--- 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: 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 | 核心答案 | |---|---| | C1 | $f=\frac1{3\pi}$ ;$f_X$ 两段;$f_Z=\frac13\ (11$ 时要挖掉中间的空洞。 **解**: (Ⅰ)$S_D=3\pi$ , $$f(x,y)=\frac{1}{3\pi},\qquad 1\le x^2+y^2\le4 .$$ (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 $y\in(-\sqrt{1-x^2},\sqrt{1-x^2})$ 。 $|x|\le1$ 时只需外圈: $$f_X(x)=\frac1{3\pi}\cdot2\sqrt{4-x^2},\qquad \vert x\vert\le1 .$$ $1<\vert x\vert\le2$ 时挖洞: $$f_X(x)=\frac1{3\pi}\cdot2\Big(\sqrt{4-x^2}-\sqrt{1-x^2}\Big),\qquad 1<\vert x\vert\le2 .$$ (Ⅲ)$Z=X^2+Y^2$ 只取 $(1,4)$ 内的值,且 $$F_Z(z)=P\{X^2+Y^2\le z\}=\frac{\pi(z-1)}{3\pi}=\frac{z-1}{3},\qquad 1\le z<4 .$$ 故 $f_Z(z)=\dfrac13$ ($1 **归因**:C 类——$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 · 次序统计量:对称性省掉一大半计算 **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)$X_1,X_2,X_3$ 严格互不相等(连续型),六种顺序等可能,故 $$P\{X_11/2\}=1-\Big(3\cdot\frac14-2\cdot\frac18\Big)=1-\frac12=\frac12 .$$ > **归因**:B 类——把 $P\{X_1 **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 · 商的分布与"期望不存在" **怎么想**:$Z=\frac XY$ 的密度必须分段——$y1$ ,在正方形内它把左下角切出来:固定 $y$ 时 $x$ 从 $0$ 到 $zy$ (因为 $zy1$ ,此时斜率小于 $1$ ,$zy$ 在 $y>\frac1z$ 后会超过 $1$ ,须分两块: $$F_Z(z)=\int_0^{1/z}zy\,\mathrm dy+\int_{1/z}^1 1\,\mathrm dy=\frac1{2z}+1-\frac1z=1-\frac1{2z}\ \Longrightarrow\ f_Z(z)=\frac{1}{2z^2}.$$ 合起来 $$f_Z(z)=\begin{cases}\dfrac12, & 0 **归因**:A 类——"有密度就有期望"。期望的存在性取决于 $\int\vert z\vert f_Z$ 是否收敛,$z\ge1$ 那段按 $\frac1z$ 发散,正是许多"比值型"变量的通病。 --- ### 题 C5 · 混合型的分布函数与密度 **怎么想**:$Y=X_1+X_2$ ,$X_1$ 是两点、$X_2$ 连续,所以 $Y$ 的分布是两段的加权:$\frac14$ 份"照原样"、$\frac34$ 份"右移 $1$ "。这类题只需老老实实写 $F_Y(y)=\frac14F_{X_2}(y)+\frac34F_{X_2}(y-1)$ 。 **解**: (Ⅰ)由全概率,$F_Y(y)=P\{X_1=0\}F_{X_2}(y)+P\{X_1=1\}F_{X_2}(y-1)$ ,$F_{X_2}(t)=1-\mathrm e^{-t}$ ($t>0$ ),否则为 $0$ 。故 $$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}$$ (Ⅱ)对 $y$ 求导(分段求): $$f_Y(y)=\begin{cases}\frac14\mathrm e^{-y}, & 01,\\[2pt] 0, & \text{其他}.\end{cases}$$ **不是**指数分布:$y\in(0,1)$ 段的系数是 $\frac14$ ,$y>1$ 段变成 $\frac14+\frac{3\mathrm e}{4}$ ,两段不成比例,且密度在 $y=1$ 处跳变。 (Ⅲ)$EY=EX_1+EX_2=\frac34+1=\frac74$ 。 $$P\{Y\le1\}=\frac14\big(1-\mathrm e^{-1}\big)+\frac34\cdot1=1-\frac{\mathrm e^{-1}}{4}\approx0.908 .$$ > **归因**:D 类——$F_Y(y-1)$ 的"旧支撑"处理错。$y-1>0$ 才用 $1-\mathrm e^{-(y-1)}$ ,即 $y>1$ ,这正是分段点 $1$ 的来源。 --- ### 题 C6 · 反例要有细节,不能只报名字 **怎么想**:第(Ⅰ)问要"连续 $+$ 函数关系"这一对矛盾体;第(Ⅱ)问用四阶矩否掉正态;第(Ⅲ)问的关键是"对一切"三个字。 **解**: (Ⅰ)取 $X\sim U(-1,1)$ ,$Y=X^2$ 。则 $$\operatorname{Cov}(X,Y)=E(X^3)-EX\cdot EX^2=0-0\cdot\frac13=0 .$$ 但 $Y$ 由 $X$ 完全决定,不独立。验证一格:$P\{X\le0,\ Y\le\frac14\}=P\{X\le0\}=\frac12$ (因 $X\le0$ 时 $X^2\le1$ 必然),而 $$P\{X\le0\}\,P\Big\{Y\le\frac14\Big\}=\frac12\cdot P\Big\{\vert X\vert\le\frac12\Big\}=\frac12\cdot\frac12=\frac14\ne\frac12 .$$ (Ⅱ)$Z=XY$ 不是正态。$\operatorname{Cov}(X,Z)=E(X^2Y)=0$ ,$DZ=E(X^2Y^2)=EX^2\cdot EY^2=1$ , $$EZ^4=E(X^4)E(Y^4)=3\times3=9 .$$ 若 $Z\sim N(0,1)$ 则 $EZ^4=3(DZ)^2=3\ne9$ ,矛盾。所以 $Z$ 不是正态。 这个例子否定了"独立正态变量的函数仍服从正态",也否定了"边缘正态 $\Rightarrow$ 联合正态"($(X,Z)$ 的 $Z$ 这一侧就不是正态)。 (Ⅲ)断言**为真**,但关键在"对一切 $(x,y)$ 成立":此时 $f\ne0$ 的区域恰是 $\{g\ne0\}\times\{h\ne0\}$ ,自动是矩形,两边对 $x,y$ 分别积分即得 $f(x,y)=f_X(x)f_Y(y)$ 。 若把条件弱化成"**在支撑内**可写成 $f=g(x)h(y)$ ",则断言**为假**:反例 $f(x,y)=8xy$ ($0 **归因**:A 类——反例只说"$Y=X^2$ "不验证。考场上要拿分,必须把 $\operatorname{Cov}=0$ 与"不独立"两件事都算出来。 --- ### 题 C7 · 泊松分裂:独立性的完整证明 **怎么想**:第(Ⅰ)(Ⅱ)问用全概率把二项概率与泊松概率套在一起,求和时凑成 $\mathrm e^{\lambda q}$ ;第(Ⅲ)问把联合分布律直接乘开,看能不能分解。 **解**: (Ⅰ)$M\mid N=n\sim B(n,p)$ ,对 $k=0,1,2,\dots$ $$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 .$$ 用 $\binom nk\dfrac{1}{n!}=\dfrac{1}{k!\,(n-k)!}$ ,令 $m=n-k$ : $$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!}.$$ 故 $M\sim P(\lambda p)$ 。 (Ⅱ)同理(把 $p$ 与 $q$ 对调)$N-M\sim P(\lambda q)$ 。 (Ⅲ)对任意 $k,j\ge0$ ,事件 $\{M=k,\ N-M=j\}$ 等价于"总数 $k+j$ 次,其中恰 $k$ 次涉及出租车": $$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!},$$ 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 · 十个断言逐条判 **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**: 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 **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。