--- tags: [数学一, 大题十年考点, 概率论与数理统计, 多维随机变量, 函数分布, 混合型] 专题: 大题十年考点 · 点14 概率·多维随机变量 日期: 2026-11-01 状态: 知识点带题(14.1 二维密度与独立性、14.2 函数分布、14.3 混合型与全概率、14.4 条件分布与重期望、14.5 协方差与相关系数、14.6 复合分布、14.7 商的分布,共 7 题) 关联笔记: ["[[README]]", "[[01-知识点盘点]]", "[[概率论-第3讲-多维随机变量及其分布]]"] --- # 点 14 概率 · 多维随机变量 > 真题锚点:2016·22、2017·22、2018·22、2019·22、2020·22、2021·22、2023·22、2025·22(十年 **8 题 91 分**)|重要度 ★★★ > 依赖:一维分布、二重积分。盘点对应:§14 全节。完整知识见 [概率论-第3讲](../概率论-第3讲-多维随机变量及其分布/README.md)。 **组织原则**:概率大题**只有两个来源**,这是其中更大的一半(十年 **11 题 105 分**,含 8 道解答题 91 分与 3 道填选 14 分)。7 题按"给定联合密度(求边缘、判独立)$\to$ 卷积 $\to$ 混合型全概率 $\to$ 条件分布算协方差 $\to$ 乘积型与相关性 $\to$ 复合分布(泊松稀疏)$\to$ 商的分布"排。**前三题是 2016—2020 的老骨架,后四题对准 2022—2025 的新重心**——近三年条件分布与协方差连着考了三次(2022·10、2023·22、2024·9),只练前三题会漏掉这一块。 ## 知识点 14.1 二维密度、边缘与独立性(出处:参考仓库未收录,转引 [概率论-第3讲 点3 二维连续型](../概率论-第3讲-多维随机变量及其分布/04-点3-二维连续型与两类分布.md)) 联合密度 $f(x,y)$ 的两条基本性质:$f\ge0$ 且 $\iint_{\mathbb R^2}f=1$ 。 $$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)dy,\qquad f_Y(y)=\int_{-\infty}^{+\infty}f(x,y)dx .$$ **独立** $\iff$ $f(x,y)=f_X(x)f_Y(y)$ (几乎处处)$\iff$ 联合密度的**定义域是矩形**(笛卡尔积)且能分离变量。 **均匀分布的两步**:面积 $S_D=\iint_D1\,d\sigma$ ,$f=1/S_D$ (在 $D$ 内)。**边缘密度靠"固定 $x$ 积 $y$ "**,此时 $y$ 的上下限由区域边界给出——这是最容易写错的地方。 **判独立的快速法**:若 $f\ne0$ 的区域是三角形、圆、$y\ge x^2$ 之类的**非矩形**,一定不独立(边缘密度的支撑不重合)。 ## 知识点 14.2 随机变量函数的分布(出处:[概率论-第3讲 · 点5 函数分布两条路](../概率论-第3讲-多维随机变量及其分布/06-点5-函数分布两条路.md)) **和的分布(卷积)**: $$f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_{Y}(z-x)dx\quad(\text{独立时}).$$ **分段的关键**:被积函数非零要同时满足"$x$ 在 $X$ 的支撑内"与"$z-x$ 在 $Y$ 的支撑内",两个不等式取交,随 $z$ 分段。 **分布函数法(通用)**: $$F_Z(z)=P\{g(X,Y)\le z\}=\iint_{g(x,y)\le z}f(x,y)\,dxdy,$$ 再对 $z$ 求导。**比"套公式"通用**,商、极值、平方都用它。 ## 知识点 14.3 混合型与全概率公式(出处:参考仓库未收录,转引 [概率论-第3讲 · 点7 混合型与全概率](../概率论-第3讲-多维随机变量及其分布/08-点7-混合型与全概率.md)) 两个随机变量一个离散一个连续时,用**全概率**: $$f_Y(y)=\sum_kP\{X=x_k\}\,f_{Y\mid X=x_k}(y).$$ 条件概率的反向问题(求 $P\{X=x_k\mid Y\le y_0\}$ )用**贝叶斯**: $$P\{X=x_k\mid Y\le y_0\}=\frac{P\{X=x_k\}P\{Y\le y_0\mid X=x_k\}}{P\{Y\le y_0\}} .$$ 分母就是上面那个 $f_Y$ 的积分。**这类题的分数全在"分母算对没有"**。 ## 知识点 14.4 条件分布与重期望(出处:[概率论-第3讲 · 点3 条件密度](../概率论-第3讲-多维随机变量及其分布/04-点3-二维连续型与两类分布.md)与[第4讲 · 点4 重期望](../概率论-第4讲-随机变量的数字特征/05-点4-条件期望与重期望.md)) $$f_{Y\mid X}(y\mid x)=\frac{f(x,y)}{f_X(x)} .$$ 条件密度是**一族**密度,支撑随 $x$ 变——分段点就从这里来。**第一步永远先乘出联合密度**,即 $f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)$ ;乘积与 $x$ 无关时,说明 $(X,Y)$ 在某区域上均匀。重期望 $EY=E\left[E(Y\mid X)\right]$ ,算协方差用 $E(XY)=E\left[X\,E(Y\mid X)\right]$ 。 ## 知识点 14.5 协方差与相关系数(出处:[概率论-第4讲 · 点3 协方差与相关系数](../概率论-第4讲-随机变量的数字特征/04-点3-协方差与相关系数.md)) $$\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY,\qquad \rho=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX\cdot DY}} .$$ 双线性;$D(X\pm Y)=DX+DY\pm2\operatorname{Cov}(X,Y)$ 。**不相关 $\ne$ 独立**(二维正态除外)。乘积型固定套路:$X=\pm1$ 时 $X^2=1$ ,故 $XZ=X^2Y=Y$ 、$E(XZ)=EY$ 。 ## 知识点 14.6 复合分布与泊松稀疏(出处:[概率论-第3讲 · 点7 混合型与全概率](../概率论-第3讲-多维随机变量及其分布/08-点7-混合型与全概率.md)) $N\sim P(\lambda)$ 且 $M\mid N=n\sim B(n,p)$ 时,$M\sim P(\lambda p)$ ,$EM=DM=\lambda p$ 。每个事件独立地以概率 $p$ 被留下,留下的仍是泊松——**认出结论直接写,别展开那个和式**。 ## 知识点 14.7 商的分布(出处:[概率论-第3讲 · 点6 四则运算](../概率论-第3讲-多维随机变量及其分布/07-点6-四则运算与最值.md)) $$F_Z(z)=P\{Y\le zX\}=\iint_{y\le zx}f(x,y)\,dxdy,\qquad f_Z=F_Z' .$$ **先求 $F$ 再求导**,因为"$Z\le z$ "能直接翻译成半平面不等式。折叠型:$U\sim U(0,1)$ 时短段 $X=\min(U,1-U)$ 有 $f_X=2\ \left(0 【2016·22 骨架】设二维随机变量 $(X,Y)$ 在区域 $D=\{(x,y):0\le x\le1,\ x^2\le y\le1\}$ 上服从均匀分布。 > > (Ⅰ)求边缘密度 $f_X(x)$ 与 $f_Y(y)$ ;(Ⅱ)判断 $X$ 与 $Y$ 是否独立;(Ⅲ)求 $P\left\{X>\dfrac12\right\}$ 。 **怎么想**:先算区域面积(均匀分布的密度就是面积的倒数),再"固定一个变量积另一个"。判独立看两条:密度能否分离、支撑是不是矩形。 **解**:(Ⅰ)区域面积 $$S_D=\int_0^1\left(1-x^2\right)dx=1-\frac13=\frac23\ \Longrightarrow\ f(x,y)=\frac32,\quad (x,y)\in D .$$ **边缘 $f_X$ **:固定 $x\in[0,1]$ ,$y$ 从 $x^2$ 到 $1$ : $$f_X(x)=\int_{x^2}^{1}\frac32\,dy=\frac32\left(1-x^2\right),\quad 0\le x\le1;\ \text{其余为}\ 0 .$$ **边缘 $f_Y$ **:固定 $y\in[0,1]$ ,由 $x^2\le y$ 得 $x\le\sqrt y$ ,故 $x$ 从 $0$ 到 $\sqrt y$ : $$f_Y(y)=\int_0^{\sqrt y}\frac32\,dx=\frac32\sqrt y,\quad 0\le y\le1;\ \text{其余为}\ 0 .$$ (Ⅱ)**不独立**。在 $0\frac12\right\}=\int_{1/2}^{1}f_X(x)dx=\frac32\left[x-\frac{x^3}{3}\right]_{1/2}^{1}=\frac32\left[\left(1-\frac13\right)-\left(\frac12-\frac1{24}\right)\right]$$ $$=\frac32\left[\frac23-\frac{11}{24}\right]=\frac32\cdot\frac{5}{24}=\frac{5}{16}.$$ **验算**:$\int_0^1f_X=\frac32\left(1-\frac13\right)=1$ ✓;$\int_0^1f_Y=\frac32\cdot\frac23=1$ ✓。$P\{X>1/2\}=\frac{5}{16}\approx0.31$ ,而 $X$ 的密度在 $x$ 大时更小($1-x^2$ 递减),故应小于 $\frac12$ ✓。 **带走结论**:**均匀分布题的三步——算面积、定倒数、按边界积边缘**。判独立优先看"支撑是不是矩形",比逐个验 $f=f_Xf_Y$ 快。 > **关联** · 盘点 [§14.1 二维密度、边缘与独立性](01-知识点盘点.md#user-content-141-二维密度边缘与独立性) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线) --- ### 题 2 · 14.2:离散与连续混合的卷积(★★★) > 设随机变量 $X$ 与 $Y$ 相互独立,$X$ 服从 $(0,1)$ 上的均匀分布,$Y$ 服从参数为 $1$ 的指数分布。令 $Z=X+Y$ 。 > > (Ⅰ)求 $Z$ 的概率密度;(Ⅱ)求 $E(Z)$ 与 $D(Z)$ 。 **怎么想**:两个连续型独立随机变量求和,直接用卷积。被积函数非零要同时满足 $00$ ,即 $\max(0,z-1)0)$ ,其余为 $0$ 。卷积 $$f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)dx=\int_{\max(0,z-1)}^{\min(1,z)}e^{-(z-x)}dx .$$ **当 $z\le0$ ** :区间为空,$f_Z(z)=0$ 。 **当 $0 **关联** · 盘点 [§14.2 随机变量函数的分布](01-知识点盘点.md#user-content-142-随机变量函数的分布) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线) --- ### 题 3 · 14.3:混合型用全概率与贝叶斯(★★☆) > 【2020·22 骨架】设随机变量 $X$ 的分布为 $P\{X=1\}=P\{X=2\}=\dfrac12$ 。在 $X=k$ 的条件下,$Y$ 服从 $(0,k)$ 上的均匀分布($k=1,2$ )。 > > (Ⅰ)求 $Y$ 的概率密度 $f_Y(y)$ ;(Ⅱ)求 $P\{X=1\mid Y\le1\}$ 。 **怎么想**:$X$ 离散、$Y$ 连续,$Y$ 的密度用**全概率**(按 $X$ 的取值加权);反向的条件概率用**贝叶斯**,分母是 $P\{Y\le1\}$ 。 **解**:(Ⅰ)在 $X=k$ 下 $f_{Y\mid X=k}(y)=\frac1k$ ($0 **关联** · 盘点 [§14.3 混合型与全概率](01-知识点盘点.md#user-content-143-混合型与全概率) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线) --- ### 题 4 · 14.4:条件分布算协方差(★★★) > 【2024·9 骨架】设 $X$ 的概率密度为 $f_X(x)=2x\ (0 > (Ⅰ)求 $Y$ 的概率密度;(Ⅱ)求 $\operatorname{Cov}(X,Y)$ 与相关系数 $\rho_{XY}$ 。 **怎么想**:条件密度乘边缘密度得联合密度 $f(x,y)=2x\cdot\frac1x=2$ ——**是常数**,说明 $(X,Y)$ 在三角形 $00$ 合理——$Y$ 的上限就是 $X$ ,$X$ 大时 $Y$ 被抬高;但 $Y$ 在 $(0,x)$ 内仍均匀乱跳,所以远不到 $1$ 。 **带走结论**:**给条件密度的题,第一步永远是乘出联合密度**;乘出来是常数就按区域均匀处理。本题若走重期望更快:$E(Y\mid X)=\frac X2$ ,故 $E(XY)=E\left[\frac{X^2}{2}\right]=\frac{EX^2}{2}=\frac14$ ,一行到位。 > **关联** · 盘点 [§14.4 条件分布与重期望](01-知识点盘点.md#user-content-144-条件分布与重期望) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线) --- ### 题 5 · 14.5:乘积型与相关性(★★★) > 【2018·22、2019·22 骨架】设 $X$ 与 $Y$ 相互独立,$P\{X=1\}=P\{X=-1\}=\frac12$ ,$Y$ 服从参数为 $2$ 的泊松分布。令 $Z=XY$ 。 > > (Ⅰ)求 $\operatorname{Cov}(X,Z)$ ;(Ⅱ)求 $Z$ 的分布律;(Ⅲ)问 $X$ 与 $Z$ 是否相互独立。 **怎么想**:别展开 $\operatorname{Cov}$ 的四项。$X=\pm1$ 时 $X^2=1$ ,于是 $XZ=X^2Y=Y$ ,故 $E(XZ)=EY=2$ ;又 $EX=0$ ,得 $\operatorname{Cov}(X,Z)=2$ 。(Ⅱ)$Z$ 的正负完全由 $X$ 的符号决定,$Z=0$ 只在 $Y=0$ 时出现。 **解**:(Ⅰ) $$\operatorname{Cov}(X,Z)=E(XZ)-EX\cdot EZ=EY-0=2 .$$ (Ⅱ)$Y\ge0$ ,故 $Z=0\iff Y=0$ ,$P\{Z=0\}=e^{-2}$ 。对 $k\ge1$ : $$P\{Z=k\}=P\{X=1,Y=k\}=\frac12\cdot\frac{2^k}{k!}e^{-2},\qquad P\{Z=-k\}=P\{X=-1,Y=k\}=\frac12\cdot\frac{2^k}{k!}e^{-2} .$$ 归一性:$e^{-2}+2\sum_{k\ge1}\frac12\frac{2^k}{k!}e^{-2}=e^{-2}+\left(1-e^{-2}\right)=1$ ✓。 (Ⅲ)**不独立**。取 $Z=2$ : $$P\{X=1,Z=2\}=P\{X=1,Y=2\}=\frac12\cdot2e^{-2}=e^{-2},$$ $$P\{X=1\}\cdot P\{Z=2\}=\frac12\cdot\frac12\cdot2e^{-2}=\frac12e^{-2}\ne e^{-2} .$$ **验算**:$EZ=0$ (正负对称)✓,与(Ⅰ)的 $\operatorname{Cov}=E(XZ)$ 一致;$E(Z^2)=E(X^2Y^2)=EY^2=2+4=6$ ,与 $DZ=EZ^2-(EZ)^2=6$ 相符。 **带走结论**:**乘积型的第一反应是"$X$ 只改符号、不改大小"**。$X=\pm1$ 时所有 $X^2$ 都退成 $1$ ,而 $\operatorname{Cov}(X,XY)=E(X^2Y)-EX\cdot E(XY)$ 的第二项因 $EX=0$ 直接消失——$\operatorname{Cov}=\lambda$ 不是巧合。 > **关联** · 盘点 [§14.5 协方差与相关系数](01-知识点盘点.md#user-content-145-协方差与相关系数) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线) --- ### 题 6 · 14.6:复合分布与泊松稀疏(★★★) > 【2025·22 骨架】设损失额 $X$ 的概率密度为 $f(x)=\frac{2}{(1+x)^3}\ (x>0)$ ,其余为 $0$ 。赔付额 > > $$Y=\begin{cases}0,&X\le1\\ X-1,&X>1\end{cases}$$ > > (Ⅰ)求 $P\{Y>0\}$ 与 $EY$ ;(Ⅱ)一年内损失次数 $N\sim P(4)$ ,在 $N=n$ 的条件下理赔次数 $M\sim B(n,p)$ ($p=P\{Y>0\}$ ),求 $M$ 的分布律与 $EM$ 。 **怎么想**:$Y>0\iff X>1$ ,一个积分;$EY$ 是 $(x-1)$ 乘密度在 $(1,+\infty)$ 上积分,令 $t=1+x$ 后变成两个幂函数。第二问是**两级随机**:先得 $p$ ,再认"泊松稀疏"直接写 $M\sim P(4p)$ 。 **解**:(Ⅰ) $$p=P\{Y>0\}=\int_1^{+\infty}\frac{2}{(1+x)^3}dx=\left[-\frac{1}{(1+x)^2}\right]_1^{+\infty}=\frac14 .$$ $$EY=\int_1^{+\infty}\frac{2(x-1)}{(1+x)^3}dx\ \overset{t=1+x}{=}\ 2\int_2^{+\infty}\frac{t-2}{t^3}dt=2\left(\frac12-\frac14\right)=\frac12 .$$ (Ⅱ)$\lambda=4$ 、$p=\frac14$ ,由泊松稀疏: $$M\sim P(1),\qquad P\{M=k\}=\frac{1}{k!}e^{-1}\ (k=0,1,2,\dots),\qquad EM=4p=1 .$$ **验算**:$\int_0^{+\infty}\frac{2}{(1+x)^3}dx=1$ ✓;$P\{X>1\}=\frac14$ 与 $F(1)=1-\frac14=\frac34$ 一致 ✓。又 $E[Y\mid Y>0]=\frac{EY}{p}=2$ ,即"一旦出险平均赔 2",量级合理。 **带走结论**:**"次数乘次数"的题,第二级若是二项就套泊松稀疏**:$M\sim P(\lambda p)$ ,$\lambda$ 直接乘 $p$ ,$E$ 与 $D$ 都是 $\lambda p$ 。这类题的分全在(Ⅰ)的两个积分上,(Ⅱ)是一行结论——只在题目要求"证明"时才展开那个和式。 > **关联** · 盘点 [§14.6 复合分布与泊松稀疏](01-知识点盘点.md#user-content-146-复合分布与泊松稀疏) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线) --- ### 题 7 · 14.7:商的分布与折叠(★★☆) > 【2021·22 骨架】在区间 $(0,1)$ 上随机取一点,把区间分成两段,较短一段的长度记为 $X$ 、较长一段记为 $Y$ ,令 $Z=\frac YX$ 。 > > (Ⅰ)求 $X$ 的概率密度;(Ⅱ)求 $Z$ 的概率密度;(Ⅲ)求 $E\left(\frac XY\right)$ 。 **怎么想**:设取点 $U\sim U(0,1)$ ,则 $X=\min(U,1-U)$ ——这是一次**折叠**,先用分布函数求密度。$Z=\frac{1-X}{X}=\frac1X-1$ 是 $X$ 的减函数,"$Z\le z$ "可直接翻译成"$X\ge\frac{1}{1+z}$ "。 **解**:(Ⅰ)$01;\ \text{其余为 }0 .$$ (Ⅲ) $$E\left(\frac XY\right)=\int_0^{1/2}\frac{2x}{1-x}dx=2\left[-\ln(1-x)-x\right]_0^{1/2}=2\ln2-1\approx0.386 .$$ **验算**:$\int_1^{+\infty}\frac{2}{(1+z)^2}dz=2\cdot\frac12=1$ ✓;$Z>1$ 与"长段大于短段"一致 ✓;$0<\frac XY<1$ 而 $2\ln2-1\approx0.386\in(0,1)$ ✓。 **带走结论**:**商的题"先 $F$ 后 $f$ "**:$Z\le z$ 是半平面,与支撑求交只动一个上限;硬凑 $f_Z=\int|x|f(x,xz)dx$ 容易漏绝对值与分段。折叠型 $\min(U,1-U)$ 先算 $F$ 得到均匀密度,是全套的入口。 > **关联** · 盘点 [§14.7 商的分布](01-知识点盘点.md#user-content-147-商的分布) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线) ---