Files

10 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
在学练习
概率论
多维随机变量
二维离散型
分布律
概率论 第3讲 · 点2 二维离散型随机变量 2026-11-07 知识点带题(2.1 联合分布律、2.2 条件与独立、2.3 分解模型,共 3 题)
README
01-知识点盘点

点 2 二维离散型随机变量

真题锚点:选填为主(2016·8 多项分布、2022·10 条件分布)|重要度 ★★☆ 依赖:点 1 的边缘与条件。盘点对应:§2 全节。

组织原则:离散型的全部技术就是一张表——联合律写成矩形表,边缘是行和与列和,条件是"除以行和"。出题顺序:建表 → 用表算条件与判独立 → 用分解模型把表"化掉"。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2 题。

知识点 2.1 联合分布律与边缘分布律(出处:知识章 §6.1、§6.2)

p_{ij}=P\{X=x_i,\ Y=y_j\},\qquad p_{ij}\ge0,\quad \sum_i\sum_j p_{ij}=1 .

边缘:p_{i\cdot}=\sum_j p_{ij} (行和,即 X=x_i 的概率)、p_{\cdot j}=\sum_i p_{ij} (列和)。

表格法:把 p_{ij} 填进矩形表,右缘写行和、下缘写列和,右下角写 1 。这一步做完,边缘与条件全部免费。

知识点 2.2 条件分布律与独立性(出处:知识章 §6.3、§8)

p_{j\mid i}=P\{Y=y_j\mid X=x_i\}=\frac{p_{ij}}{p_{i\cdot}}\ (p_{i\cdot}>0);\qquad X\perp Y\iff p_{ij}=p_{i\cdot}\,p_{\cdot j}\ \forall i,j .

判独立的省力做法:找一行看比例。若第 i 行的各格比例与 Y 的边缘比例一致,就对所有行再验;只要有一行不成比例,立刻判不独立。等价说法:独立性 \iff 表中各行的对应格成比例(且比例因子就是行和)。

知识点 2.3 三个分解模型(出处:知识章 §6.1 常见分布、§8.4 独立同分布运算)

模型 内容 典型问法
二项分解 X\sim B(n,p) 等于 n 个独立 0 或 1 的两点变量之和,每个指示"第 k 次成功" 求 \max 、\min ,求"至少一次"型条件概率
泊松分解 X\sim P(\lambda_1) 、Y\sim P(\lambda_2) 独立 \Rightarrow X+Y\sim P(\lambda_1+\lambda_2) ,且 X\mid X+Y=n\sim B\!\left(n,\frac{\lambda_1}{\lambda_1+\lambda_2}\right) 已知总数求某一类的分布
多项分布 n 次试验落入 k 类的计数,\operatorname{Cov}(N_i,N_j)=-np_ip_j\ (i\ne j) 求相关系数(2016·8 骨架)

泊松分解那条结论的推导只有一行:\dfrac{P\{X=k\}P\{Y=n-k\}}{P\{X+Y=n\}} 中 \mathrm e^{-\lambda_1-\lambda_2} 与 n! 全部约掉,剩 \dbinom nk\left(\frac{\lambda_1}{\lambda_1+\lambda_2}\right)^k\left(\frac{\lambda_2}{\lambda_1+\lambda_2}\right)^{n-k} 。


题目(按知识点顺序对应)

题 1 · 2.1:不放回抽样的联合分布律(★☆☆)

袋中有编号 1,2,3 的三个球,从中不放回地依次取两个。令 X 为第一次取到的号码,Y 为第二次取到的号码。

(Ⅰ)写出 (X,Y) 的联合分布律表; (Ⅱ)求边缘分布律,并判断 X 与 Y 是否独立; (Ⅲ)求 P\{X+Y=4\} 。

怎么想:不放回意味着 i\ne j 才可能,先列出 6 个等可能的样本点(概率各 \frac16 ),再把对角线填 0 。判独立只需找一格。

解:

(Ⅰ) 每个有序对 (i,j) (i\ne j )的概率都是 \frac{1}{3}\times\frac{1}{2}=\frac16 :

X\backslash Y 1 2 3 行和
1 0 \frac16 \frac16 \frac13
2 \frac16 0 \frac16 \frac13
3 \frac16 \frac16 0 \frac13
列和 \frac13 \frac13 \frac13 1

(Ⅱ) 边缘都是 \frac13,\frac13,\frac13 (即 X,Y 各自服从 \{1,2,3\} 上的均匀分布)。

不独立:P\{X=1,Y=1\}=0\ne\frac13\cdot\frac13=\frac19 。

(Ⅲ) 满足 i+j=4 的有 (1,3) 与 (3,1) :

P\{X+Y=4\}=\frac16+\frac16=\frac13 .

验算:六格概率之和 6\times\frac16=1 ✓;X+Y 取 3,4,5 ,概率分别为 \frac13 ((1,2),(2,1) )、\frac13 、\frac13 ,合计 1 ✓。

带走结论:"不放回"的最强信号是对角线为 0 这件事。看到对角线上有 0 ,立刻可以判不独立(只要对应边缘非零),不必再算其他格。

关联 · 盘点 §2.1 联合分布律 | 上游 — | 下游 — | 速查 十三 离散型表格法


题 2 · 2.2:由独立性反解未知概率(★★☆)

设二维离散型随机变量 (X,Y) 的联合分布律为

X\backslash Y 1 2 3
0 0.12 a 0.18
1 b 0.20 c

已知 X 与 Y 相互独立。

(Ⅰ)求 a,b,c ; (Ⅱ)求条件分布律 P\{Y=j\mid X=0\} ; (Ⅲ)求 P\{X=1\mid Y\ne2\} 。

怎么想:独立性给出的是比例关系:同一列的两格之比等于两行的行和之比。取第 1 列(0.12 与 b )和第 3 列(0.18 与 c )各得一个比例,联立行和为 1 就能解。

解:

(Ⅰ) 设 P\{X=0\}=p ,则 P\{X=1\}=1-p 。

由第 1 列独立:\dfrac{b}{0.12}=\dfrac{1-p}{p} ;由第 3 列独立:\dfrac{c}{0.18}=\dfrac{1-p}{p} 。两列给出同一个比值,记 r=\dfrac{1-p}{p} ,则

b=0.12r,\qquad c=0.18r .

由第 2 列:a=p\,q_2 、0.20=(1-p)q_2 ,即 a=0.20r ,于是

p=0.12+a+0.18=0.30+0.20r .

又 p+(1-p)=p+rp=1 ,把 p=0.30+0.20r 代入并注意 1-p=rp :

p(1+r)=1\Longrightarrow(0.30+0.20r)(1+r)=1\Longrightarrow0.20r^2+0.50r-0.70=0\Longrightarrow r=1\ (r>0).

故 p=\frac12 ,

a=0.20,\qquad b=0.12,\qquad c=0.18 .

验算:补全后表为

X\backslash Y 1 2 3 行和
0 0.12 0.20 0.18 0.50
1 0.12 0.20 0.18 0.50
列和 0.24 0.40 0.36 1

两行完全相同,故 p_{ij}=\frac12 q_j 对一切格成立 ✓(这正是独立的定义)。

(Ⅱ) 用第 0 行除以行和 0.50 :

P\{Y=1\mid X=0\}=0.24,\quad P\{Y=2\mid X=0\}=0.40,\quad P\{Y=3\mid X=0\}=0.36 .

(在独立的表里,条件分布律就是边缘分布律——这是独立的直接体现。)

(Ⅲ)

P\{Y\ne2\}=0.24+0.36=0.60,\qquad P\{X=1,\ Y\ne2\}=0.12+0.18=0.30, P\{X=1\mid Y\ne2\}=\frac{0.30}{0.60}=\frac12 .

带走结论:独立性的表观特征是"各行成比例",比例因子就是行和。反解未知格时不要逐格套 p_{ij}=p_ip_j ,直接写"同一列两格之比 = 两行和之比",一步一个方程。

关联 · 盘点 §2.2 独立性判据(离散版) | 上游 — | 下游 — | 速查 十三 离散型表格法


题 3 · 2.3:泊松分解与条件二项(★★☆)

设 X\sim P(\lambda_1) 、Y\sim P(\lambda_2) 且相互独立,其中 \lambda_1=2 、\lambda_2=1 。

(Ⅰ)求 X+Y 的分布; (Ⅱ)在已知 X+Y=3 的条件下,求 X 的分布律; (Ⅲ)求 P\{X=1\mid X+Y=3\} 与 E(X\mid X+Y=3) 。

怎么想:这是"泊松分解"的标准形态。X+Y 用可加性;条件分布不要真的去算三个概率再相除——结论是二项分布,参数 \frac{\lambda_1}{\lambda_1+\lambda_2} 。

解:

(Ⅰ) 由泊松的可加性,

X+Y\sim P(\lambda_1+\lambda_2)=P(3),

即 P\{X+Y=n\}=\dfrac{3^n\mathrm e^{-3}}{n!} 。

(Ⅱ) 对 0\le k\le n :

P\{X=k\mid X+Y=n\}=\frac{P\{X=k\}P\{Y=n-k\}}{P\{X+Y=n\}}=\frac{\dfrac{2^k\mathrm e^{-2}}{k!}\cdot\dfrac{1^{n-k}\mathrm e^{-1}}{(n-k)!}}{\dfrac{3^n\mathrm e^{-3}}{n!}}=\binom nk\left(\frac23\right)^k\left(\frac13\right)^{n-k}.

故 X\mid X+Y=n\ \sim\ B\!\left(n,\frac23\right) 。

(Ⅲ) 取 n=3 :

P\{X=1\mid X+Y=3\}=\binom31\cdot\frac23\cdot\left(\frac13\right)^2=\frac{2}{9}\approx0.2222 . E(X\mid X+Y=3)=np=3\times\frac23=2 .

验算(直接除):P\{X=1,Y=2\}=\dfrac{2\mathrm e^{-2}}{1!}\cdot\dfrac{\mathrm e^{-1}}{2!}=\mathrm e^{-3} ;P\{X+Y=3\}=\dfrac{27\mathrm e^{-3}}{6}=4.5\mathrm e^{-3} ;比值 =\dfrac{1}{4.5}=\dfrac29 ✓。

带走结论:"泊松之和 + 已知总数"必然落到二项,比例是 \frac{\lambda_1}{\lambda_1+\lambda_2} 。这条结论让整类题从"算三个无穷级数"变成"套一个二项公式",是选填题里最省时间的一招。

关联 · 盘点 §2.3 三类常见模型 | 上游 — | 下游 — | 速查 十三 离散型表格法