--- tags: [数学一, 专项突破, 解析, 多维随机变量] 专题: 多维随机变量 日期: 2026-11-11 状态: 第二版 A 组解析,B/C 组见 03b 与 03c 关联笔记: ["[[02-试题]]", "[[01-考点地图]]", "[[03b-解析-中等]]"] --- # 解析(基础)· 多维随机变量 A 组 **这一组虽然叫"核心动作",但每题都包在真实区域里**——只记住公式不够,还要把积分限写对。每题末尾的归因只指一处。 ## 答案速查 | 题 | 核心答案 | |---|---| | A1 | $p_{10}=0.3$ ,$p_{11}=0.45$ ;$P\{X+Y=1\}=0.45$ ;$E(X\vert Y=1)=0.75$ | | A2 | $c=\frac54$ ;$f_X=\frac58(1-x^4)$ ;$f_Y=\frac56(1+2y)\sqrt{1-y}$ ;不独立 | | A3 | $Y$ 边缘 $\frac7{24},\frac{11}{24},\frac5{24},\frac1{24}$ ;$E(X\vert Y=1)=\frac{21}{11}$ ;$\operatorname{Cov}=\frac13$ ;$P\{X+Y=3\}=\frac5{24}$ | | A4 | $f=\frac1{1-x}$ ;$f_Y=-\ln(1-y)$ ;$\operatorname{Cov}=\frac1{24}$ ;$1-\ln2$ | | A5 | 独立 / 不独立 / 不独立 / 不独立 | | A6 | 面积 $\frac13$ ,$f=3$ ;边缘 $3(\sqrt x-x^2)$ 型;$P\{Y0\}=0.1587$ ;$\frac12$ | --- ## A 组 ### 题 A1 · 独立性给的是一个方程 **怎么想**:四个格子里只有一个自由度(三个边缘量定死第四格),所以"独立"这一个方程刚好能定一格。下手点是交叉相乘,不是套边缘公式——边缘里有未知量。 **解**: (Ⅰ)独立性等价于 $p_{00}p_{11}=p_{01}p_{10}$ (第(Ⅲ)问证),代入 $$0.1\,p_{11}=0.15\,p_{10}\ \Longrightarrow\ p_{11}=1.5\,p_{10}.$$ 又 $p_{00}+p_{01}+p_{10}+p_{11}=1$ ,即 $p_{10}+p_{11}=0.75$ ,故 $$p_{10}=0.3,\qquad p_{11}=0.45.$$ 验:$P\{X=0\}=0.25$ ,$P\{Y=1\}=0.6$ ,$0.25\times0.6=0.15=p_{01}$ ✓。 (Ⅱ)$P\{X+Y=1\}=p_{01}+p_{10}=0.15+0.3=0.45$ 。 $P\{X=0\mid Y=1\}=\dfrac{0.15}{0.6}=0.25$ ,故 $P\{X=1\mid Y=1\}=0.75$ ,$E(X\mid Y=1)=0.75$ 。 (Ⅲ)若独立,则 $p_{ij}=p_{i\cdot}p_{\cdot j}$ ,于是 $$p_{00}p_{11}=p_{0\cdot}p_{\cdot0}\cdot p_{1\cdot}p_{\cdot1}=p_{01}p_{10}.$$ 反之设 $p_{00}p_{11}=p_{01}p_{10}$ ,把 $p_{11}=1-p_{00}-p_{01}-p_{10}$ 代入,整理得 $$p_{00}=(p_{00}+p_{01})(p_{00}+p_{10})=p_{0\cdot}p_{\cdot0},$$ 即 $P\{X=0,Y=0\}=P\{X=0\}P\{Y=0\}$ 。同一式子轮换即得其余三格,故独立。 > **归因**:A 类——把"独立"当成一项检验而不是一个可解的方程。表格题里"独立"是最强条件,能反解未知格子。 --- ### 题 A2 · 抛物区域的边缘积分 **怎么想**:$0 **归因**:C 类——求 $f_Y$ 时只积右半支。支撑对 $y$ 轴对称时,横线是"穿过去"的,必须左右都算。 --- ### 题 A3 · 条件分布律先乘后加 **怎么想**:$P\{X=i,Y=j\}=P\{X=i\}P\{Y=j\mid X=i\}$ ,一个 $\frac13$ 乘一个二项概率。四个 $i$ 共 $1+2+3+4=10$ 个格子。 **解**: (Ⅰ)联合分布律(空白为 $0$ ): | $X\backslash Y$ | $0$ | $1$ | $2$ | $3$ | |---|---|---|---|---| | $1$ | $\frac16$ | $\frac16$ | | | | $2$ | $\frac1{12}$ | $\frac16$ | $\frac1{12}$ | | | $3$ | $\frac1{24}$ | $\frac18$ | $\frac18$ | $\frac1{24}$ | 列和:$Y$ 取 $0,1,2,3$ 的概率依次为 $\frac7{24},\frac{11}{24},\frac5{24},\frac1{24}$ ,合计 $1$ ✓。 (Ⅱ)$P\{X=1\mid Y=1\}=\frac{1/6}{11/24}=\frac4{11}$ ,同理 $P\{X=2\mid Y=1\}=\frac4{11}$ ,$P\{X=3\mid Y=1\}=\frac3{11}$ , $$E(X\mid Y=1)=\frac{4+8+9}{11}=\frac{21}{11}.$$ (Ⅲ)$EX=2$ ;$EY=0\cdot\frac7{24}+1\cdot\frac{11}{24}+2\cdot\frac5{24}+3\cdot\frac1{24}=1$ 。 $E(XY)=E\big[X\,E(Y\mid X)\big]=E\Big[X\cdot\frac X2\Big]=\frac12EX^2=\frac12\cdot\frac{14}{3}=\frac73.$ $$\operatorname{Cov}(X,Y)=\frac73-2\cdot1=\frac13.$$ (Ⅳ)$P\{X+Y=3\}=P\{X=2,Y=1\}+P\{X=3,Y=0\}=\frac16+\frac1{24}=\frac5{24}.$ > **归因**:D 类——$E(XY)$ 逐格加权求和也能做,但用 $E[XE(Y\mid X)]$ 一行出结果。条件期望不只是求条件期望,它还是算 $EXY$ 的捷径。 --- ### 题 A4 · 条件均匀的联合密度是常数 **怎么想**:$f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=1\cdot\frac1{1-x}$ 。注意 $f_Y$ 的积分限是 $x\in(0,y)$ ,因为 $x **归因**:B 类——条件密度求 $f_Y$ 时把积分限写成 $0$ 到 $1$ 。限来自"联合密度的支撑",不是边缘的支撑。 --- ### 题 A5 · 四个判据各管一段 **怎么想**:先看支撑是否矩形,再看密度是否可分离。两关都过才敢说独立;任一关不过,只是"这条判据用不上",还要回到定义比一格。 **解**: (Ⅰ)支撑是单位正方形(矩形),$f=4x\cdot y$ 可分离,且 $f_X=2x$ 、$f_Y=2y$ 、乘起来正是 $f$ ,**独立**。 (Ⅱ)支撑 $0 **归因**:A 类——把"不可分离"当成"不独立"的充分条件。正确逻辑是:可分离 $+$ 矩形 $\Rightarrow$ 独立;不可分离 $\Rightarrow$ 该判据失效,须回到定义。 --- ### 题 A6 · 均匀分布用面积比 **怎么想**:区域均匀的两件事——$f=\frac1{S_D}$ ,概率 $=\frac{S_{G\cap D}}{S_D}$ 。$P\{Y **归因**:C 类——$P\{Y0\}$ ,只用一个正态。 **解**: (Ⅰ)$D(X+Y)=4+9+2\cdot3=19$ ,$D(X-Y)=4+9-2\cdot3=7$ , $$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY=4-9=-5.$$ (Ⅱ)$Y-X\sim N(2-1,\ 7)=N(1,7)$ , $$P\{X0\}=\Phi\Big(\frac{1}{\sqrt7}\Big)=\Phi(0.378)=0.6472.$$ (Ⅲ)$Y\mid X=x\sim N\Big(2+0.5\cdot\frac32(x-1),\ 9(1-0.25)\Big)=N\Big(\frac34x+\frac54,\ \frac{27}{4}\Big).$ > **归因**:B 类——$P\{X0$ ,所以 $Y$ 多半更大,概率应 $>0.5$ 。 --- ### 题 A8 · 离散把连续劈成两段 **怎么想**:$Z=X+Y$ 的两个可能来源:$X=0$ 给 $f_Y(z)$ ,$X=1$ 给 $f_Y(z-2)$ ,各带权重 $\frac12$ 。支撑是 $(0,1)\cup(2,3)$ ,中间 $(1,2)$ 是空的。 **解**: (Ⅰ)$EY=\displaystyle\int_0^12y^2\mathrm dy=\frac23$ ,$P\{Y\le EY\}=\int_0^{2/3}2y\,\mathrm dy=\frac49.$ (Ⅱ) $$f_Z(z)=\frac12f_Y(z)+\frac12f_Y(z-2)=\begin{cases}z, & 0 **归因**:D 类——只写 $z\in(0,1)$ 那一段。离散型变量把连续变量的支撑**平移复制**,有几段全看离散变量取几个值。 --- ### 题 A9 · 异参数指数的最值 **怎么想**:$F_{\max}$ 直接乘,但**不要**对 $F^{n}$ 套 $U(0,1)$ 的 $\frac{n}{n+1}$ ——那是同分布专用。这里用 $E(M+N)=EX+EY$ 反推 $EM$ ,比积分快得多。 **解**: (Ⅰ)$F_M(z)=(1-\mathrm e^{-z})(1-\mathrm e^{-2z})$ ,$z>0$ ,求导 $$f_M(z)=\mathrm e^{-z}(1-\mathrm e^{-2z})+2\mathrm e^{-2z}(1-\mathrm e^{-z})=\mathrm e^{-z}+2\mathrm e^{-2z}-3\mathrm e^{-3z}.$$ (Ⅱ)$P\{N>z\}=P\{X>z\}P\{Y>z\}=\mathrm e^{-z}\cdot\mathrm e^{-2z}=\mathrm e^{-3z}$ ,故 $N\sim\mathrm{Exp}(3)$ ,$EN=\frac13$ 。 (Ⅲ)$EM=\displaystyle\int_0^\infty z\,\big(\mathrm e^{-z}+2\mathrm e^{-2z}-3\mathrm e^{-3z}\big)\mathrm dz=1+2\cdot\frac14-3\cdot\frac19=\frac76.$ 验证:$E(M+N)=\frac76+\frac13=\frac32$ ,而 $EX+EY=1+\frac12=\frac32$ ✓。 > **归因**:B 类——把 $N$ 当成 $\mathrm{Exp}(1)$ 或 $\mathrm{Exp}(2)$ 。取 $\min$ 后参数是**相加**的,$\lambda_1+\lambda_2$ 。 --- ### 题 A10 · 换元后支撑才是重点 **怎么想**:$|J|=\frac12$ 是常数,说明 $(U,V)$ 在**变换后的区域**上均匀。区域由 $0 **归因**:A 类——只换密度不换支撑。雅可比三步里第三步(支撑换元)最难,也最常漏。 --- ### 题 A11 · 可加性什么时候失效 **怎么想**:可加性只对四类分布成立,且要求独立。第(Ⅲ)(Ⅳ)两问专门打"以为都能加"的人。 **解**: (Ⅰ)$X+Y\sim B(7,0.4)$ , $$P\{X+Y=2\}=\binom72(0.4)^2(0.6)^5=21\times0.16\times0.07776=0.2613.$$ (Ⅱ)$X+Y\sim P(5)$ ,$P\{X+Y=2\}=\mathrm e^{-5}\dfrac{5^2}{2!}=12.5\,\mathrm e^{-5}\approx0.0842$ 。 (Ⅲ)都不是。$X+Y$ 的密度是三角形 $f(z)=z\ (0 **归因**:A 类——认为"不独立就不能用可加性"。正态的可加性只要求**联合正态**,不要求独立;而"不相关 $\Rightarrow$ 独立"这条只在二维正态下成立,这里正好用上。 --- ### 题 A12 · 从标准正态分布函数里读出参数 **怎么想**:$\Phi(2x+1)=\Phi\Big(\dfrac{x-(-1/2)}{1/2}\Big)$ ,把括号里配成 $\frac{x-\mu}{\sigma}$ 就一次读出 $\mu,\sigma$ 。两个因子相乘且各自只含一个变量 $\Rightarrow$ 独立。 **解**: (Ⅰ)$X\sim N\Big(-\frac12,\frac14\Big)$ ,$Y\sim N\Big(\frac12,\frac14\Big)$ ,且 $F=F_XF_Y$ ,故 $\rho=0$ , $$(X,Y)\sim N\Big(-\frac12,\ \frac12;\ \frac14,\ \frac14;\ 0\Big).$$ (Ⅱ)$\sigma^2=\frac14$ ,$\dfrac{1}{2\pi\sigma^2}=\dfrac{2}{\pi}$ ,$2\sigma^2=\dfrac12$ , $$f(x,y)=\frac{2}{\pi}\exp\Big\{-2\Big(x+\frac12\Big)^2-2\Big(y-\frac12\Big)^2\Big\}.$$ (Ⅲ)$P\{X>0\}=1-\Phi\Big(\dfrac{0+1/2}{1/2}\Big)=1-\Phi(1)=0.1587$ 。 $X+Y\sim N\Big(-\frac12+\frac12,\ \frac14+\frac14\Big)=N\Big(0,\frac12\Big)$ ,故 $P\{X+Y>0\}=\frac12$ 。 > **归因**:C 类——$P\{X>0\}$ 忘记标准化。$\Phi$ 里的系数要先"除进去"变成 $\sigma$ ,再套 $1-\Phi(\cdot)$ 。