| A7 | $19$ 、$7$ 、$-5$ ;$P\{X<Y\}=\Phi(\frac1{\sqrt7})=0.6472$ ;$N(\frac34x+\frac54,\frac{27}4)$ |
| A8 | $\frac49$ ;$f_Z=z\ (0<z<1)$ 、$z-2\ (2<z<3)$ ;$EZ=\frac53$ ,$DZ=\frac{19}{18}$ |
| A9 | $f_M=e^{-z}+2e^{-2z}-3e^{-3z}$ ;$N\sim\mathrm{Exp}(3)$ ;$EM=\frac76$ |
| A10 | $f_{U,V}=\frac12$ (菱形);$f_{U\vert V}$ 是随 $v$ 变的均匀;不独立 |
| A11 | $0.2613$ ;$12.5\mathrm e^{-5}$ ;都不是均匀;是正态且独立 |
| A12 | $N(-\frac12,\frac12;\frac14,\frac14;0)$ ;$P\{X>0\}=0.1587$ ;$\frac12$ |
---
## A 组
### 题 A1 · 边缘 0.4/0.6 与 0.3/0.5/0.2,不独立
### 题 A1 · 独立性给的是一个方程
**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。
**怎么想**:四个格子里只有一个自由度(三个边缘量定死第四格),所以"独立"这一个方程刚好能定一格。下手点是交叉相乘,不是套边缘公式——边缘里有未知量。
**解**:
(Ⅰ)行和(对 $X$ ):
(Ⅰ)独立性等价于 $p_{00}p_{11}=p_{01}p_{10}$ (第(Ⅲ)问证),代入
| $X$ | $0$ | $1$ |
|---|---|---|
| $P$ | $0.4$ | $0.6$ |
$$0.1\,p_{11}=0.15\,p_{10}\ \Longrightarrow\ p_{11}=1.5\,p_{10}.$$
列和(对 $Y$ ):
又 $p_{00}+p_{01}+p_{10}+p_{11}=1$ ,即 $p_{10}+p_{11}=0.75$ ,故
| $Y$ | $0$ | $1$ | $2$ |
|---|---|---|---|
| $P$ | $0.3$ | $0.5$ | $0.2$ |
$$p_{10}=0.3,\qquad p_{11}=0.45.$$
两行合计 $1$ ,两列合计 $1$ 。
验:$P\{X=0\}=0.25$ ,$P\{Y=1\}=0.6$ ,$0.25\times0.6=0.15=p_{01}$ ✓。
(Ⅱ)$P\{X=1\mid Y=2\}=\dfrac{0.1}{0.2}=\dfrac12$ ,$P\{X=0\mid Y=1\}=\dfrac{0.2}{0.5}=\dfrac25$ 。
(Ⅱ)$P\{X+Y=1\}=p_{01}+p_{10}=0.15+0.3=0.45$ 。
(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。
$P\{X=0\mid Y=1\}=\dfrac{0.15}{0.6}=0.25$ ,故 $P\{X=1\mid Y=1\}=0.75$ ,$E(X\mid Y=1)=0.75$ 。
> 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。
(Ⅲ)若独立,则 $p_{ij}=p_{i\cdot}p_{\cdot j}$ ,于是
(Ⅳ)$E(X\mid Y=1)=\sum_i iP\{X=i\mid Y=1\}=0\times\dfrac{0.2}{0.5}+1\times\dfrac{0.3}{0.5}=\dfrac35$ 。
$$p_{00}p_{11}=p_{0\cdot}p_{\cdot0}\cdot p_{1\cdot}p_{\cdot1}=p_{01}p_{10}.$$
$P\{X+Y=2\}=P\{X=0,Y=2\}+P\{X=1,Y=1\}=0.1+0.3=0.4$ 。
反之设 $p_{00}p_{11}=p_{01}p_{10}$ ,把 $p_{11}=1-p_{00}-p_{01}-p_{10}$ 代入,整理得
**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。
$$p_{00}=(p_{00}+p_{01})(p_{00}+p_{10})=p_{0\cdot}p_{\cdot0},$$
即 $P\{X=0,Y=0\}=P\{X=0\}P\{Y=0\}$ 。同一式子轮换即得其余三格,故独立。
> **归因**:A 类——把"独立"当成一项检验而不是一个可解的方程。表格题里"独立"是最强条件,能反解未知格子。
---
### 题 A2 · 常数 2,边缘 4x³ 与 y−y³/4,不独立
### 题 A2 · 抛物区域的边缘积分
**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**。
**怎么想**:$0<y<1-x^2$ 蕴含 $-1<x<1$ ,支撑是开口向下的抛物线内部。求 $f_Y$ 时画横线,$x$ 从 $-\sqrt{1-y}$ 到 $\sqrt{1-y}$ ,不能只写 $0$ 到 $\sqrt{1-y}$ (漏左半)。
**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 $c=2$ 。
(Ⅰ)$\displaystyle\iint_D(x^2+y)\,\mathrm dx\,\mathrm dy=\int_{-1}^{1}\int_0^{1-x^2}(x^2+y)\,\mathrm dy\,\mathrm dx=\int_{-1}^{1}\Big(\frac12-\frac{x^4}{2}\Big)\mathrm dx=\frac45.$
(Ⅱ)固定 $x\in(0,1)$ ,$y$ 从 $0$ 到 $2x$ :
故 $c=\dfrac54$ 。
$$f_X(x)=\int_0^{2x}2xy\,\mathrm dy=2x\cdot\frac{(2x)^2}{2}=4x^3,\qquad 0<x<1 .$$
(Ⅱ)固定 $x\in(-1,1)$ :
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 $1$ :
$$f_X(x)=\frac54\int_0^{1-x^2}(x^2+y)\,\mathrm dy=\frac54\cdot\frac{1-x^4}{2}=\frac58(1-x^4).$$
$$f_Y(y)=\int_{y/2}^{1}2xy\,\mathrm dx=2y\cdot\frac{1-\frac{y^2}{4}}{2}=y-\frac{y^3}{4},\qquad 0<y<2 .$$
验证:$\displaystyle\int_{-1}^{1}\frac58(1-x^4)\mathrm dx=\frac58\cdot\frac85=1$ ✓。
自检:$\int_0^1 4x^3\,\mathrm dx=1$ ✓,$\int_0^2\!\big(y-\frac{y^3}{4}\big)\mathrm dy=2-1=1$ ✓。
固定 $y\in(0,1)$ ,$x$ 的左右两支要一起算:
(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。
$$f_Y(y)=\frac54\int_{-\sqrt{1-y}}^{\sqrt{1-y}}(x^2+y)\,\mathrm dx=2\cdot\frac54\int_0^{\sqrt{1-y}}(x^2+y)\,\mathrm dx.$$
**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。
取 $s=\sqrt{1-y}$ ,$\int_0^s(x^2+y)\mathrm dx=\frac{s^3}{3}+ys=s\Big(\frac{1-y}{3}+y\Big)=\frac{s(1+2y)}{3}$ ,故
$$f_Y(y)=\frac52\cdot\frac{(1+2y)\sqrt{1-y}}{3}=\frac56(1+2y)\sqrt{1-y}.$$
(Ⅲ)支撑不是矩形($y$ 的上界含 $x$ ),**直接判不独立**,不用算乘积。
> **归因**:C 类——求 $f_Y$ 时只积右半支。支撑对 $y$ 轴对称时,横线是"穿过去"的,必须左右都算。
---
### 题 A3 · 条件期望 13/5
### 题 A3 · 条件分布律先乘后加
**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 $P\{X=i\}=\frac13$ 。
**怎么想**:$P\{X=i,Y=j\}=P\{X=i\}P\{Y=j\mid X=i\}$ ,一个 $\frac13$ 乘一个二项概率。四个 $i$ 共 $1+2+3+4=10$ 个格子。
**解**:
(Ⅰ)逐格算 $P\{X=i,Y=j\}=\frac13 C_i^j\big(\frac12\big)^i$ :
(Ⅰ)联合分布律(空白为 $0$ ):
| $X\backslash Y$ | $0$ | $1$ | $2$ | $3$ |
|---|---|---|---|---|
| $1$ | $\frac16$ | $\frac16$ | $0$ | $0$ |
| $2$ | $\frac1{12}$ | $\frac16$ | $\frac1{12}$ | $0$ |
| $1$ | $\frac16$ | $\frac16$ | | |
| $2$ | $\frac1{12}$ | $\frac16$ | $\frac1{12}$ | |
| $3$ | $\frac1{24}$ | $\frac18$ | $\frac18$ | $\frac1{24}$ |
全表之和 $=\frac{1}{3}\big(\frac12+\frac12\big)+\frac13\cdot1+\frac13\cdot1=1$ ✓(每行的和为 $\frac13$ )。
列和:$Y$ 取 $0,1,2,3$ 的概率依次为 $\frac7{24},\frac{11}{24},\frac5{24},\frac1{24}$ ,合计 $1$ ✓。
(Ⅱ)列和:
(Ⅱ)$P\{X=1\mid Y=1\}=\frac{1/6}{11/24}=\frac4{11}$ ,同理 $P\{X=2\mid Y=1\}=\frac4{11}$ ,$P\{X=3\mid Y=1\}=\frac3{11}$ ,
$$P\{Y=0\}=\frac16+\frac1{12}+\frac1{24}=\frac7{24},\quad P\{Y=1\}=\frac16+\frac16+\frac18=\frac{11}{24},$$
$$E(X\mid Y=1)=\frac{4+8+9}{11}=\frac{21}{11}.$$
$$P\{Y=2\}=\frac1{12}+\frac18=\frac5{24},\quad P\{Y=3\}=\frac1{24}.$$
(Ⅲ)$EX=2$ ;$EY=0\cdot\frac7{24}+1\cdot\frac{11}{24}+2\cdot\frac5{24}+3\cdot\frac1{24}=1$ 。
合计 $1$ ✓。
$E(XY)=E\big[X\,E(Y\mid X)\big]=E\Big[X\cdot\frac X2\Big]=\frac12EX^2=\frac12\cdot\frac{14}{3}=\frac73.$
(Ⅲ)$Y=2$ 这一列只有 $X=2$ 与 $X=3$ 两格非零,按列和归一化:
$$\operatorname{Cov}(X,Y)=\frac73-2\cdot1=\frac13.$$
$$P\{X=2\mid Y=2\}=\frac{1/12}{5/24}=\frac25,\qquad P\{X=3\mid Y=2\}=\frac{1/8}{5/24}=\frac35 .$$
(Ⅳ)$P\{X+Y=3\}=P\{X=2,Y=1\}+P\{X=3,Y=0\}=\frac16+\frac1{24}=\frac5{24}.$
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。
> **归因**:D 类——$E(XY)$ 逐格加权求和也能做,但用 $E[XE(Y\mid X)]$ 一行出结果。条件期望不只是求条件期望,它还是算 $EXY$ 的捷径。
---
### 题 A4 · 条件密度 1/x,期望 1/3
### 题 A4 · 条件均匀的联合密度是常数
**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。
**怎么想**:$f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=1\cdot\frac1{1-x}$ 。注意 $f_Y$ 的积分限是 $x\in(0,y)$ ,因为 $x<y$ 。
**解**:
(Ⅰ)区域面积 $\frac12$ ,故 $f=2$ 。
(Ⅰ)$f(x,y)=\dfrac{1}{1-x}$ ,$0<x<y<1$ 。
$$f_X(x)=\int_0^x2\,\mathrm dy=2x,\quad 0<x<1;\qquad f_Y(y)=\int_y^1 2\,\mathrm dx=2(1-y),\quad 0<y<1 .$$
$$f_Y(y)=\int_0^y\frac{\mathrm dx}{1-x}=\Big[-\ln(1-x)\Big]_0^y=-\ln(1-y),\qquad 0<y<1.$$
(Ⅱ)$f_{Y\mid X}(y\mid x)=\dfrac{f(x,y)}{f_X(x)}=\dfrac{2}{2x}=\dfrac1x$ ,$0<y<x$ ,即 $Y\mid X=x\sim U(0,x)$ 。
(Ⅱ)$EX=\frac12$ ,$\displaystyle EY=\int_0^1 y\big[-\ln(1-y)\big]\mathrm dy=\frac34$ (令 $u=1-y$ 化成 $\int_0^1(-\ln u)\mathrm du-\int_0^1u(-\ln u)\mathrm du=1-\frac14$ )。
(Ⅲ)$E(Y\mid X=x)=\dfrac x2$ 。验证重期望:
$$E(XY)=\int_0^1\!\!\int_x^1\frac{xy}{1-x}\,\mathrm dy\,\mathrm dx=\int_0^1\frac{x}{1-x}\cdot\frac{1-x^2}{2}\mathrm dx=\frac12\int_0^1 x(1+x)\mathrm dx=\frac{5}{12}.$$
$$EY=\int_0^1y\cdot2(1-y)\,\mathrm dy=2\Big(\frac12-\frac13\Big)=\frac13,\qquad E\big[E(Y\mid X)\big]=E\Big(\frac X2\Big)=\frac{2/3}{2}=\frac13 .$$
$$\operatorname{Cov}(X,Y)=\frac5{12}-\frac12\cdot\frac34=\frac{5}{12}-\frac38=\frac1{24}.$$
两边相等 ✓(这里 $EX=\int_0^1x\cdot2x\,\mathrm dx=\frac23$ )。
(Ⅲ)$P\{X+Y\le1\}=\displaystyle\int_0^{1/2}\!\!\int_x^{1-x}\frac{\mathrm dy}{1-x}\mathrm dx=\int_0^{1/2}\frac{1-2x}{1-x}\mathrm dx.$
**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。
被积函数拆成 $2-\dfrac1{1-x}$ ,积分得
$$P\{X+Y\le1\}=\Big[2x+\ln(1-x)\Big]_0^{1/2}=1-\ln 2\approx0.3069.$$
> **归因**:B 类——条件密度求 $f_Y$ 时把积分限写成 $0$ 到 $1$ 。限来自"联合密度的支撑",不是边缘的支撑。
---
### 题 A5 · 独立 / 不独立 / 不独立
### 题 A5 · 四个判据各管一段
**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。
**怎么想**:先看支撑是否矩形,再看密度是否可分离。两关都过才敢说独立;任一关不过,只是"这条判据用不上",还要回到定义比一格。
**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。)
(Ⅰ)支撑是单位正方形(矩形),$f=4x\cdot y$ 可分离,且 $f_X=2x$ 、$f_Y=2y$ 、乘起来正是 $f$ ,**独立**。
(Ⅱ)**不独立**,最省力的理由:支撑 $0<y<x<1$ 是三角形,不是矩形。
(Ⅱ)支撑 $0<y<x<1$ 是三角形,**不独立**(这条不用算)。
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)支撑是矩形,但 $f=\frac65(x+y^2)$ 分不开。算边缘:$f_X(x)=\frac65\big(x+\frac13\big)$ ,$f_Y(y)=\frac65\big(y^2+\frac12\big)$ ,乘积 $\frac{36}{25}\big(x+\frac13\big)\big(y^2+\frac12\big)\ne f$ ,**不独立**。
(Ⅲ)**不独立**。支撑是矩形,不能靠形状判,必须算:
(Ⅳ)支撑是圆盘(非矩形),**不独立**。
$$f_X(x)=\int_0^1\frac65(x+y^2)\,\mathrm dy=\frac65\Big(x+\frac13\Big),\qquad f_Y(y)=\frac65\Big(\frac12+y^2\Big).$$
哪几个不用算:**(Ⅱ)和(Ⅳ)**,依据"支撑非矩形"。**(Ⅲ)必须算**——支撑是矩形却不可分离,这时判据失效,只能比一格,而结论恰好还是不独立,所以这题最容易被"不可分离就独立不了"这种半对的说法蒙对。
$$f_X(x)f_Y(y)=\frac{36}{25}\Big(x+\frac13\Big)\Big(\frac12+y^2\Big)\ne\frac65(x+y^2).$$
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。
> **归因**:A 类——把"不可分离"当成"不独立"的充分条件。正确逻辑是:可分离 $+$ 矩形 $\Rightarrow$ 独立;不可分离 $\Rightarrow$ 该判据失效,须回到定义。
---
### 题 A6 · 三角形均匀,不独立,期望 1/12
### 题 A6 · 均匀分布用面积比
**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** 。
**怎么想**:区域均匀的两件事——$f=\frac1{S_D}$ ,概率 $=\frac{S_{G\cap D}}{S_D}$ 。$P\{Y<X\}$ 完全不用积分。
**解**:
(Ⅰ)$D$ 是腰长为 $1$ 的直角三角形,$S_D=\frac12$ ,故 $f(x,y)=2$ ,$(x,y)\in D$ 。
(Ⅰ)$S_D=\displaystyle\int_0^1(\sqrt x-x^2)\mathrm dx=\frac23-\frac13=\frac13$ ,故 $f(x,y)=3$ 在 $D$ 内。
(Ⅱ)对固定的 $x\in(0,1)$ ,$y$ 从 $0$ 到 $1-x$ :
(Ⅱ)竖线:$y$ 从 $x^2$ 到 $\sqrt x$ ,$f_X(x)=3(\sqrt x-x^2)$ ,$0<x<1$ 。
$$f_X(x)=\int_0^{1-x}2\,\mathrm dy=2(1-x);\qquad f_Y(y)=2(1-y),\quad 0<y<1 .$$
横线:由 $x^2<y<\sqrt x$ 反解出 $y^2<x<\sqrt y$ ,故 $f_Y(y)=3(\sqrt y-y^2)$ ,$0<y<1$ (与 $f_X$ 同形,因为区域关于 $y=x$ 对称)。
两个边缘形状相同(对称性所致),但**都不是均匀分布**。
(Ⅲ)$D$ 内满足 $y<x$ 的部分:$y\in(x^2,x)$ ,因为 $x^2<x<\sqrt x$ 在 $(0,1)$ 上恒成立。其面积
(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)。
$$\int_0^1(x-x^2)\mathrm dx=\frac12-\frac13=\frac16,$$
(Ⅳ)$\displaystyle E(XY)=\int_0^1\!\!\int_0^{1-x}2xy\,\mathrm dy\,\mathrm dx=\int_0^1x(1-x)^2\,\mathrm dx=\frac12-\frac23+\frac14=\frac1{12}$ 。
故 $P\{Y<X\}=3\times\frac16=\frac12$ 。(也可由区域对称直接看出。)
**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)。
> **归因**:C 类——$P\{Y<X\}$ 硬算二重积分。均匀分布下先想面积比,能省三四行,还不容易积错。
---
### 题 A7 · 方差 7 与 3,协方差 −3,概率 0.5
### 题 A7 · 差的分布与对称轴
**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**。
**怎么想**:$\sigma_1=2$ 、$\sigma_2=3$ 、$\operatorname{Cov}=0.5\times2\times3=3$ 。$P\{X<Y\}$ 化成 $P\{Y-X>0\}$ ,只用一个正态。
**解**:
先算 $\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times1\times2=1$ ,$DX=1$ ,$DY=4$ 。
(Ⅰ)$D(X+Y)=4+9+2\cdot3=19$ ,$D(X-Y)=4+9-2\cdot3=7$ ,
(Ⅰ)$D(X+Y)=1+4+2\times1=7$ ;$D(X-Y)=1+4-2\times1=3$ 。
$$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY=4-9=-5.$$
(Ⅱ)$\operatorname{Cov}(X+Y,X-Y)=DX-\operatorname{Cov}(X,Y)+\operatorname{Cov}(Y,X)-DY=1-4=-3$ 。
(Ⅱ)$Y-X\sim N(2-1,\ 7)=N(1,7)$ ,
(Ⅲ)$D(2X-Y)=4DX+DY-2\times2\operatorname{Cov}(X,Y)=4+4-4=4$ 。
$$P\{X<Y\}=P\{Y-X>0\}=\Phi\Big(\frac{1}{\sqrt7}\Big)=\Phi(0.378)=0.6472.$$
(Ⅳ)$X-Y\sim N(0,3)$ ,故
(Ⅲ)$Y\mid X=x\sim N\Big(2+0.5\cdot\frac32(x-1),\ 9(1-0.25)\Big)=N\Big(\frac34x+\frac54,\ \frac{27}{4}\Big).$
$$P\{X<Y\}=P\{X-Y<0\}=\Phi(0)=0.5 .$$
**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。
> **归因**:B 类——$P\{X<Y\}$ 写成 $1-\Phi(\cdot)$ 方向搞反。判方向:$E(Y-X)=1>0$ ,所以 $Y$ 多半更大,概率应 $>0.5$ 。
---
### 题 A8 · 三角分布,概率 1/8 与 3/4
### 题 A8 · 离散把连续劈成两段
**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"。
**怎么想**:$Z=X+Y$ 的两个可能来源:$X=0$ 给 $f_Y(z)$ ,$X=1$ 给 $f_Y(z-2)$ ,各带权重 $\frac12$ 。支撑是 $(0,1)\cup(2,3)$ ,中间 $(1,2)$ 是空的。
**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
(Ⅰ)$EY=\displaystyle\int_0^12y^2\mathrm dy=\frac23$ ,$P\{Y\le EY\}=\int_0^{2/3}2y\,\mathrm dy=\frac49.$
$$F_Z(z)=\begin{cases}0, & z\le0,\\[2pt] \dfrac{z^2}{2}, & 0<z<1,\\[6pt] 1-\dfrac{(2-z)^2}{2}, & 1\le z<2,\\[6pt] 1, & z\ge2 .\end{cases}$$
(Ⅱ)
求导:
$$f_Z(z)=\frac12f_Y(z)+\frac12f_Y(z-2)=\begin{cases}z, & 0<z<1,\\[2pt] z-2, & 2<z<3,\\[2pt] 0, & \text{其他}.\end{cases}$$
$$f_Z(z)=\begin{cases}z, & 0<z<1,\\ 2-z, & 1\le z<2,\\ 0, & \text{其他}.\end{cases}$$
(Ⅲ)$EZ=EX+EY=1+\frac23=\frac53$ 。$DX=1$ ($X$ 取 $0,2$ 各半,$EX=1$ ,$DX=1$ )。
自检 $\int_0^1z+\int_1^2(2-z)=\frac12+\frac12=1$ ✓。
$EY^2=\int_0^12y^3\mathrm dy=\frac12$ ,$DY=\frac12-\frac49=\frac1{18}$ ,故 $DZ=DX+DY=1+\frac{1}{18}=\frac{19}{18}$ 。
(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。
> **归因**:D 类——只写 $z\in(0,1)$ 那一段。离散型变量把连续变量的支撑**平移复制**,有几段全看离散变量取几个值。
---
### 题 A9 · 最值的期望 2/3 与 1/3,极差概率 1/4
### 题 A9 · 异参数指数的最值
**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。
**怎么想**:$F_{\max}$ 直接乘,但**不要**对 $F^{n}$ 套 $U(0,1)$ 的 $\frac{n}{n+1}$ ——那是同分布专用。这里用 $E(M+N)=EX+EY$ 反推 $EM$ ,比积分快得多。
**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 $0<z<1$ 。
(Ⅰ)$F_M(z)=(1-\mathrm e^{-z})(1-\mathrm e^{-2z})$ ,$z>0$ ,求导
(Ⅱ)$\displaystyle E(M)=\int_0^12z^2\,\mathrm dz=\frac23$ ,$\displaystyle E(N)=\int_0^12z(1-z)\,\mathrm dz=2\Big(\frac12-\frac13\Big)=\frac13$ 。
$$f_M(z)=\mathrm e^{-z}(1-\mathrm e^{-2z})+2\mathrm e^{-2z}(1-\mathrm e^{-z})=\mathrm e^{-z}+2\mathrm e^{-2z}-3\mathrm e^{-3z}.$$
(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
(Ⅱ)$P\{N>z\}=P\{X>z\}P\{Y>z\}=\mathrm e^{-z}\cdot\mathrm e^{-2z}=\mathrm e^{-3z}$ ,故 $N\sim\mathrm{Exp}(3)$ ,$EN=\frac13$ 。
$$P\{M-N>1/2\}=(1-\tfrac12)^2=\frac14 .$$
(Ⅲ)$EM=\displaystyle\int_0^\infty z\,\big(\mathrm e^{-z}+2\mathrm e^{-2z}-3\mathrm e^{-3z}\big)\mathrm dz=1+2\cdot\frac14-3\cdot\frac19=\frac76.$
**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**。
验证:$E(M+N)=\frac76+\frac13=\frac32$ ,而 $EX+EY=1+\frac12=\frac32$ ✓。
> **归因**:B 类——把 $N$ 当成 $\mathrm{Exp}(1)$ 或 $\mathrm{Exp}(2)$ 。取 $\min$ 后参数是**相加**的,$\lambda_1+\lambda_2$ 。
---
### 题 A10 · 联合密度 1/2,边缘是三角分布
### 题 A10 · 换元后支撑才是重点
**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。
**怎么想**:$|J|=\frac12$ 是常数,说明 $(U,V)$ 在**变换后的区域**上均匀。区域由 $0<x<1$ 、$0<y<1$ 换元得到:$|v|<1$ 且 $|v|<u<2-|v|$ ,是个菱形。
**解**:
(Ⅰ)反解 $x=\dfrac{u+v}{2}$ ,$y=\dfrac{u-v}{2}$ ,
(Ⅰ)$x=\frac{u+v}{2}$ ,$y=\frac{u-v}{2}$ ,$J=\dfrac{\partial(x,y)}{\partial(u,v)}=-\dfrac12$ ,$|J|=\frac12$ ,
$$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}\frac12 & \frac12\\[2pt] \frac12 & -\frac12\end{vmatrix}=-\frac14-\frac14=-\frac12,\qquad |J|=\frac12 .$$
$$f_{U,V}(u,v)=\frac12,\qquad \vert v\vert<1,\quad \vert v\vert<u<2-\vert v\vert .$$
由 $f_{U,V}=f(x,y)|J|$ 且 $f=1$ 在单位方形内:
(Ⅱ)先求 $f_V$ :固定 $v$ ,$u$ 的区间长 $(2-|v|)-|v|=2-2|v|$ ,
$$f_{U,V}(u,v)=\frac12 .$$
$$f_V(v)=\frac12(2-2\vert v\vert)=1-\vert v\vert,\qquad \vert v\vert<1 .$$
支撑由 $0<x<1,\ 0<y<1$ 代回:$-u<v<2-u$ 且 $u-2<v<u$ ,合并为
于是
$$\max(-u,\ u-2)<v<\min(2-u,\ u),$$
$$f_{U\mid V}(u\mid v)=\frac{1/2}{1-\vert v\vert}=\frac{1}{2(1-\vert v\vert)},\qquad \vert v\vert<u<2-\vert v\vert .$$
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 $1$ ✓。
(Ⅲ)条件密度含 $v$ (区间随 $v$ 变),故 $U$ 与 $V$ **不独立**。也可以直接说支撑不是矩形。
(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。
> **归因**:A 类——只换密度不换支撑。雅可比三步里第三步(支撑换元)最难,也最常漏。
---
### 题 A11 · 0.2613 与 0.0842
### 题 A11 · 可加性什么时候失效
**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。
**怎么想**:可加性只对四类分布成立,且要求独立。第(Ⅲ)(Ⅳ)两问专门打"以为都能加"的人。
**解**:
(Ⅰ)$X+Y\sim B(7,\ 0.4)$ ,故
(Ⅰ)$X+Y\sim B(7,0.4)$ ,
$$P\{X+Y=2\}=C_7^2(0.4)^2(0.6)^5=21\times0.16\times0.07776=0.2613 .$$
$$P\{X+Y=2\}=\binom72(0.4)^2(0.6)^5=21\times0.16\times0.07776=0.2613.$$
(Ⅱ)$X+Y\sim P(5)$ ,故
(Ⅱ)$X+Y\sim P(5)$ ,$P\{X+Y=2\}=\mathrm e^{-5}\dfrac{5^2}{2!}=12.5\,\mathrm e^{-5}\approx0.0842$ 。
$$P\{X+Y=2\}=\mathrm e^{-5}\frac{5^2}{2!}=12.5\,\mathrm e^{-5}\approx0.0842 .$$
(Ⅲ)都不是。$X+Y$ 的密度是三角形 $f(z)=z\ (0<z<1)$ 、$2-z\ (1<z<2)$ ;$X-Y$ 的支撑是 $(-1,1)$ ,密度是 $1-|z|$ 。两者都不是常数。
**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。
(Ⅳ)$X+Y\sim N(0,3)$ (联合正态的线性组合仍是正态,**不需要独立**)。
$$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY+0=1-1=0,$$
而 $(X+Y,\ X-Y)$ 仍服从二维正态,故二者**独立**。
> **归因**:A 类——认为"不独立就不能用可加性"。正态的可加性只要求**联合正态**,不要求独立;而"不相关 $\Rightarrow$ 独立"这条只在二维正态下成立,这里正好用上。
---
### 题 A12 · 密度可分离,独立,概率 3/5
### 题 A12 · 从标准正态分布函数里读出参数
**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**。
**怎么想**:$\Phi(2x+1)=\Phi\Big(\dfrac{x-(-1/2)}{1/2}\Big)$ ,把括号里配成 $\frac{x-\mu}{\sigma}$ 就一次读出 $\mu,\sigma$ 。两个因子相乘且各自只含一个变量 $\Rightarrow$ 独立。
**解**:
(Ⅰ)$f=\dfrac{\partial^2F}{\partial x\partial y}=\big(2\mathrm e^{-2x}\big)\big(3\mathrm e^{-3y}\big)=6\mathrm e^{-2x-3y}$ ,$x>0,y>0$ 。
(Ⅰ)$X\sim N\Big(-\frac12,\frac14\Big)$ ,$Y\sim N\Big(\frac12,\frac14\Big)$ ,且 $F=F_XF_Y$ ,故 $\rho=0$ ,
(Ⅱ)$f_X(x)=2\mathrm e^{-2x}$ ($x>0$ ),$f_Y(y)=3\mathrm e^{-3y}$ ($y>0$ ),即 $X\sim E(2)$ ,$Y\sim E(3)$ 。
$$(X,Y)\sim N\Big(-\frac12,\ \frac12;\ \frac14,\ \frac14;\ 0\Big).$$
(Ⅲ)$F(x,y)=F_X(x)F_Y(y)$ 对一切 $x,y$ 成立,故**独立**。
(Ⅱ)$\sigma^2=\frac14$ ,$\dfrac{1}{2\pi\sigma^2}=\dfrac{2}{\pi}$ ,$2\sigma^2=\dfrac12$ ,
(Ⅳ)两类写法都行,用密度:
$$f(x,y)=\frac{2}{\pi}\exp\Big\{-2\Big(x+\frac12\Big)^2-2\Big(y-\frac12\Big)^2\Big\}.$$
$$P\{X>Y\}=\int_0^{\infty}\!\!\int_y^{\infty}6\mathrm e^{-2x-3y}\,\mathrm dx\,\mathrm dy=\int_0^{\infty}3\mathrm e^{-3y}\mathrm e^{-2y}\,\mathrm dy=\frac{3}{5} .$$
(Ⅲ)$P\{X>0\}=1-\Phi\Big(\dfrac{0+1/2}{1/2}\Big)=1-\Phi(1)=0.1587$ 。
> **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。
$X+Y\sim N\Big(-\frac12+\frac12,\ \frac14+\frac14\Big)=N\Big(0,\frac12\Big)$ ,故 $P\{X+Y>0\}=\frac12$ 。
**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。
> **归因**:C 类——$P\{X>0\}$ 忘记标准化。$\Phi$ 里的系数要先"除进去"变成 $\sigma$ ,再套 $1-\Phi(\cdot)$ 。
@@ -2,267 +2,313 @@
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
状态: 第二版 B 组解析,A/C 组见 03a 与 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。
**这十题全部对着真题改的数字**(2016—2025 的 ch17 真题),问法、分值、分段数都保持原样。做完要能说出"这道题在真题里是哪一年、考的是哪一步"。
## 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;$\frac1{16}$ | $\frac{x+y}{x+1/2}$ ;$\frac{7}{12}$ |
| 题 | 核心答案 |
|---|---|
| B1 | $P\{U=1\}=\frac12$ ;不独立($\frac5{64}\ne\frac{15}{128}$ );$F_Z=2z^{3/2}-\frac32z^2$ 与 $\frac12+\frac32(z-1)^2-(z-1)^3$ |
| B2 | $f_Z=p\mathrm e^{z}\ (z<0)$ 、$(1-p)\mathrm e^{-z}\ (z>0)$ ;$p=\frac12$ ;不独立 |
| B3 | $\operatorname{Cov}=\lambda$ ;$P\{Z=0\}=\mathrm e^{-\lambda}$ ,$P\{Z=\pm k\}=\frac12\mathrm e^{-\lambda}\frac{\lambda^k}{k!}$ ;非泊松;$DZ=\lambda^2+\lambda$ |
| B4 | $f_X=1$ ;$f_Z=\frac{2}{(z+1)^2}\ (z>1)$ ;$2\ln2-1$ |
| B5 | $F=\frac12\Phi(x)\Phi(y)+\frac12\Phi(\min\{x,y\})$ ;$\Phi(y)$ ;$\operatorname{Cov}=\frac12$ ,$\rho=\frac12$ |
| B6 | $\operatorname{Cov}=0$ ;不独立;$f_Z=2z\ (0<z<1)$ |
| B7 | $P\{Y>0\}=\frac14$ ,$EY=50$ ;$M\sim P(2)$ ;独立 |
| B8 | $\frac{27}{64}$ ;$f_Z=\frac32z^2$ 与 $\frac32(z-1)^2$ ;$\frac12$ |
| B9 | $E(Y\vert X)=\frac X2$ ;$DY=\frac14$ ;$\operatorname{Cov}=\frac16$ ,$\rho=\frac{\sqrt3}{3}$ |
| B10 | $f=2$ (三角形上均匀);$E(XY)=\frac14$ ;$\operatorname{Cov}=\frac1{36}$ |
---
## B 组
### 题 B1 · 指示变量、独立性与分段分布函数
### 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。
**怎么想**:三问是三件事——第一问算面积,第二问挑一格比,第三问把 $X$ 的两个支撑段($U=0$ 与 $U=1$ )分别翻到 $z$ 轴上。$Z=U+X$ ,$U=0$ 时 $Z\in(0,1)$ ,$U=1$ 时 $Z\in(1,2)$ ,所以 $F_Z$ 必在 $z=1$ 处分段。
**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
(Ⅰ)$D$ 中 $y<x$ 的部分是 $\{0<x<1,\ x^2<y<x\}$ ,面积 $\frac16$ ,又 $f=3$ ,故 $P\{U=1\}=3\times\frac16=\frac12$ 。
$$P\{U=1\}=\frac{1/4}{1/2}=\frac12 .$$
(Ⅱ)取 $x_0=\frac14$ 这一格:
(Ⅱ)固定 $X=x$ ,$Y$ 在 $(0,x)$ 上均匀,条件是 $y\le\frac x2$ :
$$P\Big\{U=1,\ X\le\frac14\Big\}=3\int_0^{1/4}(x-x^2)\,\mathrm dx=3\Big(\frac1{32}-\frac1{192}\Big)=\frac5{64},$$
$$P\{U=1\mid X=x\}=\frac{x/2}{x}=\frac12 ,$$
$$P\{U=1\}\,P\Big\{X\le\frac14\Big\}=\frac12\cdot3\int_0^{1/4}(\sqrt x-x^2)\,\mathrm dx=\frac32\Big(\frac1{12}-\frac1{192}\Big)=\frac{15}{128}.$$
**与 $x$ 无关**,且恰等于 $P\{U=1\}$ ,故 $U$ 与 $X$ **独立**。
$\frac5{64}=\frac{10}{128}\ne\frac{15}{128}$ ,故 $U$ 与 $X$ **不独立**。
(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:
> 直观理由:$P\{U=1\mid X=x\}$ 是"竖线穿进三角形下支的比例",随 $x$ 变化,不是一个常数。
$$P\{U=1\mid Y=y\}=\frac{1-2y}{1-y}\quad\Big(y<\frac12\Big),$$
(Ⅲ)$F_Z(z)=P\{U=0,\ X\le z\}+P\{U=1,\ X\le z-1\}$ 。
它随 $y$ 变,故 $U$ 与 $Y$ **不独立**。
当 $0\le z<1$ 时第二项为 $0$ (因 $X>0$ ),
(Ⅳ)$\displaystyle E(UX)=\iint_D 2x\cdot\mathbf 1\{y\le x/2\}\,\mathrm dA=\int_0^1 2x\cdot\frac x2\,\mathrm dx=\int_0^1x^2\,\mathrm dx=\frac13 .$
$$F_Z(z)=3\int_0^z(\sqrt x-x^2)\,\mathrm dx=2z^{3/2}-\frac32z^2 .$$
自检:$E(U)E(X)=\frac12\times\frac23=\frac13$ ✓,与(Ⅱ)的独立结论一致。
当 $1\le z<2$ 时第一项已是 $P\{U=0\}=\frac12$ ,
**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"。
$$F_Z(z)=\frac12+3\int_0^{z-1}(x-x^2)\,\mathrm dx=\frac12+\frac32(z-1)^2-(z-1)^3 .$$
合起来
$$F_Z(z)=\begin{cases}0, & z<0,\\[2pt] 2z^{3/2}-\frac32z^2, & 0\le z<1,\\[2pt] \frac12+\frac32(z-1)^2-(z-1)^3, & 1\le z<2,\\[2pt] 1, & z\ge2.\end{cases}$$
自检:$F_Z(1^-)=\frac12$ ,$F_Z(1)=\frac12$ ,$F_Z(2^-)=\frac12+\frac32-1=1$ ✓。
> **归因**:D 类——$P\{U=1,X\le z-1\}$ 忘了把 $z$ 平移。$U$ 把 $X$ 的支撑整段搬到 $(1,2)$ ,写 $F_Z$ 必须带这个平移量。
---
### 题 B2 · 期望 1/2、方差 1.25、概率 0.3294,非正态
### 题 B2 · 两点分布乘指数:相关但不独立
**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。
**怎么想**:$Z$ 的支撑被 $Y$ 的符号劈成两半,两半的密度分别是 $X$ 密度的翻折与照搬。第(Ⅱ)问要用 $\operatorname{Cov}(X,Z)=E(X^2)EY-EX\cdot EZ$ ,注意 $E(X^2)$ 与 $EX$ 差一个 $\frac1\lambda$ 。
**解**:
(Ⅰ)$EX=ET+EZ=\frac12+0=\frac12$ 。
(Ⅰ)当 $Y=-1$ 时 $Z=-X<0$ ,密度 $p\,f_X(-z)=p\,\mathrm e^{z}$ ;当 $Y=1$ 时 $Z=X>0$ ,密度 $(1-p)\mathrm e^{-z}$ 。故
$DX=E\big[D(X\mid T)\big]+D\big[E(X\mid T)\big]$ :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 $DX=1+\frac14=\frac54=1.25$ 。
$$f_Z(z)=\begin{cases}p\,\mathrm e^{z}, & z<0,\\[2pt] (1-p)\,\mathrm e^{-z}, & z>0,\\[2pt] 0, & z=0.\end{cases}$$
(也可直接算 $DX=DT+DZ=\frac14+1$ ,因为独立。)
(Ⅱ)设 $X\sim \mathrm{Exp}(\lambda)$ ,则 $EX=\frac1\lambda$ ,$EX^2=\frac{2}{\lambda^2}$ ,
(Ⅱ)$T=0$ 时 $X=Z$ ,$T=1$ 时 $X=1+Z$ :
$$E(XZ)=E(X^2Y)=EX^2\cdot EY=\frac{2}{\lambda^2}(1-2p),\qquad EX\cdot EZ=\frac1\lambda\cdot\frac{1-2p}{\lambda},$$
$$P\{X>1\}=\frac12P\{Z>1\}+\frac12P\{Z>0\}=\frac12(1-0.8413)+\frac12\times0.5=0.0794+0.25=0.3294 .$$
$$\operatorname{Cov}(X,Z)=\frac{2(1-2p)}{\lambda^2}-\frac{1-2p}{\lambda^2}=\frac{1-2p}{\lambda^2}.$$
(Ⅲ)**不是正态**。$X$ 的密度是两条正态密度各取一半再相加:
故 $p=\frac12$ 时 $\operatorname{Cov}=0$ ,**与 $\lambda$ 无关**($\lambda^2$ 只是正因子,不改变零点位置)。题设 $\lambda=1$ 时 $\operatorname{Cov}=1-2p$ 。
$$f_X(x)=\frac12\varphi(x)+\frac12\varphi(x-1),$$
(Ⅲ)不独立。$p=\frac12$ 时 $Z\le-1\iff Y=-1$ 且 $X\ge1$ ,与 $X\le1$ 同时成立的概率为 $0$ ,故
它有两个峰(在 $0$ 与 $1$ 附近),而正态密度只有一个峰。
$$P\{X\le1,\ Z\le-1\}=0,$$
**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。
但
$$P\{X\le1\}\,P\{Z\le-1\}=(1-\mathrm e^{-1})\cdot\frac12\mathrm e^{-1}\approx0.116\ne0 .$$
不独立。更直接的:此时 $\vert Z\vert=X$ ,$X$ 完全决定 $\vert Z\vert$ 。
> **归因**:A 类——由 $\operatorname{Cov}=0$ 直接判"独立"。这题就是"不相关但不独立"的真题原版。
---
### 题 B3 · 期望 1/2,不独立
### 题 B3 · 两点分布乘泊松:分布律与方差
**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。
**怎么想**:$Z$ 的分布律按 $X=\pm1$ 用全概率拆两半。**注意 $Y$ 只取非负值**,负半轴的概率只来自 $X=-1$ 那一支,不是两支各半再加起来。
**解**:
(Ⅰ)$E(Y\mid X=x)=1\cdot x+0\cdot(1-x)=x$ ,故
(Ⅰ)$EX=0$ ,$EZ=E(XY)=EX\cdot EY=0$ ,
$$EY=E\big[E(Y\mid X)\big]=EX=\frac12 .$$
$$\operatorname{Cov}(X,Z)=E(XZ)-EX\cdot EZ=E(X^2Y)=\lambda .$$
同理 $P\{Y=1\}=E\big[P\{Y=1\mid X\}\big]=EX=\frac12$ 。
(Ⅱ)$k\ge1$ 时
(Ⅱ)$P\{Y=1\mid X=x\}=x$ **随 $x$ 变**,故不独立。
$$P\{Z=k\}=\frac12P\{Y=k\}+\frac12P\{Y=-k\}=\frac12\mathrm e^{-\lambda}\frac{\lambda^k}{k!},$$
(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。
同理 $P\{Z=-k\}=\frac12\mathrm e^{-\lambda}\frac{\lambda^k}{k!}$ ;而 $P\{Z=0\}=P\{Y=0\}=\mathrm e^{-\lambda}$ 。
**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**。
验归一:$\mathrm e^{-\lambda}+2\cdot\frac12(1-\mathrm e^{-\lambda})=1$ ✓。
$Z$ **不服从泊松分布**——泊松只取非负值,$Z$ 却以正概率取负值。(相当于把泊松的概率关于 $0$ 对折,$P\{Z=0\}$ 保持不动。)
(Ⅲ)$EZ=0$ ,
$$EZ^2=\sum_{k\ge1}k^2\,\mathrm e^{-\lambda}\frac{\lambda^k}{k!}=\lambda^2+\lambda,$$
故 $DZ=\lambda^2+\lambda$ ,而 $DY=\lambda$ ,即 $DZ=DY+(EY)^2$ 。
> **归因**:C 类——写成 $\frac12P\{Y=k\}+\frac12P\{Y=-k\}$ 后忘了 $P\{Y=-k\}=0$ 。泊松的支撑是 $\{0,1,2,\dots\}$ ,负项直接删。
---
### 题 B4 · 联合密度 1/(1−x),边缘是负对数
### 题 B4 · 随机取点:先求短的那一段
**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 $x$ )。
**怎么想**:设取到的点为 $U\sim U(0,2)$ ,则 $X=\min\{U,2-U\}$ 。$X\le x$ 对应 $U\le x$ 或 $U\ge2-x$ ,两段各长 $x$ ,故 $X\sim U(0,1)$ 。此后 $Y=2-X$ ,全化成一维。
**解**:
(Ⅰ)$f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=1\cdot\dfrac{1}{1-x}$ ,$0<x<y<1$ 。
(Ⅰ)$F_X(x)=P\{U\le x\}+P\{U\ge2-x\}=\dfrac x2+\dfrac x2=x$ ($0<x<1$ ),
自检:$\displaystyle\int_0^1\!\!\int_x^1\frac{\mathrm dy\,\mathrm dx}{1-x}=\int_0^1\frac{1-x}{1-x}\mathrm dx=1$ ✓。
$$f_X(x)=1,\qquad 0<x<1 .$$
(Ⅱ)求 $f_Y$ 时积分限是 $x\in(0,y)$ :
(Ⅱ)$Y=2-X$ ,$Z=\dfrac{2-X}{X}=\dfrac2X-1$ 。反解 $X=\dfrac{2}{z+1}$ ,$\Big|\dfrac{\mathrm dx}{\mathrm dz}\Big|=\dfrac{2}{(z+1)^2}$ 。$X\in(0,1)$ 对应 $z>1$ ,
$$f_Y(y)=\int_0^y\frac{\mathrm dx}{1-x}=-\ln(1-y),\qquad 0<y<1 .$$
$$f_Z(z)=\frac{2}{(z+1)^2},\qquad z>1 .$$
自检:$\int_0^1-\ln(1-y)\,\mathrm dy=1$ ✓。
验归一:$\displaystyle\int_1^\infty\frac{2}{(z+1)^2}\,\mathrm dz=\Big[-\frac{2}{z+1}\Big]_1^\infty=1$ ✓。
(Ⅲ)$\displaystyle E(XY)=\int_0^1\!\!\int_x^1\frac{xy}{1-x}\,\mathrm dy\,\mathrm dx=\int_0^1\frac{x(1-x^2)}{2(1-x)}\,\mathrm dx=\int_0^1\frac{x(1+x)}{2}\,\mathrm dx=\frac12\Big(\frac12+\frac13\Big)=\frac5{12}$ 。
(Ⅲ)
又 $EY=\int_0^1-y\ln(1-y)\,\mathrm dy=\frac34$ ,$EX=\frac12$ ,故
$$E\Big(\frac XY\Big)=E\Big(\frac{X}{2-X}\Big)=\int_0^1\frac{x}{2-x}\,\mathrm dx=\int_0^1\Big(\frac{2}{2-x}-1\Big)\mathrm dx=2\ln2-1\approx0.386 .$$
$$\operatorname{Cov}(X,Y)=\frac5{12}-\frac12\cdot\frac34=\frac5{12}-\frac38=\frac1{24}>0 .$$
**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。
> **归因**:C 类——$X$ 与 $Y$ 不独立($Y=2-X$ ),还想套卷积。两段有函数关系时必须走"一维函数分布",把 $Z$ 化成 $X$ 的函数。
---
### 题 B5 · 协方差 1/3,相关系数 1/2
### 题 B5 · 混合正态:先拆离散再写分布函数
**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。
**怎么想**:$Y$ 由 $X_3$ 决定"抄 $X_1$ 还是抄 $X_2$ "。联合分布函数按 $X_3=0,1$ 用全概率拆两项,第二项里 $X_1$ 同时受 $x$ 与 $y$ 限制,取 $\min$ 。
**解**:
(Ⅰ)只有四格 $ij\ne0$ :
(Ⅰ)
$$E(XY)=1\cdot1\cdot\frac16+2\cdot1\cdot\frac16+2\cdot2\cdot\frac1{12}+3\cdot1\cdot\frac18+3\cdot2\cdot\frac18+3\cdot3\cdot\frac1{24}$$
$$=\frac16+\frac13+\frac13+\frac38+\frac34+\frac38=\frac73 .$$
$$F(x,y)=\frac12P\{X_1\le x,\ X_2\le y\}+\frac12P\{X_1\le x,\ X_1\le y\}=\frac12\Phi(x)\Phi(y)+\frac12\Phi\big(\min\{x,y\}\big).$$
(Ⅱ)题 A3 已得 $EX=2$ 、$EY=1$ :
$x\le y$ 时为 $\frac12\Phi(x)\Phi(y)+\frac12\Phi(x)$ ;$x>y$ 时为 $\frac12\Phi(x)\Phi(y)+\frac12\Phi(y)$ 。
$$\operatorname{Cov}(X,Y)=\frac73-2\times1=\frac13 .$$
(Ⅱ)令 $x\to+\infty$ :
$DX=E(X^2)-(EX)^2=\dfrac{1+4+9}{3}-4=\dfrac23$ ,同法 $E(Y^2)=\dfrac{11+20+9}{24}=\dfrac53$ ,$DY=\dfrac53-1=\dfrac23$ 。
$$F_Y(y)=\frac12\Phi(y)+\frac12\Phi(y)=\Phi(y),$$
$$\rho_{XY}=\frac{1/3}{\sqrt{(2/3)(2/3)}}=\frac{1/3}{2/3}=\frac12 .$$
故 $Y\sim N(0,1)$ 。(也可理解为"以 $\frac12$ 的概率取两个同分布的分量",混合后仍是原分布。)
(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。
(Ⅲ)$EX_1\cdot EY=0$ ,
(Ⅳ)反例:$X\sim U(-1,1)$ ,$Y=X^2$ 。则 $EX=0$ ,$E(XY)=E(X^3)=0$ ,故
$$E(X_1Y)=E\big[X_3X_1^2+(1-X_3)X_1X_2\big]=\frac12EX_1^2+0=\frac12,$$
$$\operatorname{Cov}(X,Y)=0-0\cdot EY=0,$$
$$\operatorname{Cov}(X_1,Y)=\frac12,\qquad \rho_{X_1Y}=\frac{1/2}{1\cdot1}=\frac12 .$$
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。
> **归因**:D 类——第二项也写成 $\Phi(x)\Phi(y)$ 。$X_1\le x$ 与 $X_1\le y$ 是同一个变量,取 $\min$ 而不是相乘。
---
### 题 B6 · 联合密度可分离,独立
### 题 B6 · 圆盘上的非均匀密度
**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 $a(u)b(v)$ 。
**怎么想**:区域与密度都关于两坐标轴偶对称,含 $xy$ 的项积分为 $0$ ,协方差不用硬算。独立性看边缘乘积,$Z$ 用极坐标。
**解**:
(Ⅰ)反解 $x=\frac{u+v}{2}$ ,$y=\frac{u-v}{2}$ ,$|J|=\frac12$ (同题 A10)。又
(Ⅰ)$E(XY)=\displaystyle\iint_D xy\cdot\frac2\pi(x^2+y^2)\,\mathrm dA=0$ (被积函数关于 $x$ 奇对称),同理 $EX=EY=0$ ,故
$$x^2+y^2=\frac{(u+v)^2+(u-v)^2}{4}=\frac{u^2+v^2}{2},$$
$$\operatorname{Cov}(X,Y)=0 .$$
代入 $f(x,y)=\dfrac{1}{2\pi}\mathrm e^{-(x^2+y^2)/2}$ :
(Ⅱ)$\displaystyle f_X(x)=\frac2\pi\int_{-\sqrt{1-x^2}}^{\sqrt{1-x^2}}(x^2+y^2)\,\mathrm dy=\frac{4}{3\pi}\sqrt{1-x^2}\,\big(1+2x^2\big).$
$$f_{U,V}(u,v)=\frac{1}{2\pi}\mathrm e^{-(u^2+v^2)/4}\cdot\frac12=\frac{1}{4\pi}\mathrm e^{-(u^2+v^2)/4},\qquad (u,v)\in\mathbb R^2 .$$
由对称性 $f_Y$ 同形。乘积含 $(1+2x^2)(1+2y^2)$ ,与原密度 $x^2+y^2$ 不是一回事,**不独立**;也可以直接说支撑是圆盘(非矩形)。
(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)取极坐标 $x=r\cos\theta$ 、$y=r\sin\theta$ ,$r\in(0,1)$ 、$\theta\in(0,2\pi)$ ,注意面积元是 $r\,\mathrm dr\,\mathrm d\theta$ :
(Ⅲ)$f_U(u)=\dfrac{1}{2\sqrt\pi}\mathrm e^{-u^2/4}$ ,即 $U\sim N(0,2)$ ;同法 $V\sim N(0,2)$ 。
$$F_Z(z)=P\{X^2+Y^2\le z\}=\frac2\pi\int_0^{2\pi}\!\!\int_0^{\sqrt z}r^2\cdot r\,\mathrm dr\,\mathrm d\theta=z^2,\qquad 0<z<1 .$$
> 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。
故
**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。
$$f_Z(z)=2z,\qquad 0<z<1 .$$
顺带:$E(X^2+Y^2)=\frac2\pi\cdot2\pi\int_0^1r^4\mathrm dr=\frac45$ ,故 $EX^2=\frac25$ 。
> **归因**:A 类——极坐标下漏掉面积元的那个 $r$ 。$r^2$ 是密度、$r$ 是面积元,两者相乘才是 $r^3$ 。
---
### 题 B7 · 协方差 6,方差 108,概率 0.5
### 题 B7 · 保险赔付与泊松分裂
**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**。
**怎么想**:第一问是"截断变量求期望",换元 $u=100+x$ ;第二问是"泊松 + 逐次独立标注",标注后两类计数仍是泊松且相互独立。
**解**:
(Ⅰ)$\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times3\times4=6$ 。
(Ⅰ)$F_X(x)=\displaystyle\int_0^x\frac{2\times100^2}{(100+t)^3}\,\mathrm dt=1-\frac{100^2}{(100+x)^2}$ ,
$$P\{Y>0\}=P\{X>100\}=\frac{100^2}{200^2}=\frac14 .$$
$$EY=\int_{100}^\infty(x-100)\frac{2\times100^2}{(100+x)^3}\,\mathrm dx .$$
令 $u=100+x$ ,则 $x-100=u-200$ ,
$$EY=2\times10^4\int_{200}^\infty\frac{u-200}{u^3}\,\mathrm du=2\times10^4\Big[\frac1{200}-\frac{200}{2\times200^2}\Big]=2\times10^4\cdot\frac1{400}=50 .$$
(Ⅱ)对 $k=0,1,2,\dots$ ,用全概率拆 $N$ :
$$P\{M=k\}=\sum_{n\ge k}\mathrm e^{-8}\frac{8^n}{n!}\binom nk p^k(1-p)^{n-k}=\mathrm e^{-8}\frac{(8p)^k}{k!}\sum_{m\ge0}\frac{[8(1-p)]^m}{m!}=\mathrm e^{-8p}\frac{(8p)^k}{k!}.$$
$p=\frac14$ 时 $8p=2$ ,故 $M\sim P(2)$ 。
(Ⅲ)$M$ 与 $N-M$ **相互独立**,且 $N-M\sim P(6)$ 。性质与证明见 [C7](03c-解析-拔高.md) :泊松计数按独立等概率"染色"后,两类计数是相互独立的泊松。
> **归因**:B 类——第二问问的是分布而不是期望,直接用 $EY$ 硬套。$Y=(X-100)^+$ 是截断变量,只在 $x>100$ 上积分。
---
### 题 B8 · 两种密度混合的和
**怎么想**:与 A8 同型,只是 $Y$ 换成 $3y^2$ 、$X$ 取 $0,1$ 。第(Ⅲ)问用"$X=0$ 那一支必然满足 $Z\le1$ "最快。
**解**:
(Ⅰ)$EY=\displaystyle\int_0^13y^3\,\mathrm dy=\frac34$ ,$P\{Y\le EY\}=\int_0^{3/4}3y^2\,\mathrm dy=\Big(\frac34\Big)^3=\frac{27}{64}.$
(Ⅱ)
$$D(2X-3Y)=4DX+9DY+2\cdot2\cdot(-3)\operatorname{Cov}(X,Y)=4\times9+9\times16-12\times6=36+144-72=108 .$$
$$f_Z(z)=\frac12f_Y(z)+\frac12f_Y(z-1)=\begin{cases}\frac32z^2, & 0<z<1,\\[2pt] \frac32(z-1)^2, & 1<z<2,\\[2pt] 0, & \text{其他}.\end{cases}$$
(Ⅲ)线性组合仍正态,均值 $2\times2-3\times(-1)=7$ ,故 $2X-3Y\sim N(7,\ 108)$ 。
(Ⅲ)$X=0$ 时 $Z=Y\in(0,1)$ ,必有 $Z\le1$ ;$X=1$ 时 $Z=1+Y>1$ 。故
(Ⅳ)$P\{2X-3Y>7\}=P\{Z>0\}=0.5$ ,因为 $7$ 正是均值。
$$P\{Z\le1\}=P\{X=0\}=\frac12 .$$
**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。
验证:$\displaystyle\int_0^1\frac32z^2\,\mathrm dz=\frac12$ ✓,$\displaystyle\int_1^2\frac32(z-1)^2\,\mathrm dz=\frac12$ ✓,合计 $1$ ✓。
> **归因**:D 类——第二段支撑写成 $0<z<2$ ,或漏掉 $\frac12$ 的权重。权重与支撑是两件事,都要写。
---
### 题 B8 · 最大值密度、最小值服从 E(2)
### 题 B9 · 全方差公式与相关方向
**怎么想**:最值只用两条尾概率。$M-N$ 是极差,转成 $\vert X-Y\vert$ 。
**怎么想**:$D(Y\mid X)$ 里 $p=x/2$ 是随机的,所以它是**二次**的,$E[D(Y\mid X)]$ 要算 $EX$ 与 $EX^2$ 两个矩。相关系数为正,符合"$X$ 越大越容易取 $1$ "的直觉。
**解**:
(Ⅰ)$F_M(z)=\big(1-\mathrm e^{-z}\big)^2$ ,求导:
(Ⅰ)$Y\mid X=x\sim B(1,x/2)$ ,
$$f_M(z)=2\big(1-\mathrm e^{-z}\big)\mathrm e^{-z},\qquad z>0 .$$
$$E(Y\mid X)=\frac X2,\qquad D(Y\mid X)=\frac X2\Big(1-\frac X2\Big)=\frac X2-\frac{X^2}{4}.$$
(Ⅱ)$P\{N>z\}=P\{X>z\}P\{Y>z\}=\mathrm e^{-2z}$ ,故 $N\sim E(2)$ ,$EN=\frac12$ 。
(Ⅱ)$EX=1$ ,$EX^2=\frac43$ ($U(0,2)$ 的方差为 $\frac13$ ,故 $EX^2=\frac13+1$ )。
(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 $2$ ✓。)
$$EY=E\Big[\frac X2\Big]=\frac12,$$
(Ⅳ)$M-N>t\iff|X-Y|>t$ 。指数分布的无记忆性给出
$$E\big[D(Y\mid X)\big]=E\Big[\frac X2-\frac{X^2}{4}\Big]=\frac12-\frac13=\frac16,$$
$$P\{|X-Y|>t\}=2\int_t^{\infty}\!\!\int_0^{x-t}\mathrm e^{-x}\mathrm e^{-y}\,\mathrm dy\,\mathrm dx=\mathrm e^{-t},$$
$$D\big[E(Y\mid X)\big]=D\Big[\frac X2\Big]=\frac14\cdot\frac13=\frac1{12},$$
故 $M-N\sim E(1)$ ,$P\{M-N>1\}=\mathrm e^{-1}\approx0.3679$ 。
$$DY=\frac16+\frac1{12}=\frac14 .$$
**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)。
(Ⅲ)
$$E(XY)=E\big[X\,E(Y\mid X)\big]=E\Big[\frac{X^2}{2}\Big]=\frac23,$$
$$\operatorname{Cov}(X,Y)=\frac23-1\cdot\frac12=\frac16,\qquad \rho_{XY}=\frac{1/6}{\sqrt{(1/3)\cdot(1/4)}}=\frac{\sqrt{12}}{6}=\frac{\sqrt3}{3}\approx0.577 .$$
> **归因**:C 类——漏掉 $D[E(Y\mid X)]$ 这一项。这题漏掉后 $DY=\frac16$ ,仍有 $\rho=0.707\le1$ ,**范围检查查不出来**,必须靠公式。
---
### 题 B9 · 三段,概率 1/16
### 题 B10 · 条件均匀把密度乘成了常数
**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 $2$ 。
**怎么想**:$f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=2(1-x)\cdot\frac1{1-x}=2$ ——条件密度的分母正好约掉。于是这题其实是**三角形上的均匀分布**,三问都能用面积法复核。
**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":
(Ⅰ)支撑 $0<x<y<1$ (上三角),面积 $\frac12$ ,
| $z$ 的范围 | 交集 | 长度 | $f_Z(z)$ |
|---|---|---|---|
| $0<z<1$ | $(0,z)$ | $z$ | $\dfrac z2$ |
| $1\le z<2$ | $(0,1)$ | $1$ | $\dfrac12$ |
| $2\le z<3$ | $(z-2,1)$ | $3-z$ | $\dfrac{3-z}{2}$ |
$$f(x,y)=2(1-x)\cdot\frac{1}{1-x}=2,\qquad 0<x<y<1 .$$
自检:$\frac14+\frac12+\frac14=1$ ✓。
特别之处:$f$ 是常数,即 $(X,Y)$ 在三角形上均匀($1/S_D=1/\frac12=2$ ✓)。但这**不代表**独立——$f_X$ 不均匀,$Y\mid X$ 也依赖 $x$ 。
(Ⅱ)$\displaystyle P\{Z>2.5\}=\int_{2.5}^{3}\frac{3-z}{2}\,\mathrm dz=\frac12\cdot\frac{(3-2.5)^2}{2}=\frac1{16}$ 。
(Ⅱ)
(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 $\frac12\times\frac12\times\frac14=\frac1{16}$ ✓。)
$$EX=\int_0^1\!\!\int_x^12x\,\mathrm dy\,\mathrm dx=\int_0^12x(1-x)\,\mathrm dx=\frac13,$$
**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。
$$EY=\int_0^1\!\!\int_x^12y\,\mathrm dy\,\mathrm dx=\int_0^1(1-x^2)\,\mathrm dx=\frac23,$$
---
$$E(XY)=\int_0^1\!\!\int_x^12xy\,\mathrm dy\,\mathrm dx=\int_0^1x(1-x^2)\,\mathrm dx=\frac12-\frac14=\frac14 .$$
### 题 B10 · 条件密度 (x+y)/(x+1/2),期望 7/12
(Ⅲ)
**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。
$$\operatorname{Cov}(X,Y)=\frac14-\frac13\cdot\frac23=\frac14-\frac29=\frac1{36}.$$
**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。
> **归因**:B 类——看到条件均匀就写"独立"。条件密度依赖 $x$ 正是不独立的标志;联合密度是常数只说明"在区域上均匀"。
@@ -2,241 +2,248 @@
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
状态: 第二版 C 组解析,A/B 组见 03a 与 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。
**这一组高于真题**,用来防"考场出新"。八题里 C1、C5、C7 最可能是命题人换方向的落点:区域从单连通换成环域、变量从同分布换成混合分布、计数从二项换成泊松分裂。
## 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 |
| 题 | 核心答案 |
|---|---|
| C1 | $f=\frac1{3\pi}$ ;$f_X$ 两段;$f_Z=\frac13\ (1<z<4)$ ;$P\{X^2+Y^2\le2\}=\frac13$ |
| C2 | $\frac16$ ;$f_{X_{(2)}}=6z(1-z)$ ,$E=\frac12$ ;$\frac12$ |
| C3 | $N(1.2x,2.56)$ ;$E(Y^2\vert X=1)=4$ ;$1.44+2.56=4$ ;$W\sim N(1,2.56)$ 且独立 |
| C4 | $f_Z=\frac12$ 与 $\frac1{2z^2}$ ;$\frac34$ ;$EZ$ 不存在 |
| C5 | $F_Y$ 三段;$f_Y$ 两段;$EY=\frac74$ ,$P\{Y\le1\}=1-\frac{\mathrm e^{-1}}4$ |
| C6 | $Y=X^2$ 型反例;$Z=XY$ 非正态;断言要分"支撑内"与"全平面" |
| C7 | $M\sim P(\lambda p)$ ,$N-M\sim P(\lambda(1-p))$ ,相互独立 |
| C8 | 对:2、5、7、9、3(有前提);错:1、4、6、8、10 |
---
## C 组
### 题 C1 · 环域均匀:边缘一定要分段
### 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。
**怎么想**:环域面积 $\pi(2^2-1^2)=3\pi$ 。边缘密度分段的临界值来自"竖线与内圆相切",即 $\vert x\vert=1$ :$|x|\le1$ 时竖线只穿过环的外圈部分,$|x|>1$ 时要挖掉中间的空洞。
**解**:
(Ⅰ)固定 $x>0$ :
(Ⅰ)$S_D=3\pi$ ,
$$f_X(x)=\int_0^{\infty}\frac12(x+y)\mathrm e^{-(x+y)}\,\mathrm dy=\frac{\mathrm e^{-x}}{2}\int_0^{\infty}(x+y)\mathrm e^{-y}\,\mathrm dy=\frac{(x+1)\mathrm e^{-x}}{2}.$$
$$f(x,y)=\frac{1}{3\pi},\qquad 1\le x^2+y^2\le4 .$$
(用了 $\int_0^\infty \mathrm e^{-y}\mathrm dy=1$ 、$\int_0^\infty y\mathrm e^{-y}\mathrm dy=1$ 。)
(Ⅱ)固定 $x$ ,竖线被 $x^2+y^2\le4$ 截出 $y\in[-\sqrt{4-x^2},\sqrt{4-x^2}]$ ,被 $x^2+y^2\ge1$ 挖去 $y\in(-\sqrt{1-x^2},\sqrt{1-x^2})$ 。
由对称性 $f_Y(y)=\dfrac{(y+1)\mathrm e^{-y}}{2}$ ,且
$|x|\le1$ 时只需外圈:
$$f_X(x)f_Y(y)=\frac{(x+1)(y+1)\mathrm e^{-(x+y)}}{4}\ne\frac{(x+y)\mathrm e^{-(x+y)}}{2},$$
$$f_X(x)=\frac1{3\pi}\cdot2\sqrt{4-x^2},\qquad \vert x\vert\le1 .$$
故**不独立**。
$1<\vert x\vert\le2$ 时挖洞:
> 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。
$$f_X(x)=\frac1{3\pi}\cdot2\Big(\sqrt{4-x^2}-\sqrt{1-x^2}\Big),\qquad 1<\vert x\vert\le2 .$$
(Ⅱ)$\displaystyle EX=\int_0^\infty\frac{x(x+1)\mathrm e^{-x}}{2}\mathrm dx=\frac{2+1}{2}=\frac32$ ,$\displaystyle EX^2=\int_0^\infty\frac{x^2(x+1)\mathrm e^{-x}}{2}\mathrm dx=\frac{6+2}{2}=4$ ,
(Ⅲ)$Z=X^2+Y^2$ 只取 $(1,4)$ 内的值,且
$$DX=4-\frac94=\frac74 .$$
$$F_Z(z)=P\{X^2+Y^2\le z\}=\frac{\pi(z-1)}{3\pi}=\frac{z-1}{3},\qquad 1\le z<4 .$$
(Ⅲ)令 $u=x+y$ ,沿直线 $x+y=u$ 在区域内的长度为 $u$ ,故
故 $f_Z(z)=\dfrac13$ ($1<z<4$ ),其余为 $0$ —— **均匀分布**。
$$P\{X+Y\le2\}=\int_0^2 u\cdot\frac{u\mathrm e^{-u}}{2}\,\mathrm du=\frac12\int_0^2u^2\mathrm e^{-u}\,\mathrm du=\frac12\Big[2-10\mathrm e^{-2}\Big]=1-5\mathrm e^{-2}\approx0.3233 .$$
(Ⅳ)$P\{X^2+Y^2\le2\}=\dfrac{(2-1)\pi}{3\pi}=\dfrac13 .$
(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。
> **归因**:C 类——$f_X$ 只写一段。环域、圆盘挖洞一类的区域,边缘密度的分段临界值就是内圆/内边界与外框的交点,一定要先画图找它。
---
### 题 C2 · 常数 1/3,不独立,概率 1/9
### 题 C2 · 次序统计量:对称性省掉一大半计算
**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。
**怎么想**:三个 iid 连续变量有 $3!=6$ 种大小顺序,等可能,这一条能秒杀第(Ⅰ)问。第(Ⅱ)问用"至少两个不超过 $z$ ",第(Ⅲ)问用极差的分布。
**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 $c=\frac13$ 。
(Ⅰ)$X_1,X_2,X_3$ 严格互不相等(连续型),六种顺序等可能,故
(Ⅱ)$\displaystyle f_X(x)=\int_0^2\frac{x+y}{3}\mathrm dy=\frac{2x+2}{3}$ ,$0<x<1$ ;$\displaystyle f_Y(y)=\int_0^1\frac{x+y}{3}\mathrm dx=\frac{y+\frac12}{3}$ ,$0<y<2$ 。
$$P\{X_1<X_2<X_3\}=\frac{1}{6}.$$
(Ⅲ)$f_X(x)f_Y(y)=\dfrac{(2x+2)(y+\frac12)}{9}\ne\dfrac{x+y}{3}$ ,**不独立**。
(Ⅱ)$X_{(2)}\le z$ 等价于"三个里至少两个不超过 $z$ ":
(Ⅳ)
$$F_{X_{(2)}}(z)=P\{\text{恰两个}\le z\}+P\{\text{三个都}\le z\}=3z^2(1-z)+z^3=3z^2-2z^3,$$
$$P\{X+Y<1\}=\int_0^1\!\!\int_0^{1-x}\frac{x+y}{3}\,\mathrm dy\,\mathrm dx=\frac13\int_0^1\Big[x(1-x)+\frac{(1-x)^2}{2}\Big]\mathrm dx=\frac13\Big(\frac16+\frac16\Big)=\frac19 .$$
$$f_{X_{(2)}}(z)=6z-6z^2=6z(1-z),\qquad 0<z<1 .$$
**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。
它关于 $z=\frac12$ 对称,故 $E X_{(2)}=\frac12$ (也可积分:$\int_0^16z^2(1-z)\mathrm dz=\frac12$ )。
(Ⅲ)极差 $R=X_{(3)}-X_{(1)}$ 。用次序统计量的联合密度 $6$ (在 $0<x_1<x_2<x_3<1$ 上),按"三点全落在某个长为 $r$ 的窗口内"分两块:
$$P\{R\le r\}=6\int_0^{1-r}\mathrm dx_1\int_{x_1}^{x_1+r}\mathrm dx_2\int_{x_2}^{x_1+r}\mathrm dx_3+6\int_{1-r}^1\mathrm dx_1\int_{x_1}^1\mathrm dx_2\int_{x_2}^1\mathrm dx_3 .$$
第一块的内两层给出 $\frac{r^2}{2}$ ,故为 $6\cdot\frac{r^2}{2}(1-r)=3r^2(1-r)$ ;第二块给出 $6\cdot\frac{r^3}{6}=r^3$ (这里 $x_1+r$ 已超过 $1$ ,上限被截断,正是容易漏的那部分)。相加
$$F_R(r)=3r^2(1-r)+r^3=3r^2-2r^3,\qquad 0<r<1 .$$
于是
$$P\{R>1/2\}=1-\Big(3\cdot\frac14-2\cdot\frac18\Big)=1-\frac12=\frac12 .$$
> **归因**:B 类——把 $P\{X_1<X_2<X_3\}$ 当 $\frac{1}{3}$ 。是 $3!$ 里的一个,不是"最大值的三种可能"。
---
### 题 C3 · 条件正态 N(x/2, 3/4)
### 题 C3 · 非独立正态:条件方差是常数
**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。
**怎么想**:$\operatorname{Cov}=\rho\sigma_1\sigma_2=0.6\times1\times2=1.2$ ,条件均值 $\mu_2+\rho\frac{\sigma_2}{\sigma_1}(x-\mu_1)=1.2x$ ,条件方差 $\sigma_2^2(1-\rho^2)=4\times0.64=2.56$ ,与 $x$ 无关——这一条是第(Ⅱ)(Ⅲ)问的关键。
**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):
(Ⅰ)$Y\mid X=x\sim N\big(1.2x,\ 2.56\big)$ 。
$$Y\mid X=x\sim N\Big(\rho x,\ 1-\rho^2\Big)=N\Big(\frac x2,\ \frac34\Big).$$
(Ⅱ)$E(Y^2\mid X=1)=D(Y\mid X=1)+\big[E(Y\mid X=1)\big]^2=2.56+1.2^2=2.56+1.44=4 .$
(Ⅱ)$E(Y\mid X=2)=\dfrac22=1$ ,$D(Y\mid X=2)=\dfrac34$ 。
(Ⅲ)$DY=E\big[D(Y\mid X)\big]+D\big[E(Y\mid X)\big]=2.56+1.2^2\cdot DX=2.56+1.44\times1=4$ ✓(题设 $DY=\sigma_2^2=4$ )。
(Ⅲ)全方差公式:
(Ⅳ)$\operatorname{Cov}(W,X)=\operatorname{Cov}(Y,X)-1.2DX=1.2-1.2=0$ ,而 $(W,X)$ 是 $(X,Y)$ 的线性变换、仍服从二维正态,故 $W$ 与 $X$ **独立**。
$$DY=E\big[D(Y\mid X)\big]+D\big[E(Y\mid X)\big]=\frac34+D\Big(\frac X2\Big)=\frac34+\frac14\cdot1=1 .$$
$EW=EY-1.2EX=1-0=1$ ,
与 $DY=\sigma_2^2=1$ 一致 ✓。
$$DW=DY+1.2^2DX-2\times1.2\operatorname{Cov}(X,Y)=4+1.44-2.88=2.56,$$
**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。
故 $W\sim N(1,\ 2.56)$ 。(这正是"把 $Y$ 中与 $X$ 线性相关的部分扣掉,剩下就是残差、与 $X$ 正交且独立"。)
> **归因**:A 类——以为残差 $W$ 与 $X$ 只是"不相关"。正交(不相关)加联合正态才等于独立,这两个条件缺一不可。
---
### 题 C4 · 商的密度两段,概率 3/4
### 题 C4 · 商的分布与"期望不存在"
**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**。
**怎么想**:$Z=\frac XY$ 的密度必须分段——$y<zx$ 这条直线的两侧形状随 $z$ 变。第(Ⅲ)问是概念题:密度存在不等于期望存在。
**解**:
(Ⅰ)用分布函数法。$z>0$ 时
(Ⅰ)$z\le0$ 时 $f_Z=0$ 。设 $0<z<1$ ,直线 $x=zy$ 的斜率 $\frac1z>1$ ,在正方形内它把左下角切出来:固定 $y$ 时 $x$ 从 $0$ 到 $zy$ (因为 $zy<y<1$ ,不会超过 $1$ ),
$$F_Z(z)=P\{X\le zY\}=\iint_{x\le zy,\ 0<x,y<1}\mathrm dx\,\mathrm dy .$$
$$F_Z(z)=\int_0^1zy\,\mathrm dy=\frac z2\ \Longrightarrow\ f_Z(z)=\frac12 .$$
$0<z<1$ 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
设 $z>1$ ,此时斜率小于 $1$ ,$zy$ 在 $y>\frac1z$ 后会超过 $1$ ,须分两块:
$$F_Z(z)=\int_0^1 zy\,\mathrm dy=\frac z2,\qquad 0<z<1 .$$
$$F_Z(z)=\int_0^{1/z}zy\,\mathrm dy+\int_{1/z}^1 1\,\mathrm dy=\frac1{2z}+1-\frac1z=1-\frac1{2z}\ \Longrightarrow\ f_Z(z)=\frac{1}{2z^2}.$$
$z\ge1$ 时,$zy\ge1$ 对 $y\ge\frac1z$ 成立,故 $x$ 的上限是 $1$ :
合起来
$$F_Z(z)=\int_0^{1/z}zy\,\mathrm dy+\int_{1/z}^{1}1\,\mathrm dy=\frac{1}{2z}+1-\frac1z=1-\frac{1}{2z}.$$
$$f_Z(z)=\begin{cases}\dfrac12, & 0<z<1,\\[4pt] \dfrac{1}{2z^2}, & z\ge1 .\end{cases}$$
求导:
验归一:$\frac12+\int_1^\infty\frac{\mathrm dz}{2z^2}=\frac12+\frac12=1$ ✓。
$$f_Z(z)=\begin{cases}\dfrac12, & 0<z<1,\\[6pt] \dfrac{1}{2z^2}, & z\ge1,\\[6pt] 0, & z\le0 .\end{cases}$$
(Ⅱ)$P\{Z<2\}=\dfrac12+\displaystyle\int_1^2\frac{\mathrm dz}{2z^2}=\frac12+\frac12\Big(1-\frac12\Big)=\frac34 .$
自检:$\frac12+\int_1^\infty\frac{\mathrm dz}{2z^2}=\frac12+\frac12=1$ ✓。
(Ⅲ)$EZ$ **不存在**。因为
(Ⅱ)$\displaystyle P\{Z<2\}=F_Z(2)=1-\frac{1}{4}=\frac34$ 。
$$E\vert Z\vert=\int_0^1z\cdot\frac12\mathrm dz+\int_1^\infty z\cdot\frac{1}{2z^2}\mathrm dz=\frac14+\frac12\int_1^\infty\frac{\mathrm dz}{z}=+\infty .$$
**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。
> **归因**:A 类——"有密度就有期望"。期望的存在性取决于 $\int\vert z\vert f_Z$ 是否收敛,$z\ge1$ 那段按 $\frac1z$ 发散,正是许多"比值型"变量的通病。
---
### 题 C5 · 最大值的期望 3/4,次序概率 1/6
### 题 C5 · 混合型的分布函数与密度
**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**。
**怎么想**:$Y=X_1+X_2$ ,$X_1$ 是两点、$X_2$ 连续,所以 $Y$ 的分布是两段的加权:$\frac14$ 份"照原样"、$\frac34$ 份"右移 $1$ "。这类题只需老老实实写 $F_Y(y)=\frac14F_{X_2}(y)+\frac34F_{X_2}(y-1)$ 。
**解**:
(Ⅰ)$F_{\max}(z)=z^3$ ,$f_{\max}(z)=3z^2$ ,$0<z<1$ 。
(Ⅰ)由全概率,$F_Y(y)=P\{X_1=0\}F_{X_2}(y)+P\{X_1=1\}F_{X_2}(y-1)$ ,$F_{X_2}(t)=1-\mathrm e^{-t}$ ($t>0$ ),否则为 $0$ 。故
(Ⅱ)$\displaystyle E(\max)=\int_0^13z^3\,\mathrm dz=\frac34$ ;由 $F_{\min}=1-(1-z)^3$ 得 $f_{\min}=3(1-z)^2$ ,$\displaystyle E(\min)=\int_0^13z(1-z)^2\mathrm dz=\frac14$ 。
$$F_Y(y)=\begin{cases}0, & y<0,\\[2pt] \frac14\big(1-\mathrm e^{-y}\big), & 0\le y<1,\\[2pt] \frac14\big(1-\mathrm e^{-y}\big)+\frac34\big(1-\mathrm e^{-(y-1)}\big), & y\ge1.\end{cases}$$
> **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 $\frac32=3\times\frac12$ ✓。
(Ⅱ)对 $y$ 求导(分段求):
(Ⅲ)三个变量独立同分布(连续),六种大小顺序等可能,故
$$f_Y(y)=\begin{cases}\frac14\mathrm e^{-y}, & 0<y<1,\\[2pt] \frac14\mathrm e^{-y}+\frac34\mathrm e^{-(y-1)}, & y>1,\\[2pt] 0, & \text{其他}.\end{cases}$$
$$P\{X_1<X_2<X_3\}=\frac{1}{3!}=\frac16 .$$
**不是**指数分布:$y\in(0,1)$ 段的系数是 $\frac14$ ,$y>1$ 段变成 $\frac14+\frac{3\mathrm e}{4}$ ,两段不成比例,且密度在 $y=1$ 处跳变。
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。
(Ⅲ)$EY=EX_1+EX_2=\frac34+1=\frac74$ 。
**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 $X_1+X_2+X_3$ 。
$$P\{Y\le1\}=\frac14\big(1-\mathrm e^{-1}\big)+\frac34\cdot1=1-\frac{\mathrm e^{-1}}{4}\approx0.908 .$$
> **归因**:D 类——$F_Y(y-1)$ 的"旧支撑"处理错。$y-1>0$ 才用 $1-\mathrm e^{-(y-1)}$ ,即 $y>1$ ,这正是分段点 $1$ 的来源。
---
### 题 C6 · 三个反例,第(Ⅲ)是对的
### 题 C6 · 反例要有细节,不能只报名字
**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。
**怎么想**:第(Ⅰ)问要"连续 $+$ 函数关系"这一对矛盾体;第(Ⅱ)问用四阶矩否掉正态;第(Ⅲ)问的关键是"对一切"三个字。
**解**:
(Ⅰ)取 $X\sim U(-1,1)$ ,$Y=X^2$ 。则
$$EX=0,\qquad E(XY)=E(X^3)=0\ \Longrightarrow\ \operatorname{Cov}(X,Y)=0 .$$
$$\operatorname{Cov}(X,Y)=E(X^3)-EX\cdot EX^2=0-0\cdot\frac13=0 .$$
但不独立:
但 $Y$ 由 $X$ 完全决定,不独立。验证一格:$P\{X\le0,\ Y\le\frac14\}=P\{X\le0\}=\frac12$ (因 $X\le0$ 时 $X^2\le1$ 必然),而
$$P\Big\{X\le\tfrac12,\ Y\le\tfrac14\Big\}=P\Big\{|X|\le\tfrac12\Big\}=\frac12,$$
$$P\{X\le0\}\,P\Big\{Y\le\frac14\Big\}=\frac12\cdot P\Big\{\vert X\vert\le\frac12\Big\}=\frac12\cdot\frac12=\frac14\ne\frac12 .$$
而 $P\{X\le\frac12\}P\{Y\le\frac14\}=\frac34\cdot\frac12=\frac38\ne\frac12$ 。
(Ⅱ)$Z=XY$ 不是正态。$\operatorname{Cov}(X,Z)=E(X^2Y)=0$ ,$DZ=E(X^2Y^2)=EX^2\cdot EY^2=1$ ,
(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 $E|Z|=\sqrt{2/\pi}\approx0.7979$ 。
$$EZ^4=E(X^4)E(Y^4)=3\times3=9 .$$
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。
若 $Z\sim N(0,1)$ 则 $EZ^4=3(DZ)^2=3\ne9$ ,矛盾。所以 $Z$ 不是正态。
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。**
这个例子否定了"独立正态变量的函数仍服从正态",也否定了"边缘正态 $\Rightarrow$ 联合正态"($(X,Z)$ 的 $Z$ 这一侧就不是正态)。
(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
(Ⅲ)断言**为真**,但关键在"对一切 $(x,y)$ 成立":此时 $f\ne0$ 的区域恰是 $\{g\ne0\}\times\{h\ne0\}$ ,自动是矩形,两边对 $x,y$ 分别积分即得 $f(x,y)=f_X(x)f_Y(y)$ 。
$$1=\iint f=\Big(\int g\Big)\Big(\int h\Big),$$
若把条件弱化成"**在支撑内**可写成 $f=g(x)h(y)$ ",则断言**为假**:反例 $f(x,y)=8xy$ ($0<y<x<1$ )在支撑内是 $x$ 与 $y$ 的乘积,但支撑是三角形,$X$ 与 $Y$ 不独立。这也是 [A5](03a-解析-基础.md) 第三例为什么必须真算边缘。
$$f_X(x)=g(x)\int h,\qquad f_Y(y)=h(y)\int g,$$
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。
> **归因**:A 类——反例只说"$Y=X^2$ "不验证。考场上要拿分,必须把 $\operatorname{Cov}=0$ 与"不独立"两件事都算出来。
---
### 题 C7 · 期望 1/2,方差 1/4
### 题 C7 · 泊松分裂:独立性的完整证明
**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。
**怎么想**:第(Ⅰ)(Ⅱ)问用全概率把二项概率与泊松概率套在一起,求和时凑成 $\mathrm e^{\lambda q}$ ;第(Ⅲ)问把联合分布律直接乘开,看能不能分解。
**解**:
(Ⅰ)$Y\mid X=x\sim B(1,\ x/2)$ ,故
(Ⅰ)$M\mid N=n\sim B(n,p)$ ,对 $k=0,1,2,\dots$
$$E(Y\mid X=x)=\frac x2,\qquad D(Y\mid X=x)=\frac x2\Big(1-\frac x2\Big)=\frac x2-\frac{x^2}{4} .$$
$$P\{M=k\}=\sum_{n\ge k}\mathrm e^{-\lambda}\frac{\lambda^n}{n!}\binom nk p^k q^{n-k},\qquad q=1-p .$$
(Ⅱ)$\displaystyle EY=E\Big(\frac X2\Big)=\frac{1}{2}\cdot\frac{0+2}{2}=\frac12$ 。
用 $\binom nk\dfrac{1}{n!}=\dfrac{1}{k!\,(n-k)!}$ ,令 $m=n-k$ :
(Ⅲ)全方差公式两项分别算:
$$P\{M=k\}=\mathrm e^{-\lambda}\frac{(\lambda p)^k}{k!}\sum_{m\ge0}\frac{(\lambda q)^m}{m!}=\mathrm e^{-\lambda}\frac{(\lambda p)^k}{k!}\,\mathrm e^{\lambda q}=\mathrm e^{-\lambda p}\frac{(\lambda p)^k}{k!}.$$
$$E\big[D(Y\mid X)\big]=\int_0^2\Big(\frac x2-\frac{x^2}{4}\Big)\cdot\frac12\,\mathrm dx=\frac12\Big[\frac{x^2}{4}-\frac{x^3}{12}\Big]_0^2=\frac12\Big(1-\frac23\Big)=\frac16,$$
故 $M\sim P(\lambda p)$ 。
$$D\big[E(Y\mid X)\big]=D\Big(\frac X2\Big)=\frac{DX}{4}=\frac{4/12}{4}=\frac1{12} .$$
(Ⅱ)同理(把 $p$ 与 $q$ 对调)$N-M\sim P(\lambda q)$ 。
所以 $DY=\dfrac16+\dfrac1{12}=\dfrac14$ 。
(Ⅲ)对任意 $k,j\ge0$ ,事件 $\{M=k,\ N-M=j\}$ 等价于"总数 $k+j$ 次,其中恰 $k$ 次涉及出租车":
验算(用矩):$EY^2=E\big[E(Y^2\mid X)\big]=E\big[\frac X2\big]=\frac12$ ,故 $DY=\frac12-\frac14=\frac14$ ✓。
$$P\{M=k,\ N-M=j\}=\mathrm e^{-\lambda}\frac{\lambda^{k+j}}{(k+j)!}\cdot\frac{(k+j)!}{k!\,j!}p^kq^j=\mathrm e^{-\lambda p}\frac{(\lambda p)^k}{k!}\cdot\mathrm e^{-\lambda q}\frac{(\lambda q)^j}{j!},$$
**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。
恰好等于 $P\{M=k\}P\{N-M=j\}$ ,故相互独立。
(B7 的第(Ⅲ)问就是 $p=\frac14$ 、$\lambda=8$ 的特例。)
> **归因**:C 类——第(Ⅰ)问求和时把 $\binom nk$ 留在里面不敢动。把 $\frac{1}{n!}\binom nk$ 拆成 $\frac{1}{k!(n-k)!}$ ,剩下的恰好是 $\mathrm e^{\lambda q}$ 的泰勒展开。
---
### 题 C8 · 错、对、错、错、对、错、对、错
### 题 C8 · 十个断言逐条判
**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。
**怎么想**:这类题不计算,考的全是边界条件。判完要能给一句"为什么",否则考场变体(换个说法)就错。
**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) |
1. **错**。反例见 C6(Ⅰ):$X\sim U(-1,1)$ 、$Y=X^2$ 不相关但不独立。只有二维正态下才对。
2. **对**。这是二维正态专有的性质,因为它的联合密度在 $\rho=0$ 时正好分解成两个边缘之积。
3. **对,但前提是"对一切 $(x,y)$ "**(此时支撑自动是矩形)。若只在支撑内可分离,则**错**:$f=8xy$ ($0<y<x<1$ )。
4. **错**。两个 $U(0,1)$ 之和是三角分布,密度 $z$ 与 $2-z$ ,不是常数。
5. **对**。独立时 $E(XY)=EX\cdot EY$ ,协方差必为 $0$ 。这是单向蕴涵。
6. **错**。取 $X\sim N(0,1)$ 、$Z$ 与 $X$ 独立且 $P\{Z=\pm1\}=\frac12$ ,令 $Y=ZX$ ,则 $Y\sim N(0,1)$ ,但 $(X,Y)$ 只在两条直线 $y=\pm x$ 上有质量、不是二维正态。
7. **对**。矩形支撑是独立的必要条件:独立时 $f=f_Xf_Y$ 的非零域必须是两个一维集合的乘积,即矩形。三角形不是,故一定不独立。
8. **错**。$X$ 离散时 $F(x,y)$ 沿 $x$ 方向有跳跃,不绝对连续,联合密度不存在。只能写 $P\{X=x_i\}f_{Y\mid X=x_i}(y)$ 。
9. **对**。独立性等价于"对任意可测函数 $g,h$ ,$g(X)$ 与 $h(Y)$ 独立",取 $g(x)=x^2$ 、$h(y)=y^2$ 即得。
10. **错**。取 $X\sim N(0,1)$ 、$Y\sim N(0,4)$ 且独立,则 $Y-X$ 关于 $0$ 对称,$P\{X<Y\}=\frac12$ ,但两者方差不同。所以 $\frac12$ 只说明"中位数相等",不说明同分布。
**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。
> **归因**:A 类——第 3、7 两条最容易判反。记住一句话:**独立的关键是"支撑是矩形 + 密度可分离",两个条件缺一不可**;"支撑不是矩形"可以直接否掉独立,但"密度不可分离"只能说明判据失效,还得算。
@@ -18,12 +18,14 @@ tags: [数学一, 专项突破, 说明, 多维随机变量]
| 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 |
| **核心** | 分布律反解、归一化与边缘分段、条件分布、独立性四判据、区域均匀、二维正态、和分布、最值、雅可比、可加性边界、由 $F$ 反求参数 | A1—A12 | 12 |
| **一圈** | 指示变量 + 分布函数、两点乘指数、两点乘泊松、随机取点、混合正态、圆盘非均匀、保险赔付、异密度和、全方差与相关、条件均匀反解 | B1—B10 | 10 |
| **二圈** | 环域均匀、次序统计量、非独立正态残差、商与期望发散、混合型、反例构造、泊松分裂、十断言 | 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。
**难度(第二版,2026-11-11 重做)**:第一版 A 组偏"套公式",比真题低一档,已全部替换。现在 A 组每题仍只练一个动作,但**都包在真实区域里、都要分段**;B 组照真题换数字;C 组高于真题。题首用 `【真题 20xx-xx 骨架】` 或 `【张宇 30 讲 · … 骨架】` 标出处,没有标注的是原创。
## 数据支撑(十年真题)
| 章 | 题数 | 分值 | 解答 | 选填 |
@@ -34,31 +36,33 @@ tags: [数学一, 专项突破, 说明, 多维随机变量]
| 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。
本专题覆盖全部 11 题、105 分(2025·22 的截断赔付与泊松分裂也在 B7)。**解答题的形态十年来没变**:给区域密度或条件分布 → 求边缘或联合 → 求某函数的分布 → 顺带一个数字特征,三四问 11—12 分。
## 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 |
| 2016·22 | 抛物线区域均匀 + 指示变量 + 分布函数 | B1 |
| 2017·22 | 离散配连续的和 | A8、B8 |
| 2018·22 | 两点乘泊松,协方差与分布律 | B3 |
| 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 |
| 2019·22 | 指数乘两点,不相关但不独立 | B2 |
| 2020·22 | 混合正态的联合分布函数 | B5、B9 |
| 2021·22 | 随机取点,商的分布 | B4 |
| 2022·10 | 条件均匀反解 + 相关系数 | A4 |
| 2023·22 | 圆盘非均匀,$X^2+Y^2$ 的分布 | B6 |
| 2024·9 | 条件均匀与协方差 | B10 |
| 2025·22 | 截断赔付 + 泊松分裂 | B7、C7 |
**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)。
**张宇 1000 题没有概率**(只有高数 15 章 + 线代 6 章),但参考仓库里有**张宇基础三十讲**的概率部分(`参考仓库/Math/probability-theory-and-mathematical-statistics/`),A2 与 A12 的骨架取自那里(边缘密度的抛物区域、$\Phi$ 里读参数两例)。其余题目分三类:**真题换数字**(B1—B10、C7)、**真题考法的变体**(A4、A7、A8、A9、C3、C4)、**原创补缺**(A1、A3、A5、A6、A10、A11、C1、C2、C5、C6、C8)。原创题补的是十年未考但大纲要求、或换个区域就能考的角度:环域均匀的边缘分段(C1)、次序统计量与极差(C2)、商的期望发散(C4)、混合型的分布函数(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。
1. **A 组限时 100 分钟**(每题 8 分钟)。这组只考单一动作,但都套在真实区域里,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。
3. **B 组限时 120 分钟,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 组不限时但要写完整过程**。C1、C5、C7 最像命题人换方向的落点(环域、混合分布、泊松分裂)。
5. **C8 必须单独做**,不看解析。十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
@@ -70,3 +74,4 @@ tags: [数学一, 专项突破, 说明, 多维随机变量]
## 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。
- 2026-11-11(第二版):**A 组整体重做**。原 A 组是"填表、归一化、套卷积"的一步题,比真题低一档。新版每题都包在真实区域里、都要分段,新增条件密度、区域概率、可加性失效四问等真题高频点;B 组全部改为照真题换数字(补上 2025·22);C 组改成环域、次序统计量、残差分解、混合型、泊松分裂五个"考场出新"方向;难度记号增加到 ★★★★。题目索引与真题锚点在 [01-考点地图](01-考点地图.md) 与本页两处同步。
@@ -28,7 +28,7 @@ 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) |
| [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)** | **张宇 30 讲**(1000 题无概率,仅 30 讲有例题) |
合计 **182 题**。
@@ -88,3 +88,4 @@ tags: [数学一, 专项突破, 索引]
| 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 |
| 2026-11-11 | **10 号第二版**:A 组整体重做(原版是一步套公式题,比真题低一档),B 组全部改为照真题换数字,C 组换成环域、次序统计量、残差分解、混合型、泊松分裂五个新方向;题量仍 30 题,难度记号增 ★★★★ |