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

315 lines
14 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
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 B 组解析,A/C 组见 03a 与 03c
关联笔记: ["[[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](03c-解析-拔高.md) :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"。