--- tags: - 数学一 - 在学练习 - 概率论 - 多维随机变量 - 解析 - 中高难度 专题: 概率论 第3讲 · 多维随机变量及其分布 · 中高难度卷解析(12 题) 日期: 2026-10-16 关联: "[[05-试题-中高难度]] · [[01-考点手册]]" --- # 概率论 第3讲 · 中高难度卷 · 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。 --- ## B 组 · 中等 ### 1.(Ⅰ)行和、列和: | $X\backslash Y$ | 0 | 1 | $p_{i\cdot}$ | |---|---|---|---| | **0** | 0.2 | 0.3 | **0.5** | | **1** | 0.4 | 0.1 | **0.5** | | $p_{\cdot j}$ | **0.6** | **0.4** | 1 | $X\sim\begin{pmatrix}0&1\\0.5&0.5\end{pmatrix}$,$Y\sim\begin{pmatrix}0&1\\0.6&0.4\end{pmatrix}$。 **(Ⅱ)** 取 $p_{00}=0.2$,而 $p_{0\cdot}p_{\cdot0}=0.5\times0.6=0.3\ne0.2$,故 **$X$ 与 $Y$ 不相互独立**。 **(Ⅲ)** $Z=X+Y$ 只取 $0,1,2$,按对角求和: $$P\{Z=0\}=p_{00}=0.2,\quad P\{Z=1\}=p_{01}+p_{10}=0.3+0.4=0.7,\quad P\{Z=2\}=p_{11}=0.1.$$ $$Z\sim\begin{pmatrix}0&1&2\\0.2&0.7&0.1\end{pmatrix}$$ > **思路**:离散"和的分布"= 沿**反对角线**求和($X+Y=k$ 的那条线)。 > **易错点**:$X,Y$ **不独立**不影响求和的分布——求 $Z$ 的分布律**永远只用联合表**,与独立性无关。 ### 2.(Ⅰ)独立正态的差仍正态,均值相减、方差相加: $$X-Y\sim N\big(1-2,\ 4+9\big)=N(-1,\ 13).$$ **(Ⅱ)** $$P\{X>Y\}=P\{X-Y>0\}=1-\Phi\!\left(\frac{0-(-1)}{\sqrt{13}}\right)=1-\Phi\!\left(\frac{1}{\sqrt{13}}\right)\approx0.391.$$ **(Ⅲ)** 同分布时 $X-Y\sim N(0,\ 2\sigma^2)$,故 $$P\{|X-Y|<2\}=\Phi\!\left(\frac{2}{\sigma\sqrt2}\right)-\Phi\!\left(-\frac{2}{\sigma\sqrt2}\right)=2\Phi\!\left(\frac{\sqrt2}{\sigma}\right)-1.$$ 结果里**不含 $\mu$、含 $\sigma$** ⟹ **与 $\mu$ 无关,与 $\sigma^2$ 有关**(即真题 2019·8 的选项 A)。 > **思路(中心化)**:$X-Y$ 的分布只由**差的均值**($0$)与**差的方差**($2\sigma^2$)决定;$|X-Y|<2$ 是关于 $X-Y$ 的**对称区间**概率,只依赖 $2\sigma^2$。 > **易错点**:$D(X-Y)=DX+DY$(**独立才可加**),不是 $DX-DY$;求 $P\{X>Y\}$ 时别忘减均值 $-1$ 已含在里面。 ### 3.(Ⅰ) $$\iint_{\!D}cxy\,\mathrm dx\mathrm dy=c\int_0^1\!\!\int_0^{1-x}xy\,\mathrm dy\,\mathrm dx=c\int_0^1 x\cdot\frac{(1-x)^2}{2}\,\mathrm dx=c\cdot\frac12 B(2,3)=c\cdot\frac{1}{24}=1\ \Rightarrow\ \boxed{c=24}$$ **(Ⅱ)** $D$ 是三角形 $x+y<1$,故 $$f_X(x)=\int_0^{1-x}24xy\,\mathrm dy=12x(1-x)^2\quad(0 **思路**:条件密度型问题三步走——**先定域($0 **易错点**:区域是**三角形**不是矩形,内层上限是 $1-x$;$B(2,4)=\dfrac{1!\,3!}{5!}=\dfrac{1}{20}$。 ### 4. $f_{XY}(x,y)=1\cdot e^{-y}$($00$)。用**商的密度公式**(其 $|x|$ 即雅可比): $$f_Z(z)=\int_{-\infty}^{+\infty}|x|\,f(x,zx)\,\mathrm dx=\int_0^1 x\,e^{-zx}\,\mathrm dx\quad(z>0).$$ 两次分部积分(或用 $\int_0^1xe^{-zx}\mathrm dx=\dfrac{1-(1+z)e^{-z}}{z^{2}}$): $$\boxed{\ f_Z(z)=\begin{cases}\dfrac{1-(1+z)e^{-z}}{z^{2}},&z>0\\[6pt]0,&z\le0\end{cases}\ }$$ **自检**:$z\to0^+$ 时分子 $\sim\dfrac{z^2}{2}$,故 $f_Z\to\dfrac12=\displaystyle\int_0^1x\,\mathrm dx$ ✓ > **思路**:商 $Z=Y/X$ 取辅助变量 $V=X$,$|J|=|x|$,故公式里出现 $|x|$;本题也可用"先求 $F_Z$ 再求导":$P\{Y\le zX\}=\int_0^1(1-e^{-zx})\mathrm dx$,求导结果相同。 > **易错点**:支撑集 $z>0$(公式里 $e^{-zx}$ 的收敛要求 $z>0$,与 $Y>0,X>0$ 一致);不要漏掉分母 $z^2$。 ### 5.(Ⅰ)$S_D=\dfrac{\pi}{2}$(上半圆),故 $$f(x,y)=\begin{cases}\dfrac{2}{\pi},&x^2+y^2\le1,\ y\ge0\\0,&\text{其他}\end{cases}$$ **(Ⅱ)** $$f_X(x)=\int_0^{\sqrt{1-x^2}}\frac{2}{\pi}\,\mathrm dy=\frac{2}{\pi}\sqrt{1-x^2}\quad(-1y\iff\cos\theta>\sin\theta\iff\theta<\frac{\pi}{4}\quad\Big(\theta\in\Big[0,\frac\pi2\Big]\Big),$$ 故 $\{x>y\}\cap D$ 是扇形 $\theta\in\big[0,\frac\pi4\big)$,面积 $\dfrac12\cdot1^2\cdot\dfrac\pi4=\dfrac\pi8$。 $$P\{X>Y\}=\frac{S_{\{x>y\}\cap D}}{S_D}=\frac{\pi/8}{\pi/2}=\frac14.$$ > **思路**:均匀分布求概率 = **面积比**;区域带圆就用**极坐标数角度**,比硬积分快得多。 > **易错点**:上半圆的面积是 $\pi/2$ 不是 $\pi$;$\theta\in[\frac\pi2,\pi]$ 那半扇形里 $x<0\le y$,也算进 $\{x **易错点**:$Z$ 的密度是**两块拼接**(正半轴权重 $1-p$、负半轴权重 $p$),不是常规光滑密度;求 $E(XZ)$ 必须用**独立性**拆成 $E(X^2)E(Y)$。 > **结论**:本题与真题同构——**"不相关"可以靠调参数凑出来,但"独立"凑不出来**。 ### 7.(Ⅰ)$\sigma_1=1,\ \sigma_2=2,\ \rho=-0.5$,$\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=-1$。 $$D(X+Y)=DX+DY+2\operatorname{Cov}(X,Y)=1+4+2(-1)=3\ \Rightarrow\ X+Y\sim N(0,3).$$ **(Ⅱ)** $D(X-Y)=DX+DY-2\operatorname{Cov}(X,Y)=1+4-2(-1)=7$。 **(Ⅲ)** 线性组合的协方差(交叉项抵消): $$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY=1-4=-3\ne0.$$ 因 $(X+Y,\ X-Y)$ 仍是 $(X,Y)$ 的线性变换,**仍服从二维正态**,对二维正态"不相关 $\iff$ 独立",故 **$X+Y$ 与 $X-Y$ 不相互独立**。 > **易错点**:$\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=-1$(**负号别丢**),直接导致 $D(X+Y)=3$ 而非 $5$。 > **通用结论**:二维正态下 —— 线性组合仍联合正态;**不相关即独立**;$\operatorname{Cov}(aX+bY,\,cX+dY)=ac\,DX+(ad+bc)\operatorname{Cov}+bd\,DY$。 --- ## C 组 · 拔高 ### 8.(Ⅰ)反解 $$u=x+y,\quad v=x-y\ \Longrightarrow\ x=\frac{u+v}{2},\qquad y=\frac{u-v}{2}.$$ 雅可比行列式(**反解的行列式**): $$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}\tfrac12&\tfrac12\\[4pt]\tfrac12&-\tfrac12\end{vmatrix}=-\frac14-\frac14=-\frac12,\qquad|J|=\frac12.$$ **定义域一起变换**:$0 **思路(雅可比三步)**:① 反解 $x=x(u,v),y=y(u,v)$;② 算 $\left|\dfrac{\partial(x,y)}{\partial(u,v)}\right|$;③ $f_{UV}=f\cdot|J|$,**定义域一并变换**(这一步决定了菱形的四条边)。 > **易错点**:$|J|=\tfrac12$ 是**常数**,很容易被误当成"$f_{UV}$ 也是常数所以独立"——**判断独立必须比较边缘之积**,支撑集是斜菱形这一点就足以否定独立。 > **与 02-试题 第 19 题的分工**:第 19 题练"和非一一→按分支"的比值变换,本题练**一一变换 + 支撑集形状**。 ### 9.(Ⅰ)$(U,V)=(\min,\max)$ 的取值必满足 $0 **思路**:$n$ 个 iid 连续变量的顺序统计量,联合密度 $=n!\,f(x_1)\cdots f(x_n)$(限在 $x_{(1)}<\cdots **巧记**:$U(0,1)$ 两样本的 $\min,\max$ 均值是 $\frac13,\frac23$——正好是 $[0,1]$ 上两个等分点的位置。 ### 10. 卷积(对 $x$ 积分,注意 $f_X$ 只在 $(0,1)$ 非零): $$f_Z(z)=\int_0^1 f_Y(z-x)\,\mathrm dx=\int_0^1 e^{-(z-x)}\,\mathbf 1\{x **思路**:卷积的**分段点来自两个支撑集边界**($x$ 的上限取 $\min(1,z)$),本题分界点就是 $z=1$。 > **易错点**:$00$。 ### 11. 先写联合密度:$f_X(x)=1\ (0 **思路**:条件分布型**永远先写 $f=f_Xf_{Y|X}$**;求 $E(XY)$ 用**条件期望**最快——$E(XY)=E[X\,E(Y\mid X)]$。 > **易错点**:$U(x,2x)$ 的 $E(U^2)=\dfrac{x^2+2x^2+4x^2}{3}$(均值**不一定对称**时别写错,此式只在 $a=x,b=2x$ 时代入);分界 $x **真题骨架**:🟨2022·10 / 2024·9(条件分布 → 相关系数),本题把 $U(0,x)$ 换成 $U(x,2x)$。 ### 12.(Ⅰ)**串联** $T_1=\min(X,Y)$: $$F_{T_1}(t)=1-P\{X>t\}P\{Y>t\}=1-\big(e^{-\lambda t}\big)^2=1-e^{-2\lambda t}\ (t>0),$$ $$\boxed{f_{T_1}(t)=2\lambda e^{-2\lambda t}\ (t>0)}\ \Longrightarrow\ T_1\sim E(2\lambda),\qquad E(T_1)=\frac{1}{2\lambda}.$$ > **结论**:独立同分布指数取 **min 仍是指数**,参数**相加**——"最短寿命"是串联系统的招牌性质。 **(Ⅱ)** **并联** $T_2=\max(X,Y)$: $$F_{T_2}(t)=\big(1-e^{-\lambda t}\big)^2\ (t>0),\qquad f_{T_2}(t)=2\big(1-e^{-\lambda t}\big)\lambda e^{-\lambda t}=2\lambda e^{-\lambda t}\big(1-e^{-\lambda t}\big).$$ 用**期望的可加性**($\max+\min=X+Y$): $$E(T_2)=E(X)+E(Y)-E(T_1)=\frac1\lambda+\frac1\lambda-\frac{1}{2\lambda}=\frac{3}{2\lambda}.$$ **(Ⅲ)** 门槛 $\dfrac{1.5}{\lambda}=\dfrac{3}{2\lambda}$: $$E(T_1)=\frac{1}{2\lambda}<\frac{3}{2\lambda},\qquad E(T_2)=\frac{3}{2\lambda}\ \text{恰好达标}\ \checkmark$$ **并联方案达标**(且恰好取等)。 > **思路(最省力的期望算法)**:恒等式 $\max(X,Y)+\min(X,Y)=X+Y$ 两边取期望即可,**不必再做一次积分**。 > **易错点**:$E(\max)$ 不能写成 $\max(EX,EY)$;$E(\min)\ge$ 与 $\le$ 的方向记牢:串联寿命更短。 > **真题骨架**:🟨2025·22("分段赔付额 + 复合模型"的应用建模风格),本题改为**可靠性工程**情境。 --- ## 附 · 出题质量报告 ### 一、与既有 19 题的分工(**不重复号、不重复数字**) | 本章已被 02-试题 覆盖 | 本卷的定位 | |---|---| | 均匀域离散化(15)、条件均匀相关系数(16)、混合正态(17)、圆域 $X^2+Y^2$(18)、雅可比比值(19) | 避开上述结构,改从下述**真题空档**切入 | ### 二、真题覆盖(对照 ch17 的 11 题) | 真题 | 考法 | 对应题 | 说明 | |---|---|---|---| | 2016·22 | 均匀域 + 离散化 + 函数分布 | 5 | 同域精神,改为**半圆** | | 2017·22 | 混合型 $Z=X+Y$ | 1、10 | 离散型(1)+ **卷积**(10) | | 2018·22 | $Z=XY$ + 协方差 | — | 已由 02-试题 第 9 题覆盖 | | **2019·8** | **正态差 $\lvert X-Y\rvert$** | **2** | ✅ **本卷重点补** | | 2019·22 | 离散×连续乘积 + 不相关 + 独立 | 6 | ✅ 完整复刻考法 | | 2020·22 | 混合正态证明 | — | 已由 02-试题 第 17 题覆盖 | | 2021·22 | 取点分段 + 商分布 | 4 | 商分布换分布组合($U(0,1)$ 与 $E(1)$) | | 2022·10 / 2024·9 | 条件分布 → 相关系数 | **3、11** | 条件期望(3)+ 相关系数(11) | | 2023·22 | 圆域 + Cov + 独立 + 函数分布 | 5、7 | 拆到"边缘 + 独立"与"二维正态线性组合" | | **2025·22** | **复合分布应用建模** | **12** | ✅ **本卷重点补** | ### 三、手法覆盖 离散和分布(1)、正态差(2)、条件密度与条件期望(3、11)、商分布(4)、非矩形域均匀 + 面积比(5)、离散×连续乘积(6)、二维正态线性组合与协方差(7)、**雅可比一一变换 + 菱形支撑集(8)**、**顺序统计量(9)**、**卷积分段(10)**、**min / max 与期望恒等式(12)**。 ### 四、相对 02-试题 新填的 5 个缺口 1. 离散型二维函数分布(两离散变量之和的表格题)→ **第 1 题**; 2. $\lvert X-Y\rvert$ 正态差的完整选择题(2019·8)→ **第 2 题**; 3. 条件期望 / 全期望递推 → **第 3、11 题**; 4. 一般二维函数的联合分布(**雅可比 + 支撑集形状**)→ **第 8 题**; 5. 2025·22 式应用建模 → **第 12 题**。 > 仍**未**覆盖(留作三轮):二维离散与连续的混合卷积(需同时用两种全概率)、二维正态的密度形式推导($\rho$ 的实际含义)。