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
@@ -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。