--- tags: [数学一, 知识点构建, 专背清单, 概率论, 二维随机变量, 卷积] 专题: 概率论 · 第3讲 多维随机变量及其分布 · 专背清单 日期: 2026-11-17 状态: 41 条(式 17 / 表 4 / 判 8 / 模 3 / 反 9) 来源: 知识点构建 17 背诵版;在学练习第3讲七点;真题库 chapter 17 关联笔记: ["[[21-专背清单-概率论-00-总纲与跨讲对照]]", "[[17-背诵版-概率论-第3讲-多维随机变量及其分布]]"] --- # 第 3 讲 多维随机变量 · 专背清单 > 41 条。本讲的背诵重心不是公式,是**三条判定**:支撑是不是矩形、能不能分离、卷积的积分限从哪到哪。这三件事推起来慢、错起来狠。 ## 一、联合分布与边缘(9 条) **L3-01** `式` 联合分布函数:$F(x,y)=P\{X\le x,\ Y\le y\}$ 。  └ 两个不等号**都朝右**,缺一不可。 **L3-02** `表` 联合 $F$ 的五条性质(比一维多两条): | # | 性质 | |---|---| | ① | 对每个变量单调不减 | | ② | 对每个变量右连续 | | ③ | $F(-\infty,y)=F(x,-\infty)=0$ | | ④ | $F(+\infty,+\infty)=1$ | | ⑤ | **矩形概率非负**(这是二维独有的一条) | **L3-03** `式` 矩形概率: $$P\{x_11$ 两种夹法),**必须分段**。 **L3-07** `式` 归一化:$\iint_Df(x,y)\,\mathrm dx\,\mathrm dy=1$ ,用来求待定常数。  └ 二维题的第一步几乎都是它。 **L3-08** `判` 联合密度存在要求 $F$ 二阶混合偏导存在且 $f=\frac{\partial^2F}{\partial x\partial y}$ 。  └ 判断题的错项常给一个"$F$ 有跳跃"的例子。 **L3-09** `坑` 边缘密度**不唯一决定联合密度**。同一个 $f_X$ 与 $f_Y$ 可以配出无穷多个联合密度。  └ 所以"给两个边缘求联合"是错题;必须再加独立或条件信息。 ## 二、条件分布(6 条) **L3-10** `式` 条件密度:$f_{Y\mid X}(y\mid x)=\dfrac{f(x,y)}{f_X(x)}$ ,要求 $f_X(x)>0$ 。  └ 固定 $x$ 后它关于 $y$ 的积分为 1,是**一个新的密度**。 **L3-11** `式` 条件分布律:$p_{j\mid i}=P\{Y=y_j\mid X=x_i\}=\dfrac{p_{ij}}{p_{i\cdot}}$ 。  └ 分母是**行和**。 **L3-12** `式` 条件分布函数:$F_{Y\mid X}(y\mid x)=\dfrac{\int_{-\infty}^{y}f(x,t)\,\mathrm dt}{f_X(x)}$ 。  └ 分子是"沿竖线积分",不是二重积分。 **L3-13** `判` 由条件反解联合:$f(x,y)=f_X(x)\,f_{Y\mid X}(y\mid x)$ 。  └ 若题给"$Y\mid X=x$ 服从某分布"(如 $U(x,1)$ ),就是从这里进。2022·10、2024·9 都是这个套路。 **L3-14** `式` 条件期望:$E(Y\mid X=x)=\int y\,f_{Y\mid X}(y\mid x)\,\mathrm dy$ ,它是 $x$ 的函数。  └ 把 $x$ 换回 $X$ 就成随机变量 $E(Y\mid X)$ 。 **L3-15** `反` $f_{Y\mid X}$ 与 $f_{X\mid Y}$ **不是倒数关系**,它们的分母不同。  └ 关系由贝叶斯给出:$f_{Y\mid X}=\frac{f_{X\mid Y}f_Y}{f_X}$ 。 ## 三、独立性(7 条) **L3-16** `式` 独立三等价(按类型选一个用):$F(x,y)=F_X(x)F_Y(y)$ ;$p_{ij}=p_{i\cdot}p_{\cdot j}$ ;$f(x,y)=f_X(x)f_Y(y)$ 。 **L3-17** `判` **判断独立的三步**(按顺序,能早停就停): | 步 | 动作 | 结论 | |---|---|---| | ① | 画支撑集 | **非矩形 ⟹ 必不独立**,结束 | | ② | 支撑是矩形时,看 $f$ 能否写成 $g(x)h(y)$ | 能 ⟹ 独立 | | ③ | 写不成 ⟹ 算边缘,验证 $f\overset{?}{=}f_Xf_Y$ | 不等 ⟹ 不独立 | **L3-18** `反` **支撑不是矩形,一定不独立**(即使 $f$ 看起来能分离)。  └ 反例:$f=2$ 在三角形 $0