Files

183 lines
10 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, 二维离散型, 分布律]
专题: 概率论 第3讲 · 点2 二维离散型随机变量
日期: 2026-11-07
状态: 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)
关联笔记: ["[[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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$$p_{ij}=P\{X=x_i,\ Y=y_j\},\qquad p_{ij}\ge0,\quad \sum_i\sum_j p_{ij}=1 .$$
**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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$$p_{j\mid i}=P\{Y=y_j\mid X=x_i\}=\frac{p_{ij}}{p_{i\cdot}}\ (p_{i\cdot}>0);\qquad X\perp Y\iff p_{ij}=p_{i\cdot}\,p_{\cdot j}\ \forall i,j .$$
**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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
| 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](01-知识点盘点.md#user-content-21-联合分布律) | 上游 — | 下游 — | 速查 [十三 离散型表格法](09-速查卡.md#user-content-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)](01-知识点盘点.md#user-content-22-独立性判据离散版) | 上游 — | 下游 — | 速查 [十三 离散型表格法](09-速查卡.md#user-content-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](01-知识点盘点.md#user-content-23-三类常见模型) | 上游 — | 下游 — | 速查 [十三 离散型表格法](09-速查卡.md#user-content-十三-离散型表格法)
---