Files
Yimu 60f3f394c0 refactor(概率论第3讲): 按「知识点带题」整体重构,三件套改为盘点+七点分册+速查卡
- 删去 01-考点手册 / 02-试题 / 03-解析 / 04-答疑笔记 / 05-试题-中高难度 / 06-解析-中高难度
- 新建 01-知识点盘点(七节 + 覆盖对照 + 相邻讲接口)、02—08 七个点文件、09-速查卡
- 27 题全部原创数字,A/B/C 难度分层;每题带「怎么想 / 解 / 带走结论」与题目级双向链接
- 关键数值用 sympy 复核:P{X+Y<1}=1/3、Cov=4/225、D(3X-2Y)=108、P{X=0|Y=2}=1/(1+2e^-2) 等
- gen_crosslinks 生成 27 条关联行 + §0.4 反查表 + 速查回查表;链接 143 条 0 异常
- 公式预检 0 处待修;18 处「加粗以公式收尾」已改写句式(补空格会让星号外露)
2026-11-07 12:32:42 +08:00

206 lines
12 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, 在学练习, 概率论, 多维随机变量, 联合分布, 边缘分布]
专题: 概率论 第3讲 · 点1 联合分布与边缘分布
日期: 2026-11-07
状态: 知识点带题(1.1 联合分布函数、1.2 边缘分布、1.3 条件分布,共 4 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 1 联合分布与边缘分布
> 真题锚点:2023·22(联合分布函数)、2016·22(边缘与条件)|重要度 ★★★
> 依赖:第 2 讲的一维分布函数与密度。盘点对应:§1 全节。
**组织原则**:先立定义层——**联合 → 边缘 → 条件**是一条单向的换算链,三者顺序不能颠倒。出题按这条链的条目顺序走。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。
## 知识点 1.1 联合分布函数与四条性质(出处:[知识章 random-variables-and-distribution.tex §5.1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex)|[练习章 §1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/exercise/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$$F(x,y)=P\{X\le x,\ Y\le y\}.$$
四条性质:① 对 $x$ 、对 $y$ 分别**单调不减**;② 对 $x$ 、对 $y$ 分别**右连续**;③ $F(-\infty,y)=F(x,-\infty)=0$ 、$F(+\infty,+\infty)=1$ ;④ **矩形非负**:
$$P\{x_1<X\le x_2,\ y_1<Y\le y_2\}=F(x_2,y_2)-F(x_2,y_1)-F(x_1,y_2)+F(x_1,y_1)\ge0 .$$
第 ④ 条是二维新增的,前三条只是把一维照抄两遍。**一维的"单调 + 右连续 + 规范"在二维不再是充分条件**。
## 知识点 1.2 边缘分布函数(出处:[知识章 §5.1 边缘分布函数](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$$F_X(x)=F(x,+\infty)=\lim_{y\to+\infty}F(x,y),\qquad F_Y(y)=F(+\infty,y).$$
密度与分布律的对应动作是**积分掉 / 求和掉**:
$$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dy,\qquad p_{i\cdot}=\sum_j p_{ij}.$$
## 知识点 1.3 条件分布函数与条件密度(出处:[知识章 §6.3、§7.3](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$$F_{Y\mid X}(y\mid x)=\frac{P\{X=x,\ Y\le y\}}{P\{X=x\}}\ (\text{离散});\qquad f_{Y\mid X}(y\mid x)=\frac{f(x,y)}{f_X(x)}\ (\text{连续,}f_X(x)>0).$$
两条要点:① 条件密度是**一族**密度,支撑随 $x$ 变,**分段点就从这里来**;② 分母必须为正,否则条件无定义。
---
## 题目(按知识点顺序对应)
### 题 1 · 1.1:联合分布函数的四条性质(★☆☆)
> 判断下列说法是否正确,错的举反例:
>
> (Ⅰ)若 $F(x,y)$ 对 $x$ 、对 $y$ 都单调不减,且 $F(-\infty,y)=F(x,-\infty)=0$ 、$F(+\infty,+\infty)=1$ ,则 $F$ 必是某二维随机变量的分布函数;
> (Ⅱ)若 $(X,Y)$ 的联合分布函数为 $F$ ,则 $X$ 的分布函数为 $F(x,+\infty)$ ;
> (Ⅲ)若 $f(x,y)=g(x)h(y)$ 在矩形 $I\times J$ 上成立,则 $X$ 与 $Y$ 相互独立;
> (Ⅳ)若 $(X,Y)$ 服从二维正态分布,则 $X$ 与 $Y$ 独立当且仅当 $\rho=0$ 。
**怎么想**:(Ⅰ)问的是"前三条够不够",答案是不够,缺的正是矩形非负;(Ⅱ)考边缘的定义式;(Ⅲ)考"可分离 + 矩形"这两个条件缺一不可,但还要补一句归一化常数为什么也被吸收了;(Ⅳ)是二维正态独有的性质,要能与一般情形区分开。
**解**:
(Ⅰ)**错误**。取 $F(x,y)=\max\{x+y,\,0\}$ 限制在 $0\le x,y\le1$ 上(区域外按 $0$ 与 $1$ 延拓)。它对 $x$ 、对 $y$ 都单调不减,$F(0,0)=0$ 、$F(1,1)=1$ ,规范性满足。但取矩形 $0<x\le1,\ 0<y\le1$ :
$$F(1,1)-F(1,0)-F(0,1)+F(0,0)=1-1-1+0=-1<0 .$$
矩形概率为负,故不是分布函数。**前三条在二维只是必要条件**。
(Ⅱ)**正确**。这就是边缘分布的定义:$F_X(x)=P\{X\le x\}=P\{X\le x,\ Y<+\infty\}=F(x,+\infty)$ 。
(Ⅲ)**正确**(但需 $I\times J$ 是矩形)。设 $f=g(x)h(y)$ 在 $I\times J$ 上非零,令 $G=\int_I g$ 、$H=\int_J h$ 。归一化给出 $GH=1$ ,于是
$$f_X(x)=g(x)\int_J h=g(x)H,\qquad f_Y(y)=h(y)\int_I g=h(y)G,$$
$$f_X(x)f_Y(y)=g(x)h(y)\,HG=g(x)h(y)=f(x,y).$$
**归一化恰好把 $GH$ 变成 1**,这就是"可分离"能直接推出独立的原因。
(Ⅳ)**正确**。二维正态的联合密度中,$\rho=0$ 时指数部分分裂成两个平方项之和,密度恰好等于两个边缘密度之积。**注意这条不能推广**:一般情形下 $\rho=0$ 只能推出不相关。
**带走结论**:**二维分布函数多一条"矩形非负",少任何一条都不行**。构造反例的套路是"让它在矩形上出现负值"——$\max\{x+y,0\}$ 是最省事的模板。
> **关联** · 盘点 [§1.1 联合分布函数](01-知识点盘点.md#user-content-11-联合分布函数) | 上游 — | 下游 [点 1 题 2](02-点1-联合分布与边缘分布.md#user-content-题-2--11由分布函数算矩形概率) | 速查 [一 三种换算的方向](09-速查卡.md#user-content-一-三种换算的方向)
---
### 题 2 · 1.1:由分布函数算矩形概率(★★☆)
> 设 $(X,Y)$ 的联合分布函数为
>
> $$F(x,y)=\begin{cases}A\left(1-\mathrm e^{-x}\right)\left(1-\mathrm e^{-y}\right),&x>0,\ y>0\\[2pt]0,&\text{其他}\end{cases}$$
>
> (Ⅰ)求 $A$ ;
> (Ⅱ)求边缘分布函数 $F_X(x)$ ,并说明 $X$ 服从什么分布;
> (Ⅲ)求 $P\{1<X\le2,\ Y>1\}$ 。
**怎么想**:(Ⅰ)用 $F(+\infty,+\infty)=1$ ;(Ⅱ)令 $y\to+\infty$ ;(Ⅲ)$Y>1$ 不是"$\le$ "型,先转成 $1-P\{Y\le1\}$ ,再用矩形公式——或者直接用独立性绕开。
**解**:
**(Ⅰ)** 令 $x,y\to+\infty$ :
$$F(+\infty,+\infty)=A\cdot1\cdot1=A=1 .$$
**(Ⅱ)** 令 $y\to+\infty$ :
$$F_X(x)=A\left(1-\mathrm e^{-x}\right)\cdot1=1-\mathrm e^{-x}\quad(x>0),$$
$x\le0$ 时为 $0$ 。这正是参数为 $1$ 的指数分布:$X\sim E(1)$ 。
**(Ⅲ)** 由(Ⅱ)同理 $Y\sim E(1)$ ,且 $F(x,y)=F_X(x)F_Y(y)$ ,故 $X\perp Y$ ,于是
$$P\{1<X\le2,\ Y>1\}=P\{1<X\le2\}\cdot P\{Y>1\}=\left(\mathrm e^{-1}-\mathrm e^{-2}\right)\mathrm e^{-1}\approx0.0855 .$$
**验算(不靠独立性)**:用矩形公式的"无穷版本"
$$P\{1<X\le2,\ Y>1\}=F(2,+\infty)-F(2,1)-F(1,+\infty)+F(1,1),$$
$$=\left(1-\mathrm e^{-2}\right)-\left(1-\mathrm e^{-2}\right)\left(1-\mathrm e^{-1}\right)-\left(1-\mathrm e^{-1}\right)+\left(1-\mathrm e^{-1}\right)^2=\mathrm e^{-1}\left(\mathrm e^{-1}-\mathrm e^{-2}\right),$$
与上面一致 ✓。
**带走结论**:**遇到 "$Y>1$ " 这类反向不等式,先换成 $F(+\infty)$ 再套矩形公式**。四个端点里只要有一个是 $+\infty$ ,就退回一维的 $1-F$ 结构。
> **关联** · 盘点 [§1.1 联合分布函数](01-知识点盘点.md#user-content-11-联合分布函数) | 上游 [点 1 题 1](02-点1-联合分布与边缘分布.md#user-content-题-1--11联合分布函数的四条性质) | 下游 — | 速查 [一 三种换算的方向](09-速查卡.md#user-content-一-三种换算的方向)
---
### 题 3 · 1.2:由联合密度求边缘与区域概率(★★☆)
> 设 $(X,Y)$ 在区域 $D=\{(x,y):0<y<x<1\}$ 上服从均匀分布。
>
> (Ⅰ)写出联合密度;
> (Ⅱ)求边缘密度 $f_X(x)$ 、$f_Y(y)$ ;
> (Ⅲ)求 $P\{X+Y<1\}$ 。
**怎么想**:均匀分布先算面积。边缘密度的积分限要**画竖线**:固定 $x$ 后 $y$ 从 $0$ 跑到 $x$ ,上限是活动的。第三问是区域概率,能算面积就别积分。
**解**:
**(Ⅰ)** $D$ 是顶点为 $(0,0)$ 、$(1,0)$ 、$(1,1)$ 的三角形,面积 $S_D=\frac12$ ,故
$$f(x,y)=\begin{cases}2,&0<y<x<1\\[2pt]0,&\text{其他}\end{cases}$$
**(Ⅱ)** 固定 $x\in(0,1)$ ,$y$ 的区间是 $(0,x)$ :
$$f_X(x)=\int_0^x2\,\mathrm dy=2x,\quad 0<x<1 .$$
固定 $y\in(0,1)$ ,$x$ 的区间是 $(y,1)$ :
$$f_Y(y)=\int_y^1 2\,\mathrm dx=2(1-y),\quad 0<y<1 .$$
**归一化自检**:$\int_0^12x\,\mathrm dx=1$ 、$\int_0^12(1-y)\,\mathrm dy=1$ ✓。
**(Ⅲ)** 区域概率 $=$ 面积比。$D\cap\{x+y<1\}$ 的边界是 $y=x$ 与 $y=1-x$ ,交于 $x=\frac12$ ,故
$$S_{\cap}=\int_0^{1/2}x\,\mathrm dx+\int_{1/2}^{1}(1-x)\,\mathrm dx=\frac18+\frac18=\frac14,$$
$$P\{X+Y<1\}=2\times\frac14=\frac12 .$$
**验算**:区域 $D$ 关于直线 $x+y=1$ 与 $y=x$ 的对称性给出 $P\{X+Y<1\}=\frac12$ ✓(也可以直接积分 $\int_0^{1/2}\!\!\int_0^x2\,\mathrm dy\mathrm dx+\int_{1/2}^{1}\!\!\int_0^{1-x}2\,\mathrm dy\mathrm dx$ )。
**带走结论**:**均匀分布的一切概率都是面积比**,$f$ 只是那个常数。而边缘密度的上限永远是"区域在竖线方向上的活动端点",这就是支撑非矩形时边缘密度会变成 $2x$ 这种非均匀形状的原因。
> **关联** · 盘点 [§1.2 边缘分布函数](01-知识点盘点.md#user-content-12-边缘分布函数) | 上游 — | 下游 — | 速查 [一 三种换算的方向](09-速查卡.md#user-content-一-三种换算的方向)
---
### 题 4 · 1.3:条件密度是一族密度(★★☆)
> 设 $(X,Y)$ 的联合密度为
>
> $$f(x,y)=\begin{cases}\mathrm e^{-y},&0<x<y\\[2pt]0,&\text{其他}\end{cases}$$
>
> (Ⅰ)验证它是密度,并求 $f_X(x)$ ;
> (Ⅱ)求 $f_{Y\mid X}(y\mid x)$ ,并指出它服从什么分布;
> (Ⅲ)说明"条件密度是一族密度"在这里具体指什么。
**怎么想**:先看支撑 $0<x<y$ (第一象限里 $y=x$ 上方的那片)。固定 $x$ 时 $y$ 从 $x$ 到 $+\infty$ ,固定 $y$ 时 $x$ 从 $0$ 到 $y$ 。条件密度 $=$ 联合 $÷$ 边缘,商出来是什么形状,答案就在形状里。
**解**:
**(Ⅰ)** 归一化:
$$\int_0^{+\infty}\!\!\int_x^{+\infty}\mathrm e^{-y}\,\mathrm dy\,\mathrm dx=\int_0^{+\infty}\mathrm e^{-x}\,\mathrm dx=1\ ✓$$
边缘:
$$f_X(x)=\int_x^{+\infty}\mathrm e^{-y}\,\mathrm dy=\mathrm e^{-x},\qquad x>0,$$
即 $X\sim E(1)$ 。
**(Ⅱ)**
$$f_{Y\mid X}(y\mid x)=\frac{f(x,y)}{f_X(x)}=\frac{\mathrm e^{-y}}{\mathrm e^{-x}}=\mathrm e^{-(y-x)},\qquad y>x .$$
令 $t=y-x$ ,则 $f_{T}(t)=\mathrm e^{-t}\ (t>0)$ ,即
$$Y-X\mid X=x\ \sim\ E(1),\qquad \text{与 }x\text{ 无关}.$$
**(Ⅲ)** 这里"一族"的含义是:**每给定一个 $x$ ,就有一条密度曲线** $y\mapsto\mathrm e^{-(y-x)}$ 。这些曲线的**形状完全相同**(都是 $E(1)$ ),只是**起点不同**——起点是 $y=x$ 。所以条件密度的表达式里含 $x$ ,但"分布类型"不含 $x$ 。
对比点 3 题 2 的 $D:0<y<x<1$ :那里 $f_{Y\mid X}(y\mid x)=\frac1x$ ,支撑 $(0,x)$ ,**形状也随 $x$ 变**(区间长度变),这是"族"的另一种形态。
**验算**:$\int_x^{+\infty}\mathrm e^{-(y-x)}\mathrm dy=1$ ✓;且 $f_{X}(x)f_{Y\mid X}(y\mid x)=\mathrm e^{-x}\mathrm e^{-(y-x)}=\mathrm e^{-y}=f(x,y)$ ✓(这条恒等式说明**联合密度总能分解成"边缘 × 条件"**,是贝叶斯公式的密度版)。
**带走结论**:**联合 $=$ 边缘 $\times$ 条件**(永远成立);**联合 $=$ 边缘 $\times$ 边缘**(只在独立时成立)。两式的差别就是"独立性"这三个字的全部内容。
> **关联** · 盘点 [§1.3 条件分布函数](01-知识点盘点.md#user-content-13-条件分布函数) | 上游 — | 下游 — | 速查 [一 三种换算的方向](09-速查卡.md#user-content-一-三种换算的方向)
---