--- tags: - 数学一 - 在学练习 - 概率论 - 多维随机变量 - 解析 专题: 概率论 第3讲 · 多维随机变量及其分布 · 解析(19 题) 日期: 2026-10-13 关联: "[[01-考点手册]] · [[02-试题]]" --- # 概率论 第3讲 · 多维随机变量及其分布 · 解析 > 每题含 **答案 / 思路 / 易错点**,标「真题骨架」的题给出对应真题。 --- ## A 组 · 基础 ### 1.(Ⅰ)行和、列和: | $X\backslash Y$ | 0 | 1 | 2 | $p_{i\cdot}$ | |---|---|---|---|---| | **1** | 0.1 | 0.2 | 0.1 | **0.4** | | **2** | 0.2 | 0.3 | 0.1 | **0.6** | | $p_{\cdot j}$ | **0.3** | **0.5** | **0.2** | 1 | $X\sim\begin{pmatrix}1&2\\0.4&0.6\end{pmatrix}$ ,$Y\sim\begin{pmatrix}0&1&2\\0.3&0.5&0.2\end{pmatrix}$ 。 **(Ⅱ)** 取 $p_{11}=0.1$ ,而 $p_{1\cdot}p_{\cdot1}=0.4\times0.5=0.2\ne0.1$ ,故 **$X$ 与 $Y$ 不相互独立**。 > **思路**:判独立要"全部成立",否定只需**找一对反例**。 > **易错点**:$p_{ij}$ 与 $p_{i\cdot}p_{\cdot j}$ 下标要对齐($X=1$ 是第 1 行、$Y=0$ 是第 1 列)。 ### 2.(Ⅰ)$S_D=\dfrac12$ , $$f(x,y)=\begin{cases}2,&0\le x\le1,\ 0\le y\le x\\0,&\text{其他}\end{cases}$$ **(Ⅱ)** 在 $D$ 内 $x+y\le1\Rightarrow y\le\min(x,1-x)$ :$0\le x\le\frac12$ 上限 $x$ ;$\frac12\le x\le1$ 上限 $1-x$ 。 $$P\{X+Y\le1\}=2\left[\int_0^{1/2}x\,\mathrm dx+\int_{1/2}^{1}(1-x)\,\mathrm dx\right]=2\left(\frac18+\frac18\right)=\frac12.$$ > **易错点**:**先画图再定限**,$y=x$ 与 $y=1-x$ 把区域切成两段。 ### 3.(Ⅰ)$\displaystyle\iint f=c\int_0^1x\,\mathrm dx\int_0^2y\,\mathrm dy=c\cdot\frac12\cdot2=c=1\Rightarrow c=1$ 。 **(Ⅱ)** $f_X(x)=\displaystyle\int_0^2xy\,\mathrm dy=2x\ (0 **思路**:矩形域 + 密度可分离 ⟹ 一眼独立。 ### 4.(Ⅰ)$f_X(x)=\displaystyle\int_0^x3x\,\mathrm dy=3x^2\ (0 **易错点**:条件密度是 $y$ 的函数(对 $x$ 是常数);$\tfrac12<\tfrac34$ 故上限直接取 $\tfrac12$ 。 ### 5. $f(x,y)=1$ (单位正方形)。$f_Y(z-x)=1\iff z-1 **真题骨架**:🟨2017·22 同款和分布(离散+连续),见第 10 题混合版。 ### 6. 选(B)。 - (A)错:两正态若**不联合正态**,不相关推不出独立(反例见第 11 题); - (C)错:不相关 $\ne$ 独立; - (D)错:独立**一定**推出 $\operatorname{Cov}=0$ (方差存在时); - (B)对:二维正态的"特权"。 --- ## B 组 · 中等 ### 7. $Z=\dfrac YX$ ,用商的密度公式($f_{XY}=1$ 在单位正方形) $$f_Z(z)=\int_0^1 x\,f_Y(zx)\,\mathrm dx,\qquad f_Y(zx)=1\iff 01\}=\int_1^{+\infty}\frac{1}{2z^2}\,\mathrm dz=\frac12.$$ > **真题骨架**:🟨2021·22(Ⅱ) 求 $Z=Y/X$ 密度。 > **雅可比视角**:增补 $V=X$ ,$x=v,y=zv$ ,$\lvert J\rvert=\lvert v\rvert$ ,$f_{ZV}(z,v)=\lvert v\rvert f(v,zv)$ ,再对 $v$ 积分,结果一致。 ### 8.(Ⅰ)圆盘均匀 $f=\dfrac1\pi$ ,对 $y$ 积分($-\sqrt{1-x^2}\sim\sqrt{1-x^2}$ ): $$f_X(x)=\frac1\pi\cdot2\sqrt{1-x^2}=\frac{2}{\pi}\sqrt{1-x^2}\quad(-1 **秒杀**:取值区域是**圆**(非矩形),一步否定。 ### 9. $f(x,y)=\dfrac12$ ($0\frac z2.$$ 对 $0 **真题骨架**:🟨2018·22、2019·22 的 $Z=XY$ 。 > **雅可比视角**:增补 $V=X$ ,$x=v,y=z/v$ ,$\lvert J\rvert=1/\lvert v\rvert$ ,结果一致。 ### 10. 全概率(离散 $X$ 拆权重): $$F_Z(z)=\frac12F_Y(z)+\frac12F_Y(z-1),\qquad F_Y(t)=0\,(t<0),\ t\,(0\le t<1),\ 1\,(t\ge1).$$ - $z<0$ :$0$ ;$0\le z<1$ :$\dfrac z2$ ;$1\le z<2$ :$\dfrac12+\dfrac{z-1}{2}=\dfrac z2$ ;$z\ge2$ :$1$ 。 $$F_Z(z)=\begin{cases}0,&z<0\\ \dfrac z2,&0\le z<2\\1,&z\ge2\end{cases}\ \Longrightarrow\ f_Z(z)=\begin{cases}\dfrac12,&0 **易错点**:$F_Y(z-1)$ 也要分段;两段在 $z=1$ 处须连续(此处恰好拼成 $\frac z2$ )。 ### 11. $EX=0$ ,$EY=E(X^2)=\displaystyle\int_{-1}^1x^2\cdot\frac12\mathrm dx=\frac13$ ,$E(XY)=E(X^3)=0$ 。 $$\operatorname{Cov}(X,Y)=0,\qquad \rho_{XY}=0.$$ 但 $Y=X^2$ 是 $X$ 的函数,二者**不独立**。 > **结论**:**不相关 $\ne$ 独立**的教科书反例(偶函数型)。 ### 12. $F_Z(z)=F_X(z)F_Y(z)=(1-e^{-\lambda z})^2\ (z>0)$ ,$z\le0$ 为 0。求导: $$f_Z(z)=2\lambda e^{-\lambda z}(1-e^{-\lambda z})=2\lambda\big(e^{-\lambda z}-e^{-2\lambda z}\big)\quad(z>0).$$ > **配套**:$\min$ 用 $F_{\min}(z)=1-e^{-2\lambda z}$ (仍服从指数分布,参数 $2\lambda$ )。 ### 13.(Ⅰ)$X\sim N(1,1)$ ,$Y\sim N(2,4)$ 。 **(Ⅱ)** $\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times1\times2=1$ ;$D(X+Y)=1+4+2\times1=7$ 。 **(Ⅲ)** $E(Y\mid X=x)=2+0.5\times2\times(x-1)=x+1$ 。 > **易错点**:$\dfrac{\sigma_2}{\sigma_1}=\dfrac21$ (**标准差**),不是 $\dfrac41$ 。 ### 14. 设切点 $U\sim U(0,1)$ ,$X=\min(U,1-U)\in(0,\tfrac12)$ : $$F_X(x)=P\{U\le x\}+P\{U\ge1-x\}=2x\quad(0 **真题骨架**:🟨2021·22(Ⅰ)。 --- ## C 组 · 拔高 ### 15.(Ⅰ)$S_D=\dfrac12$ ,$f(x,y)=\begin{cases}2,&0 **反直觉点**:$U$ 是 $(X,Y)$ 的函数却与 $X$ 独立——因为在三角形内 $P\{U=1\mid X=x\}=\dfrac{x/2}{x}=\dfrac12$ **与 $x$ 无关**。 **(Ⅲ)** 由独立,$f_Z(z)=\dfrac12f_X(z)+\dfrac12f_X(z-1)$ ,$f_X(x)=2x\ (0 **真题骨架**:🟨2016·22(均匀域 → 离散化 $U$ → 判独立 → $Z=U+X$ 分布函数),仅区域/分界改为 $y=x/2$ 。 ### 16. $f(x,y)=\dfrac1x\ (0 **思路**:条件分布型先写 $f=f_Xf_{Y|X}$ ,再算三个期望。 > **常用积分**:$\displaystyle\int_0^1 t^n(-\ln t)\,\mathrm dt=\frac{1}{(n+1)^2}$ 。 ### 17.(Ⅰ)$X_3$ 取 $\pm1$ ,用全概率: - $X_3=1$ :$Y=X_1$ ,贡献 $P\{X_1\le x,\ X_1\le y\}=\Phi(\min\{x,y\})$ ; - $X_3=-1$ :$Y=X_2$ ,由独立贡献 $\Phi(x)\Phi(y)$ 。 $$F(x,y)=\frac12\Phi(\min\{x,y\})+\frac12\Phi(x)\Phi(y).$$ **(Ⅱ)** $x\to+\infty$ 得 $F_Y(y)=\dfrac12\Phi(y)+\dfrac12\Phi(y)=\Phi(y)$ ,故 **$Y\sim N(0,1)$ **。 > **真题骨架**:🟨2020·22(原题 $X_3\in\{0,1\}$ ,此处对称化为 $\pm1$ )。 ### 18.(Ⅰ)极坐标 $\mathrm dx\,\mathrm dy=r\,\mathrm dr\,\mathrm d\theta$ : $$1=c\int_0^{2\pi}\!\!\int_0^1 r\cdot r\,\mathrm dr\,\mathrm d\theta=c\cdot2\pi\cdot\frac13\ \Rightarrow\ c=\frac{3}{2\pi}.$$ **(Ⅱ)** 区域对称 + 密度偶 ⟹ $EX=EY=0$ ,$E(XY)=0$ ,故 $\operatorname{Cov}(X,Y)=0$ 。 **(Ⅲ)** $f_X(x)$ 不是 $f_X(x)f_Y(y)$ 的分解形式,$f(x,y)=c\sqrt{x^2+y^2}\ne f_Xf_Y$ ,故 **$X,Y$ 不独立**。 **(Ⅳ)** $0 **真题骨架**:🟨2023·22(把原题 $f=c(x^2+y^2)$ 改为 $c\sqrt{x^2+y^2}$ )。 > **技巧**:$Z$ 是"到原点距离的函数" ⟹ **极坐标 + 面积法**,不必硬求 $f_Z$ 。 ### 19.(Ⅰ)反解:由 $u=x+y,\ v=\dfrac{x}{x+y}$ 得 $$x=uv,\qquad y=u(1-v).$$ 雅可比行列式(注意是**反解** $(x,y)$ 对 $(u,v)$ 的行列式): $$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}\dfrac{\partial x}{\partial u}&\dfrac{\partial x}{\partial v}\\[8pt]\dfrac{\partial y}{\partial u}&\dfrac{\partial y}{\partial v}\end{vmatrix}=\begin{vmatrix}v&u\\1-v&-u\end{vmatrix}=v(-u)-u(1-v)=-uv-u+uv=-u.$$ 故 $\lvert J\rvert=u$ 。取值区域:$x>0,y>0\Rightarrow u>0,\ 00,\ 00),\qquad f_V(v)=\int_0^{+\infty} u e^{-u}\,\mathrm du=1\ (0 **方法总结(雅可比三步)**:① 反解 $x=x(u,v),y=y(u,v)$ ;② 算 $\lvert J\rvert=\left\lvert\dfrac{\partial(x,y)}{\partial(u,v)}\right\rvert$ ;③ $f_{UV}=f\cdot\lvert J\rvert$ ,并把定义域一并变换。 > **真题骨架**:本题是"指数分布之和 + 比值"的经典结构,$\Gamma(2,1)$ 的分解结论也是**证明"泊松过程的到达时刻与均匀次序"** 的核心引理。 --- ## 附 · 出题质量报告 ### 考点覆盖(对照 ch17 的 11 道真题) | 真题 | 考法 | 对应题 | 覆盖 | |---|---|---|---| | 2016·22 | 均匀分布+离散化 $U$ +函数分布 | **15** | ✅ | | 2017·22 | 混合型 $Z=X+Y$ | **5 + 10** | ✅ | | 2018·22 | $Z=XY$ +协方差 | **9** | ✅ | | 2019·8 | 正态差 $\lvert X-Y\rvert$ 分布 | **13** | ◐ 部分 | | 2019·22 | $Z=XY$ +不相关+独立性 | **9 + 11** | ✅ | | 2020·22 | 混合正态+证明 | **17** | ✅ | | 2021·22 | 取点分段+商分布 | **14 + 7** | ✅ | | 2022·10 | 条件分布求相关系数 | **16** | ✅ | | 2023·22 | 圆形区域+Cov+独立+$X^2+Y^2$ | **18** | ✅ | | 2024·9 | 条件均匀+协方差 | **4 + 16** | ✅ | | 2025·22 | 复合分布+混合模型 | **10 + 17** | ◐ 部分 | ### 手法覆盖 和(5、10、15)、差(13)、积(9)、商(7)、最值(12)、平方和(18)、混合型(10、17)、离散化(15)、分布函数法(15、18)、卷积(5、9、10)、**雅可比变换(19,另 7/9/15 给出雅可比视角)**、极坐标(18)。 ### 未覆盖方向(供二轮补) 1. 离散型二维函数分布(两离散变量之和的表格题); 2. $\lvert X-Y\rvert$ 的正态差完整选择题(2019·8); 3. 条件期望/全期望递推(留到数字特征章); 4. 一般二维函数联合分布(如 $Y_1=2X_1,\ Y_2=\tfrac13X_2$ )——本题第 19 题已示范雅可比通法,可自行扩展; 5. 2025·22 保险赔付应用建模。