Files
Yimu ef51115b22 专项10 第二版:难度对齐真题与张宇30讲
- A 组 12 题整体重做:每题仍只练一个动作,但包在真实区域里、都要分段
  (抛物区域归一化与边缘两支、条件均匀的协方差、区域概率、可加性失效四问等)
- B 组 10 题改为照 2016—2025 真题换数字,补上 2025-22 保险赔付与泊松分裂
- C 组 8 题换成环域均匀、次序统计量、非独立正态残差、混合型、泊松分裂五个新方向
- 题源标注:A2/A12 标张宇 30 讲骨架,B1—B10 标真题年份
- 同步 01 考点地图(题目索引、十年真题锚点)、README、专项突破总索引
- 全部数值经 sympy 复核,三处手算错误已订正(A4 的 Cov、C2 的极差、C4 的期望发散)
2026-11-11 13:59:21 +08:00

14 KiB
Raw Permalink Blame History

tags, 专题, 日期, 状态, 关联笔记
tags 专题 日期 状态 关联笔记
数学一
专项突破
解析
多维随机变量
多维随机变量 2026-11-11 第二版 B 组解析,A/C 组见 03a 与 03c
02-试题
01-考点地图
03a-解析-基础
03c-解析-拔高

解析(中等)· 多维随机变量 B 组

这十题全部对着真题改的数字(2016—2025 的 ch17 真题),问法、分值、分段数都保持原样。做完要能说出"这道题在真题里是哪一年、考的是哪一步"。

答案速查

题 核心答案
B1 P\{U=1\}=\frac12 ;不独立(\frac5{64}\ne\frac{15}{128} );F_Z=2z^{3/2}-\frac32z^2 与 \frac12+\frac32(z-1)^2-(z-1)^3
B2 f_Z=p\mathrm e^{z}\ (z<0) 、(1-p)\mathrm e^{-z}\ (z>0) ;p=\frac12 ;不独立
B3 \operatorname{Cov}=\lambda ;P\{Z=0\}=\mathrm e^{-\lambda} ,P\{Z=\pm k\}=\frac12\mathrm e^{-\lambda}\frac{\lambda^k}{k!} ;非泊松;DZ=\lambda^2+\lambda
B4 f_X=1 ;f_Z=\frac{2}{(z+1)^2}\ (z>1) ;2\ln2-1
B5 F=\frac12\Phi(x)\Phi(y)+\frac12\Phi(\min\{x,y\}) ;\Phi(y) ;\operatorname{Cov}=\frac12 ,\rho=\frac12
B6 \operatorname{Cov}=0 ;不独立;f_Z=2z\ (0<z<1)
B7 P\{Y>0\}=\frac14 ,EY=50 ;M\sim P(2) ;独立
B8 \frac{27}{64} ;f_Z=\frac32z^2 与 \frac32(z-1)^2 ;\frac12
B9 E(Y\vert X)=\frac X2 ;DY=\frac14 ;\operatorname{Cov}=\frac16 ,\rho=\frac{\sqrt3}{3}
B10 f=2 (三角形上均匀);E(XY)=\frac14 ;\operatorname{Cov}=\frac1{36}

题 B1 · 指示变量、独立性与分段分布函数

怎么想:三问是三件事——第一问算面积,第二问挑一格比,第三问把 X 的两个支撑段(U=0 与 U=1 )分别翻到 z 轴上。Z=U+X ,U=0 时 Z\in(0,1) ,U=1 时 Z\in(1,2) ,所以 F_Z 必在 z=1 处分段。

解:

(Ⅰ)D 中 y<x 的部分是 \{0<x<1,\ x^2<y<x\} ,面积 \frac16 ,又 f=3 ,故 P\{U=1\}=3\times\frac16=\frac12 。

(Ⅱ)取 x_0=\frac14 这一格:

P\Big\{U=1,\ X\le\frac14\Big\}=3\int_0^{1/4}(x-x^2)\,\mathrm dx=3\Big(\frac1{32}-\frac1{192}\Big)=\frac5{64}, P\{U=1\}\,P\Big\{X\le\frac14\Big\}=\frac12\cdot3\int_0^{1/4}(\sqrt x-x^2)\,\mathrm dx=\frac32\Big(\frac1{12}-\frac1{192}\Big)=\frac{15}{128}.

\frac5{64}=\frac{10}{128}\ne\frac{15}{128} ,故 U 与 X 不独立。

直观理由:P\{U=1\mid X=x\} 是"竖线穿进三角形下支的比例",随 x 变化,不是一个常数。

(Ⅲ)F_Z(z)=P\{U=0,\ X\le z\}+P\{U=1,\ X\le z-1\} 。

当 0\le z<1 时第二项为 0 (因 X>0 ),

F_Z(z)=3\int_0^z(\sqrt x-x^2)\,\mathrm dx=2z^{3/2}-\frac32z^2 .

当 1\le z<2 时第一项已是 P\{U=0\}=\frac12 ,

F_Z(z)=\frac12+3\int_0^{z-1}(x-x^2)\,\mathrm dx=\frac12+\frac32(z-1)^2-(z-1)^3 .

合起来

F_Z(z)=\begin{cases}0, & z<0,\\[2pt] 2z^{3/2}-\frac32z^2, & 0\le z<1,\\[2pt] \frac12+\frac32(z-1)^2-(z-1)^3, & 1\le z<2,\\[2pt] 1, & z\ge2.\end{cases}

自检:F_Z(1^-)=\frac12 ,F_Z(1)=\frac12 ,F_Z(2^-)=\frac12+\frac32-1=1 ✓。

归因:D 类——P\{U=1,X\le z-1\} 忘了把 z 平移。U 把 X 的支撑整段搬到 (1,2) ,写 F_Z 必须带这个平移量。


题 B2 · 两点分布乘指数:相关但不独立

怎么想:Z 的支撑被 Y 的符号劈成两半,两半的密度分别是 X 密度的翻折与照搬。第(Ⅱ)问要用 \operatorname{Cov}(X,Z)=E(X^2)EY-EX\cdot EZ ,注意 E(X^2) 与 EX 差一个 \frac1\lambda 。

解:

(Ⅰ)当 Y=-1 时 Z=-X<0 ,密度 p\,f_X(-z)=p\,\mathrm e^{z} ;当 Y=1 时 Z=X>0 ,密度 (1-p)\mathrm e^{-z} 。故

f_Z(z)=\begin{cases}p\,\mathrm e^{z}, & z<0,\\[2pt] (1-p)\,\mathrm e^{-z}, & z>0,\\[2pt] 0, & z=0.\end{cases}

(Ⅱ)设 X\sim \mathrm{Exp}(\lambda) ,则 EX=\frac1\lambda ,EX^2=\frac{2}{\lambda^2} ,

E(XZ)=E(X^2Y)=EX^2\cdot EY=\frac{2}{\lambda^2}(1-2p),\qquad EX\cdot EZ=\frac1\lambda\cdot\frac{1-2p}{\lambda}, \operatorname{Cov}(X,Z)=\frac{2(1-2p)}{\lambda^2}-\frac{1-2p}{\lambda^2}=\frac{1-2p}{\lambda^2}.

故 p=\frac12 时 \operatorname{Cov}=0 ,与 \lambda 无关(\lambda^2 只是正因子,不改变零点位置)。题设 \lambda=1 时 \operatorname{Cov}=1-2p 。

(Ⅲ)不独立。p=\frac12 时 Z\le-1\iff Y=-1 且 X\ge1 ,与 X\le1 同时成立的概率为 0 ,故

P\{X\le1,\ Z\le-1\}=0,

但

P\{X\le1\}\,P\{Z\le-1\}=(1-\mathrm e^{-1})\cdot\frac12\mathrm e^{-1}\approx0.116\ne0 .

不独立。更直接的:此时 \vert Z\vert=X ,X 完全决定 \vert Z\vert 。

归因:A 类——由 \operatorname{Cov}=0 直接判"独立"。这题就是"不相关但不独立"的真题原版。


题 B3 · 两点分布乘泊松:分布律与方差

怎么想:Z 的分布律按 X=\pm1 用全概率拆两半。注意 Y 只取非负值,负半轴的概率只来自 X=-1 那一支,不是两支各半再加起来。

解:

(Ⅰ)EX=0 ,EZ=E(XY)=EX\cdot EY=0 ,

\operatorname{Cov}(X,Z)=E(XZ)-EX\cdot EZ=E(X^2Y)=\lambda .

(Ⅱ)k\ge1 时

P\{Z=k\}=\frac12P\{Y=k\}+\frac12P\{Y=-k\}=\frac12\mathrm e^{-\lambda}\frac{\lambda^k}{k!},

同理 P\{Z=-k\}=\frac12\mathrm e^{-\lambda}\frac{\lambda^k}{k!} ;而 P\{Z=0\}=P\{Y=0\}=\mathrm e^{-\lambda} 。

验归一:\mathrm e^{-\lambda}+2\cdot\frac12(1-\mathrm e^{-\lambda})=1 ✓。

Z 不服从泊松分布——泊松只取非负值,Z 却以正概率取负值。(相当于把泊松的概率关于 0 对折,P\{Z=0\} 保持不动。)

(Ⅲ)EZ=0 ,

EZ^2=\sum_{k\ge1}k^2\,\mathrm e^{-\lambda}\frac{\lambda^k}{k!}=\lambda^2+\lambda,

故 DZ=\lambda^2+\lambda ,而 DY=\lambda ,即 DZ=DY+(EY)^2 。

归因:C 类——写成 \frac12P\{Y=k\}+\frac12P\{Y=-k\} 后忘了 P\{Y=-k\}=0 。泊松的支撑是 \{0,1,2,\dots\} ,负项直接删。


题 B4 · 随机取点:先求短的那一段

怎么想:设取到的点为 U\sim U(0,2) ,则 X=\min\{U,2-U\} 。X\le x 对应 U\le x 或 U\ge2-x ,两段各长 x ,故 X\sim U(0,1) 。此后 Y=2-X ,全化成一维。

解:

(Ⅰ)F_X(x)=P\{U\le x\}+P\{U\ge2-x\}=\dfrac x2+\dfrac x2=x (0<x<1 ),

f_X(x)=1,\qquad 0<x<1 .

(Ⅱ)Y=2-X ,Z=\dfrac{2-X}{X}=\dfrac2X-1 。反解 X=\dfrac{2}{z+1} ,\Big|\dfrac{\mathrm dx}{\mathrm dz}\Big|=\dfrac{2}{(z+1)^2} 。X\in(0,1) 对应 z>1 ,

f_Z(z)=\frac{2}{(z+1)^2},\qquad z>1 .

验归一:\displaystyle\int_1^\infty\frac{2}{(z+1)^2}\,\mathrm dz=\Big[-\frac{2}{z+1}\Big]_1^\infty=1 ✓。

(Ⅲ)

E\Big(\frac XY\Big)=E\Big(\frac{X}{2-X}\Big)=\int_0^1\frac{x}{2-x}\,\mathrm dx=\int_0^1\Big(\frac{2}{2-x}-1\Big)\mathrm dx=2\ln2-1\approx0.386 .

归因:C 类——X 与 Y 不独立(Y=2-X ),还想套卷积。两段有函数关系时必须走"一维函数分布",把 Z 化成 X 的函数。


题 B5 · 混合正态:先拆离散再写分布函数

怎么想:Y 由 X_3 决定"抄 X_1 还是抄 X_2 "。联合分布函数按 X_3=0,1 用全概率拆两项,第二项里 X_1 同时受 x 与 y 限制,取 \min 。

解:

(Ⅰ)

F(x,y)=\frac12P\{X_1\le x,\ X_2\le y\}+\frac12P\{X_1\le x,\ X_1\le y\}=\frac12\Phi(x)\Phi(y)+\frac12\Phi\big(\min\{x,y\}\big).

x\le y 时为 \frac12\Phi(x)\Phi(y)+\frac12\Phi(x) ;x>y 时为 \frac12\Phi(x)\Phi(y)+\frac12\Phi(y) 。

(Ⅱ)令 x\to+\infty :

F_Y(y)=\frac12\Phi(y)+\frac12\Phi(y)=\Phi(y),

故 Y\sim N(0,1) 。(也可理解为"以 \frac12 的概率取两个同分布的分量",混合后仍是原分布。)

(Ⅲ)EX_1\cdot EY=0 ,

E(X_1Y)=E\big[X_3X_1^2+(1-X_3)X_1X_2\big]=\frac12EX_1^2+0=\frac12, \operatorname{Cov}(X_1,Y)=\frac12,\qquad \rho_{X_1Y}=\frac{1/2}{1\cdot1}=\frac12 .

归因:D 类——第二项也写成 \Phi(x)\Phi(y) 。X_1\le x 与 X_1\le y 是同一个变量,取 \min 而不是相乘。


题 B6 · 圆盘上的非均匀密度

怎么想:区域与密度都关于两坐标轴偶对称,含 xy 的项积分为 0 ,协方差不用硬算。独立性看边缘乘积,Z 用极坐标。

解:

(Ⅰ)E(XY)=\displaystyle\iint_D xy\cdot\frac2\pi(x^2+y^2)\,\mathrm dA=0 (被积函数关于 x 奇对称),同理 EX=EY=0 ,故

\operatorname{Cov}(X,Y)=0 .

(Ⅱ)\displaystyle f_X(x)=\frac2\pi\int_{-\sqrt{1-x^2}}^{\sqrt{1-x^2}}(x^2+y^2)\,\mathrm dy=\frac{4}{3\pi}\sqrt{1-x^2}\,\big(1+2x^2\big).

由对称性 f_Y 同形。乘积含 (1+2x^2)(1+2y^2) ,与原密度 x^2+y^2 不是一回事,不独立;也可以直接说支撑是圆盘(非矩形)。

(Ⅲ)取极坐标 x=r\cos\theta 、y=r\sin\theta ,r\in(0,1) 、\theta\in(0,2\pi) ,注意面积元是 r\,\mathrm dr\,\mathrm d\theta :

F_Z(z)=P\{X^2+Y^2\le z\}=\frac2\pi\int_0^{2\pi}\!\!\int_0^{\sqrt z}r^2\cdot r\,\mathrm dr\,\mathrm d\theta=z^2,\qquad 0<z<1 .

故

f_Z(z)=2z,\qquad 0<z<1 .

顺带:E(X^2+Y^2)=\frac2\pi\cdot2\pi\int_0^1r^4\mathrm dr=\frac45 ,故 EX^2=\frac25 。

归因:A 类——极坐标下漏掉面积元的那个 r 。r^2 是密度、r 是面积元,两者相乘才是 r^3 。


题 B7 · 保险赔付与泊松分裂

怎么想:第一问是"截断变量求期望",换元 u=100+x ;第二问是"泊松 + 逐次独立标注",标注后两类计数仍是泊松且相互独立。

解:

(Ⅰ)F_X(x)=\displaystyle\int_0^x\frac{2\times100^2}{(100+t)^3}\,\mathrm dt=1-\frac{100^2}{(100+x)^2} ,

P\{Y>0\}=P\{X>100\}=\frac{100^2}{200^2}=\frac14 . EY=\int_{100}^\infty(x-100)\frac{2\times100^2}{(100+x)^3}\,\mathrm dx .

令 u=100+x ,则 x-100=u-200 ,

EY=2\times10^4\int_{200}^\infty\frac{u-200}{u^3}\,\mathrm du=2\times10^4\Big[\frac1{200}-\frac{200}{2\times200^2}\Big]=2\times10^4\cdot\frac1{400}=50 .

(Ⅱ)对 k=0,1,2,\dots ,用全概率拆 N :

P\{M=k\}=\sum_{n\ge k}\mathrm e^{-8}\frac{8^n}{n!}\binom nk p^k(1-p)^{n-k}=\mathrm e^{-8}\frac{(8p)^k}{k!}\sum_{m\ge0}\frac{[8(1-p)]^m}{m!}=\mathrm e^{-8p}\frac{(8p)^k}{k!}.

p=\frac14 时 8p=2 ,故 M\sim P(2) 。

(Ⅲ)M 与 N-M 相互独立,且 N-M\sim P(6) 。性质与证明见 C7 :泊松计数按独立等概率"染色"后,两类计数是相互独立的泊松。

归因:B 类——第二问问的是分布而不是期望,直接用 EY 硬套。Y=(X-100)^+ 是截断变量,只在 x>100 上积分。


题 B8 · 两种密度混合的和

怎么想:与 A8 同型,只是 Y 换成 3y^2 、X 取 0,1 。第(Ⅲ)问用"X=0 那一支必然满足 Z\le1 "最快。

解:

(Ⅰ)EY=\displaystyle\int_0^13y^3\,\mathrm dy=\frac34 ,P\{Y\le EY\}=\int_0^{3/4}3y^2\,\mathrm dy=\Big(\frac34\Big)^3=\frac{27}{64}.

(Ⅱ)

f_Z(z)=\frac12f_Y(z)+\frac12f_Y(z-1)=\begin{cases}\frac32z^2, & 0<z<1,\\[2pt] \frac32(z-1)^2, & 1<z<2,\\[2pt] 0, & \text{其他}.\end{cases}

(Ⅲ)X=0 时 Z=Y\in(0,1) ,必有 Z\le1 ;X=1 时 Z=1+Y>1 。故

P\{Z\le1\}=P\{X=0\}=\frac12 .

验证:\displaystyle\int_0^1\frac32z^2\,\mathrm dz=\frac12 ✓,\displaystyle\int_1^2\frac32(z-1)^2\,\mathrm dz=\frac12 ✓,合计 1 ✓。

归因:D 类——第二段支撑写成 0<z<2 ,或漏掉 \frac12 的权重。权重与支撑是两件事,都要写。


题 B9 · 全方差公式与相关方向

怎么想:D(Y\mid X) 里 p=x/2 是随机的,所以它是二次的,E[D(Y\mid X)] 要算 EX 与 EX^2 两个矩。相关系数为正,符合"X 越大越容易取 1 "的直觉。

解:

(Ⅰ)Y\mid X=x\sim B(1,x/2) ,

E(Y\mid X)=\frac X2,\qquad D(Y\mid X)=\frac X2\Big(1-\frac X2\Big)=\frac X2-\frac{X^2}{4}.

(Ⅱ)EX=1 ,EX^2=\frac43 (U(0,2) 的方差为 \frac13 ,故 EX^2=\frac13+1 )。

EY=E\Big[\frac X2\Big]=\frac12, E\big[D(Y\mid X)\big]=E\Big[\frac X2-\frac{X^2}{4}\Big]=\frac12-\frac13=\frac16, D\big[E(Y\mid X)\big]=D\Big[\frac X2\Big]=\frac14\cdot\frac13=\frac1{12}, DY=\frac16+\frac1{12}=\frac14 .

(Ⅲ)

E(XY)=E\big[X\,E(Y\mid X)\big]=E\Big[\frac{X^2}{2}\Big]=\frac23, \operatorname{Cov}(X,Y)=\frac23-1\cdot\frac12=\frac16,\qquad \rho_{XY}=\frac{1/6}{\sqrt{(1/3)\cdot(1/4)}}=\frac{\sqrt{12}}{6}=\frac{\sqrt3}{3}\approx0.577 .

归因:C 类——漏掉 D[E(Y\mid X)] 这一项。这题漏掉后 DY=\frac16 ,仍有 \rho=0.707\le1 ,范围检查查不出来,必须靠公式。


题 B10 · 条件均匀把密度乘成了常数

怎么想:f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=2(1-x)\cdot\frac1{1-x}=2 ——条件密度的分母正好约掉。于是这题其实是三角形上的均匀分布,三问都能用面积法复核。

解:

(Ⅰ)支撑 0<x<y<1 (上三角),面积 \frac12 ,

f(x,y)=2(1-x)\cdot\frac{1}{1-x}=2,\qquad 0<x<y<1 .

特别之处:f 是常数,即 (X,Y) 在三角形上均匀(1/S_D=1/\frac12=2 ✓)。但这不代表独立——f_X 不均匀,Y\mid X 也依赖 x 。

(Ⅱ)

EX=\int_0^1\!\!\int_x^12x\,\mathrm dy\,\mathrm dx=\int_0^12x(1-x)\,\mathrm dx=\frac13, EY=\int_0^1\!\!\int_x^12y\,\mathrm dy\,\mathrm dx=\int_0^1(1-x^2)\,\mathrm dx=\frac23, E(XY)=\int_0^1\!\!\int_x^12xy\,\mathrm dy\,\mathrm dx=\int_0^1x(1-x^2)\,\mathrm dx=\frac12-\frac14=\frac14 .

(Ⅲ)

\operatorname{Cov}(X,Y)=\frac14-\frac13\cdot\frac23=\frac14-\frac29=\frac1{36}.

归因:B 类——看到条件均匀就写"独立"。条件密度依赖 x 正是不独立的标志;联合密度是常数只说明"在区域上均匀"。