--- tags: [数学一, 在学练习, 概率论, 多维随机变量, 卷积, 最值分布] 专题: 概率论 第3讲 · 点6 四则运算与最值 日期: 2026-11-07 状态: 知识点带题(6.1 和、6.2 差积商、6.3 最值、6.4 成品结论,共 4 题) 关联笔记: ["[[README]]", "[[01-知识点盘点]]"] --- # 点 6 四则运算与最值 > 真题锚点:2019·8(正态差)、2018·22(和与协方差)、2025·22(最值最后一问)|重要度 ★★☆ > 依赖:点 5 的分布函数法与卷积思想。盘点对应:§6 全节。 **组织原则**:点 5 讲"怎么求",这一点讲"**已经求好的成品**"。四道题分别压:卷积的定限、差的绝对值、最值公式、以及四张"封闭性"表。**这一点的价值全在省时间**。难度标准:★☆☆ 一题、★★☆ 三题。 ## 知识点 6.1 和的分布与卷积(出处:[知识章 §10.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex)) $X\perp Y$ 时 $$f_{X+Y}(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)\,\mathrm dx=\int_{-\infty}^{+\infty}f_X(z-y)f_Y(y)\,\mathrm dy .$$ **定限口诀**:**两个密度的支撑必须同时非零**。若 $f_X$ 在 $[a_1,b_1]$ 非零、$f_Y$ 在 $[a_2,b_2]$ 非零,则被积变量必须同时满足 $$a_1 **商的稳妥做法**:先求 $F_Z(z)=P\{Y\le zX\}$ (半平面区域),再求导。绝对值与不等号方向在 $z<0$ 与 $z>0$ 上常常相反,先分段再积。 **三个公式的出处(雅可比一行推完)**:上面三式不是要背的独立结论,它们全是点 5 §5.2 雅可比法的**特例**。诀窍是**再拉一个陪变量 $V=Y$ 进来** ,把"一个函数"补成"一次坐标变换",先得联合密度,再把陪变量积掉: $$f_U(u)=\int f\big(x(u,v),\,y(u,v)\big)\lvert J\rvert\,\mathrm dv .$$ | 要的 $U$ | 反解(取 $v=y$ ) | $\lvert J\rvert$ | |---|---|---| | $X-Y$ | $x=u+v$ 、$y=v$ | $1$ | | $XY$ | $x=u/v$ 、$y=v$ | $1/\lvert v\rvert$ | | $X/Y$ | $x=uv$ 、$y=v$ | $\lvert v\rvert$ | 以最后一行代入模板: $$f_{X/Y}(z)=\int f_X(zv)f_Y(v)\lvert v\rvert\,\mathrm dv ,$$ 与 §6.2 的 $\int f_X(zy)f_Y(y)\lvert y\rvert\mathrm dy$ 只差哑变量的名字。 **陪变量的选择理由**:固定取 $V=Y$ 是因为 $y=v$ 让反解的第二个方程成为恒等式,雅可比矩阵变成**下三角**,行列式就是对角元之积 $\left\lvert\dfrac{\partial x}{\partial u}\right\rvert$ ——不用真的展开二阶行列式,$1$ 、$1/\lvert v\rvert$ 、$\lvert v\rvert$ 都是一眼写出的。这也是"为什么商的公式里偏偏多一个 $\lvert y\rvert$ "的全部原因:它就是对 $x=uv$ 求 $\partial x/\partial u=v$ 的那一项。 **方向别搞反**:乘在密度上的是 $J=\dfrac{\partial(x,y)}{\partial(u,v)}$ ,即**从新变量到旧变量**。若顺手先算出 $\dfrac{\partial(u,v)}{\partial(x,y)}$ ,必须取倒数再取绝对值。三个式子里 $J$ 都不等于 $0$ (只要 $y\ne0$ ),所以变换在支撑内是一一的——这也是商要求 $Y\ne0$ 的隐含条件。 **什么时候用它替代成品式**: - 只要 $Z$ 的**边缘**密度 → 直接用上面三式,最快; - 要 $(Z,W)$ 的**联合**密度(如 $Z=XY$ 与 $W=X$ )→ 成品式给不出,只能雅可比; - 支撑分片怪($Y$ 只在某一段非零)→ 雅可比把 $v$ 的取值范围直接摆在积分号上,比套公式少错。 > **一句话**:成品式是"结果",雅可比是"来源"。背不下来时现推,代价是 30 秒。 ## 知识点 6.3 最值分布(出处:[知识章 §10.2、§8.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex)) **独立性是全部前提**——"全部 $\le z$ "能拆成乘积,靠的就是独立: $$F_{\max}(z)=\prod_{i=1}^{n}F_{X_i}(z),\qquad F_{\min}(z)=1-\prod_{i=1}^{n}\left[1-F_{X_i}(z)\right].$$ 独立同分布时: $$f_{\max}(z)=nF^{n-1}(z)f(z),\qquad f_{\min}(z)=n\left[1-F(z)\right]^{n-1}f(z).$$ **两个高频结论**:$X_i\sim U(0,1)$ 时 $EM=\dfrac{n}{n+1}$ 、$Em=\dfrac{1}{n+1}$ ;$X_i\sim E(\lambda)$ 时 $Em=\dfrac{1}{n\lambda}$ (最小值仍是指数,参数 $n\lambda$ )。 ## 知识点 6.4 四张封闭性表(出处:[知识章 §8.4 独立同分布运算](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex)) | 分布 | 可加条件 | 结果 | |---|---|---| | 二项 | **$p$ 相同** | $B(n_1,p)+B(n_2,p)=B(n_1+n_2,p)$ | | 泊松 | 无 | $P(\lambda_1)+P(\lambda_2)=P(\lambda_1+\lambda_2)$ | | 正态 | 无(**不要求同方差**) | $N(\mu_1,\sigma_1^2)+N(\mu_2,\sigma_2^2)=N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)$ | | $\Gamma$ | **$\lambda$ 相同** | $\Gamma(\alpha,\lambda)+\Gamma(\beta,\lambda)=\Gamma(\alpha+\beta,\lambda)$ | > **两个"相同"必须记牢**:二项要 $p$ 相同,$\Gamma$ 要 $\lambda$ 相同(指数分布是 $\alpha=1$ 的特例,所以**不同参数的指数分布相加不再是 $\Gamma$ 分布**)。正态最宽容,没有附加条件。 --- ## 题目(按知识点顺序对应) ### 题 1 · 6.1:不同区间上均匀分布之和(★★☆) > 设 $X\sim U(0,1)$ 、$Y\sim U(0,2)$ 且相互独立,$Z=X+Y$ 。 > > (Ⅰ)求 $f_Z(z)$ ; > (Ⅱ)求 $P\{Z<1\}$ 与 $P\{Z>2\}$ ; > (Ⅲ)说明 $f_Z$ 为什么是"梯形"而不是三角形。 **怎么想**:两个支撑长度不同($1$ 与 $2$ ),卷积时"重叠长度"先增后平后减,于是出现三段:斜升、平台、斜降。用"两个区间求交"的定限口诀走一遍即可。 **解**: **(Ⅰ)** $f_X=1$ 在 $(0,1)$ 上,$f_Y=\frac12$ 在 $(0,2)$ 上。卷积 $$f_Z(z)=\int f_X(x)f_Y(z-x)\,\mathrm dx=\frac12\int_{\max(0,z-2)}^{\min(1,z)}1\,\mathrm dx .$$ - $02\}=\int_2^3\frac{3-z}{2}\,\mathrm dz=\frac14 .$$ **(Ⅲ)** 原因是**支撑长度不等**:$Y$ 的区间(长 $2$ )比 $X$ 的区间(长 $1$ )长,所以当 $z$ 从 $1$ 增到 $2$ 时,$X$ 的整段 $(0,1)$ 都能落进 $Y$ 的窗口,**重叠长度饱和**,密度出现平台。若两者长度相等(点 5 题 1 的情形),平台退化成一点,梯形变三角形。 **验算**:$\int_0^1\frac z2+\int_1^2\frac12+\int_2^3\frac{3-z}{2}=\frac14+\frac12+\frac14=1$ ✓;$EZ=EX+EY=\frac12+1=\frac32$ ,与 $\int zf_Z\,\mathrm dz$ 一致(可直接检验)✓。 **带走结论**:**卷积的形状由"两个支撑长度是否相等"决定**:等长 → 三角;不等长 → 梯形(平台长度 $=$ 长度差)。这条能让你不算积分就画出密度草图。 > **关联** · 盘点 [§6.1 和的分布(卷积)](01-知识点盘点.md#user-content-61-和的分布卷积) | 上游 — | 下游 — | 速查 [八 卷积定限](09-速查卡.md#user-content-八-卷积定限) --- ### 题 2 · 6.2:差的绝对值与"先求 F"(★★☆) > 设 $X$ 与 $Y$ 相互独立,都服从 $U(0,1)$ ,令 $Z=\lvert X-Y\rvert$ 。 > > (Ⅰ)求 $F_Z(z)$ 与 $f_Z(z)$ ; > (Ⅱ)求 $E Z$ ; > (Ⅲ)若改为求 $W=X-Y$ (不带绝对值),说明它与 $Z$ 的关系。 **怎么想**:绝对值把"带符号的差"折成"距离"。几何上 $|X-Y|\le z$ 是正方形里夹在两条平行线 $y=x\pm z$ 之间的**带状区域**,面积 $=1-(1-z)^2$ ——比积分快。 **解**: **(Ⅰ)** 对 $0z\}-P\{Y-X>z\} .$$ 两个"角上的三角形"各是直角边 $1-z$ 的等腰直角三角形,面积 $\frac{(1-z)^2}{2}$ : $$F_Z(z)=1-2\cdot\frac{(1-z)^2}{2}=1-(1-z)^2=2z-z^2 .$$ 求导 $$f_Z(z)=2-2z=2(1-z),\qquad 0 **关联** · 盘点 [§6.2 差、积、商](01-知识点盘点.md#user-content-62-差积商) | 上游 — | 下游 — | 速查 [九 差、积、商](09-速查卡.md#user-content-九-差积商) --- ### 题 3 · 6.3:最值分布与期望(★★☆) > 设 $X_1,\dots,X_5$ 相互独立,都服从 $U(0,1)$ 。令 $M=\max\{X_1,\dots,X_5\}$ 、$m=\min\{X_1,\dots,X_5\}$ 。 > > (Ⅰ)求 $f_M(z)$ 与 $f_m(z)$ ; > (Ⅱ)求 $EM$ 、$Em$ ,并验证 $EM+Em=1$ ; > (Ⅲ)求 $P\{M>0.9\}$ 。 **怎么想**:最值公式是"$n$ 个都不超过 $z$ "——独立性把 $n$ 重概率变成 $n$ 次方。$U(0,1)$ 的 $F(z)=z$ ,所以直接是幂函数。 **解**: **(Ⅰ)** $F(z)=z$ ($00.9\}=1-P\{M\le0.9\}=1-(0.9)^5=1-0.59049=0.40951 .$$ **带走结论**:**$U(0,1)$ 的最值期望分别是 $\frac{n}{n+1}$ 与 $\frac{1}{n+1}$ 这两个数**,两者相加为 $1$ 。$n=5$ 时最大值平均已到 $0.833$ ——这就是"取五次最大"的直观含义。 > **关联** · 盘点 [§6.3 最值](01-知识点盘点.md#user-content-63-最值) | 上游 — | 下游 — | 速查 [十 最值](09-速查卡.md#user-content-十-最值) --- ### 题 4 · 6.4:可加性四张表(★☆☆) > (Ⅰ)设 $X\sim B(10,0.3)$ 、$Y\sim B(5,0.3)$ 独立,求 $X+Y$ 的分布; > (Ⅱ)设 $X\sim P(2)$ 、$Y\sim P(3)$ 独立,求 $P\{X+Y=4\}$ ; > (Ⅲ)设 $X\sim N(2,1)$ 、$Y\sim N(0,4)$ 独立,求 $P\{X (Ⅳ)设 $X\sim E(1)$ 、$Y\sim E(2)$ 独立,判断 $X+Y$ 是否服从 $\Gamma$ 分布。 **怎么想**:四问分别对应表里四行,重点是**看清"可加"的附加条件**:(Ⅰ)要 $p$ 相同、(Ⅳ)要 $\lambda$ 相同。第(Ⅲ)问用"差仍是正态",避开求密度。 **解**: **(Ⅰ)** $p$ 相同(都是 $0.3$ ),故 $$X+Y\sim B(15,\ 0.3).$$ **(Ⅱ)** 泊松无附加条件: $$X+Y\sim P(5),\qquad P\{X+Y=4\}=\frac{5^4\mathrm e^{-5}}{4!}=\frac{625\,\mathrm e^{-5}}{24}\approx0.1755 .$$ **(Ⅲ)** $X-Y\sim N(2-0,\ 1+4)=N(2,5)$ ,故 $$P\{X **关联** · 盘点 [§6.4 四种运算的"成品结论"](01-知识点盘点.md#user-content-64-四种运算的成品结论) | 上游 — | 下游 — | 速查 [十一 可加性四张表](09-速查卡.md#user-content-十一-可加性四张表) ---