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:
@@ -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"。
|
||||
|
||||
Reference in New Issue
Block a user