--- tags: [数学一, 专项突破, 考点地图, 多维随机变量] 专题: 多维随机变量 日期: 2026-11-11 状态: 考点地图, 三层扩散(核心 12 条 + 一圈 10 条 + 二圈 8 条) --- # 考点地图 · 多维随机变量 ## 零、为什么单独做这一份 概率里分值最高的一章不是参数估计,是**多维随机变量**(ch17): | 章 | 题数 | 分值 | 题型 | |---|---|---|---| | **ch17 多维随机变量** | **11** | **105** | 解答 9 + 选填 2 | | ch21 参数估计 | 10 | 93 | 解答 7 + 选填 3 | | ch15 随机事件与概率 | 8 | 36 | 选填为主 | | ch18 数字特征 | 7 | 32 | 选填为主 | | ch16 一维随机变量 | 6 | 27 | 选填为主 | 而且它是**每年必出一道 11—12 分大题**的唯一章节(2022、2024 两年除外,那两年它退到选填)。现有的 `03-大数定律与数理统计` 明确不覆盖它,理由是"那一块要靠技巧、不是背套路"——正因为如此才更需要单独练。 **这一章的失分点极其集中**,一句话概括:**不是不会公式,是区域想不清、积分限写错、分段漏掉一半**。所以这份地图 12 条核心每条都配一张"区域怎么画",题目里凡是分段的一律要求先画图。 ## 一、扩散半径总览 | 层 | 内容 | 题号 | |---|---|---| | **核心** | 分布律填表、联合密度归一化、边缘分段、条件分布、独立性三判据、二维均匀、二维正态、分布函数法、最值、雅可比、可加性、由 $F$ 反求 | A1—A12 | | **一圈** | 指示变量、混合正态、离散×连续、条件反解联合、协方差与相关系数、雅可比两个用途、四张可加表、min 与 max 同现、异分布卷积、条件密度与条件期望 | B1—B10 | | **二圈** | 无穷区域综合、含参讨论、非独立正态、商的分布、三变量最值、反例构造、全方差公式、概念辨析 | C1—C8 | **一句话总纲**:**二维题的一切麻烦都出在"区域"上**——密度写在哪、边缘积到哪、函数分布的新变量取哪些值,三件事都由区域决定。所以做任何一道题,第一步永远是画支撑集。 ## 二、核心层(12 条) ### 1.1 联合分布函数与联合分布律 联合分布函数 $F(x,y)=P\{X\le x,\ Y\le y\}$ ,四条性质:对每个变量单调不减、右连续、$F(-\infty,y)=F(x,-\infty)=0$ 、$F(+\infty,+\infty)=1$ 。 离散型用**表格**:行是 $X$ 的取值、列是 $Y$ 的取值、格子里填 $p_{ij}$ ,**全表之和必须为 1**(这一条是最快的自检)。边缘分布律 = 行和(对 $X$ )与列和(对 $Y$ )。 > **填表的顺序**:先把题给的每个格子的概率写进去,再看还缺哪些格子,用"全表 = 1"和"边缘 = 题给的某行某列和"去补。填空型考题基本都是缺一个格子。 ### 1.2 联合密度与归一化 $f(x,y)\ge0$ 且 $\displaystyle\iint_{\mathbb R^2}f=1$ 。给的密度含未知常数时,**先用归一化定常数再算别的**,否则后面全错。 $$P\{(X,Y)\in D\}=\iint_D f(x,y)\,\mathrm dx\,\mathrm dy .$$ 归一化那一步的积分区域**就是支撑集本身**,不是整个平面——这是最容易多积或少积的地方。 ### 1.3 边缘密度的积分限 $$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dy .$$ 看起来是固定公式,**真正的难点是内层积分的上下限随 $x$ 变**。做法固定:把支撑集画出来,固定 $x$ 画一条竖线,看这条线穿过区域的那一段 $y$ 从哪到哪,那就是积分限。求 $f_Y$ 时改成画横线。 **检验边缘密度**:算完必须验证 $\int f_X=1$ ,且 $f_X$ 的支撑要比 $f$ 的支撑**宽或相等**(投影不会更窄)。 ### 1.4 条件分布与条件密度 离散:$P\{X=x_i\mid Y=y_j\}=\dfrac{p_{ij}}{p_{\cdot j}}$ ,即**在表格里取那一列再按列和归一化**。 连续:$f_{X\mid Y}(x\mid y)=\dfrac{f(x,y)}{f_Y(y)}$ ,$f_Y(y)>0$ 。几何意义是"沿 $y$ 这条横线把联合密度重新归一化"。 条件期望 $E(Y\mid X=x)=\int y\,f_{Y\mid X}(y\mid x)\,\mathrm dy$ 是 $x$ 的函数,把 $x$ 换成 $X$ 得到随机变量 $E(Y\mid X)$ ,再取期望就是重期望公式 $E\big[E(Y\mid X)\big]=EY$ 。 ### 1.5 独立性三重判据 按优先级用: | 判据 | 怎么用 | 什么时候失效 | |---|---|---| | **支撑是矩形 + 可分离** | $f(x,y)=g(x)h(y)$ 且支撑是 $az\}=\prod\big[1-F_i(z)\big].$$ $\max-\min$ 这类"极差"要单独处理,转成 $P\{\vert X-Y\vert>t\}$ 再来(独立同分布时往往有简洁形式)。 ### 3.9 异分布的和 卷积必须分段,**临界值是两个支撑端点之和**:$X\in(0,1)$ 、$Y\in(0,2)$ 时,$Z$ 在 $1$ 与 $2$ 处换公式,分三段。 ### 3.10 由分布函数反求密度与条件密度 $f(x,y)=\dfrac{\partial^2F}{\partial x\partial y}$ ,逐段求偏导($F$ 是分段函数时,每一段都要单独求)。求完立即验 $\iint f=1$ 。条件密度再用 1.4 的公式。 ## 四、二圈层(8 条) ### 4.1 无穷区域上的二维连续 支撑是第一象限这类无界区域时,积分限含 $\infty$ 。**先看联合密度能否分离**——能分离就直接拆成两个一维积分,省一半计算。 ### 4.2 含参密度先定参再讨论 密度带未知常数时,先用归一化定出它,**定完之后独立性的答案可能变**。所以顺序永远是:定参 → 边缘 → 判独立。 ### 4.3 非独立正态的条件分布 $\rho\ne0$ 时 $Y\mid X=x$ 仍正态,条件均值是 $x$ 的**一次函数**,条件方差 $\sigma_2^2(1-\rho^2)$ 与 $x$ 无关。用它验证全方差公式很顺。 ### 4.4 商的分布 $Z=X/Y$ 的密度要按 $z$ 的符号(或与 1 的大小关系)分段,因为 $y