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

12 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
独立性
概率论 第3讲 · 点4 随机变量的独立性 2026-11-07 知识点带题(4.1 三种等价说法、4.2 可分离与矩形支撑、4.3 独立与不相关,共 3 题)
README
01-知识点盘点

点 4 随机变量的独立性

真题锚点:2016·22、2022·10、2024·9(都以"第一问判独立"出现)|重要度 ★★★ 依赖:点 1—点 3 的边缘与条件。盘点对应:§4 全节。

组织原则:先立三种等价说法(定义层),再练判据(技术层),最后辨析"独立 vs 不相关"(概念层)。这三层顺序不能乱——判据是从定义推出来的,不相关是独立的一个必要条件。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2 题。

知识点 4.1 三种等价说法(出处:知识章 §8.1、§8.2)

X\perp Y\iff F(x,y)=F_X(x)F_Y(y)\ \forall x,y\iff f(x,y)=f_X(x)f_Y(y)\ (\text{a.e.})\iff p_{ij}=p_{i\cdot}p_{\cdot j}\ \forall i,j .

含义:独立是"联合分布被两个边缘完全决定"。所以判独立永远只需要比"联合"与"边缘之积"。

三条常用推论:

  1. 若 X\perp Y ,则 g(X)\perp h(Y) 对任意(可测)函数成立;
  2. 若 X\perp Y 且 E 存在,则 E(XY)=EX\cdot EY (逆命题不成立);
  3. n 个变量相互独立 \iff 联合密度 =\prod f_{X_i} ,且任意分组后仍独立。

知识点 4.2 判据:可分离 + 支撑矩形(出处:知识章 §8.2)

连续型三步:

  1. 把 f(x,y) 写成 g(x)h(y) 的形状(只看表达式,不看区域);
  2. 检查支撑集能否写成 x\in I_1 、y\in I_2 的矩形(端点为常数或 \pm\infty );
  3. 归一化:f_Xf_Y=g h\cdot GH ,而 GH=1 ,故 f_Xf_Y=f 。

核心判据(一步定生死):

支撑不是矩形 \Rightarrow 一定不独立,无论 f 能不能分离。

反过来:f 不能分离 \Rightarrow 一定不独立,无论支撑是不是矩形。两条合起来:独立 \iff 可分离 且 支撑矩形。

知识点 4.3 独立与不相关(出处:知识章 §9)

\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY,\qquad \rho=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX\cdot DY}} .
定义 强度
独立 f=f_Xf_Y (全部分布信息) 强
不相关 \rho=0 ,即 E(XY)=EX\,EY (只有二阶信息) 弱

结论链:独立 \Rightarrow 不相关(要求二阶矩存在);反之不成立,唯一例外是二维正态。

标准反例族:X\sim U(-1,1) 、Y=X^2 (偶函数型);X\sim U(-1,1) 、Y=\lvert X\rvert 。两者都因对称性使 E(XY)=0 ,但 Y 由 X 完全决定。


题目(按知识点顺序对应)

题 1 · 4.1:三种说法的一致性(★☆☆)

判断下列说法是否正确:

(Ⅰ)若 X 与 Y 独立,则 X^2 与 \mathrm e^{Y} 独立; (Ⅱ)若 E(XY)=EX\cdot EY ,则 X 与 Y 独立; (Ⅲ)若 f(x,y)=f_X(x)f_Y(y) 在除一条直线外处处成立,则 X 与 Y 独立; (Ⅳ)若 X 与 Y 独立且同分布,则 P\{X<Y\}=\frac12 (假定 P\{X=Y\}=0 )。

怎么想:(Ⅰ)考"函数不破坏独立";(Ⅱ)考"不相关推不出独立";(Ⅲ)考"a.e. 相等就够"——这是连续性带来的宽容;(Ⅳ)是独立同分布的标准用法。

解:

(Ⅰ)正确。独立是分布层面的性质,对 X 作函数、对 Y 作函数后,联合分布仍是"边缘之积":f_{X^2,\mathrm e^Y}(u,v)=f_{X^2}(u)f_{\mathrm e^Y}(v) 。

(Ⅱ)错误。这是把"不相关"当成"独立"。反例见本点题 3。

(Ⅲ)正确。密度只在零测集上不同,不影响任何积分,故仍独立。这正是等价说法里写"a.e."的原因。

(Ⅳ)正确。因同分布,P\{X<Y\}=P\{Y<X\} ;又 P\{X=Y\}=0 ,故两者各为 \frac12 。

带走结论:独立只看"联合是否等于边缘之积",与函数、与零测集上的差异都无关;但不能反着用——E(XY)=EX\,EY 只是二阶层面的信息。

关联 · 盘点 §4.1 三种等价说法 | 上游 — | 下游 — | 速查 五 判独立两步


题 2 · 4.2:可分离却仍不独立(★★☆)

设 (X,Y) 的联合密度为

f(x,y)=\begin{cases}8xy,&0<y<x<1\\[2pt]0,&\text{其他}\end{cases}

(Ⅰ)验证它是密度; (Ⅱ)求 f_X(x) 、f_Y(y) ; (Ⅲ)判断 X 与 Y 是否独立,并说明"8xy 看起来能分离"为什么不足以判独立; (Ⅳ)求 P\left\{Y<\frac X2\right\} 。

怎么想:8xy=(8x)\cdot y ,形式上确实分离。但支撑 0<y<x<1 是三角形,x 的取值范围依赖 y ——这是"分离的是表达式,不分离的是区域"。算完边缘即可看到乘积对不上。

解:

(Ⅰ)

\int_0^1\!\!\int_0^x8xy\,\mathrm dy\,\mathrm dx=\int_0^1 4x^3\,\mathrm dx=1\ ✓

(Ⅱ) 固定 x ,y\in(0,x) :

f_X(x)=\int_0^x8xy\,\mathrm dy=4x^3,\qquad 0<x<1 .

固定 y ,x\in(y,1) :

f_Y(y)=\int_y^1 8xy\,\mathrm dx=4y\left(1-y^2\right),\qquad 0<y<1 .

归一化自检:\int_0^14x^3\mathrm dx=1 ✓;\int_0^14y(1-y^2)\mathrm dy=4\left(\frac12-\frac14\right)=1 ✓。

(Ⅲ) 不独立。看乘积:

f_X(x)f_Y(y)=16x^3y\left(1-y^2\right)\ne8xy=f(x,y)\quad(0<y<x<1).

为什么"能分离"不够:真正的分离必须形如 f(x,y)=g(x)h(y)\cdot I\{x\in I_1\}I\{y\in I_2\} ,其中两个指示函数各自只管一个变量。本题的指示函数是 I\{0<y<x<1\} ,它同时含 x 与 y ,无法拆成两个一维指示函数的乘积。所以"表达式分离"只是必要条件,支撑矩形才是充分性缺的那一半。

(Ⅳ) 区域 0<y<\frac x2 含于 D :

P\left\{Y<\frac X2\right\}=\int_0^1\!\!\int_0^{x/2}8xy\,\mathrm dy\,\mathrm dx=\int_0^1 8x\cdot\frac{x^2}{8}\,\mathrm dx=\int_0^1x^3\,\mathrm dx=\frac14 .

验算:\int_0^{x/2}8xy\,\mathrm dy=8x\cdot\frac{(x/2)^2}{2}=x^3 ✓,再积得 \frac14 ✓。

带走结论:判独立先看支撑,再看表达式。支撑是三角形、圆、0<y<x 这类"耦合"区域时,一律不独立——这条比算边缘快十倍。

关联 · 盘点 §4.2 判据:可分离 + 支撑矩形 | 上游 — | 下游 — | 速查 五 判独立两步


题 3 · 4.3:不相关但不独立的反例(★★☆)

设 X\sim U(-1,1) ,Y=X^2 。

(Ⅰ)求 EX 、EY 、E(XY) 与 \operatorname{Cov}(X,Y) ; (Ⅱ)判断 X 与 Y 是否不相关、是否独立; (Ⅲ)举出一个"独立但不相关"以及一个"相关"的例子,说明三者的层次关系。

怎么想:(Ⅰ)Y 是 X 的偶函数,E(XY)=E(X^3) 在对称区间上是 0 。(Ⅱ)不相关成立,但独立性要用事件去否定:找一个"Y 被 X 完全决定"的显著事件。(Ⅲ)整理层次:独立 \Rightarrow 不相关,反向与"相关"各给一例。

解:

(Ⅰ) X 的密度为 \frac12 (-1<x<1 ):

EX=\int_{-1}^{1}\frac x2\,\mathrm dx=0,\qquad EY=EX^2=\int_{-1}^{1}\frac{x^2}{2}\,\mathrm dx=\frac13, E(XY)=E\left(X^3\right)=\int_{-1}^{1}\frac{x^3}{2}\,\mathrm dx=0 . \operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY=0-0\cdot\frac13=0 .

(Ⅱ) 不相关(\operatorname{Cov}=0 ),但不独立。取事件 \{X>1/2\} 与 \{Y<1/4\} :

P\left\{X>\frac12,\ Y<\frac14\right\}=P\left\{X>\frac12,\ \lvert X\rvert<\frac12\right\}=0 .

而

P\left\{X>\frac12\right\}=\frac{1-\frac12}{2}=\frac14,\qquad P\left\{Y<\frac14\right\}=P\left\{\lvert X\rvert<\frac12\right\}=\frac12,

乘积 \frac14\cdot\frac12=\frac18\ne0 ,故不独立。

(直观看:知道 X>\frac12 就必然知道 Y>\frac14 ,信息完全传递,所以不独立。)

(Ⅲ) 三组例子:

关系 例子 判据
独立(必不相关) X\sim N(0,1) 、Y\sim N(0,1) 独立 f=f_Xf_Y
不相关但不独立 本题 Y=X^2 \operatorname{Cov}=0 但 f\ne f_Xf_Y
相关(必不独立) Y=X \operatorname{Cov}=DX>0

唯一例外:若 (X,Y) 服从二维正态,则不相关 \iff 独立(点 3 题 4 已用)。

带走结论:独立是"分布层",不相关是"二阶层"。二阶层的信息量小,所以"不相关"能推出的结论少得多。考场上看到"不相关"三个字,先问一句:是不是二维正态? 不是,就不能换成独立。

关联 · 盘点 §4.3 独立与不相关 | 上游 — | 下游 — | 速查 六 独立与不相关


题 4 · 4.4:独立同分布的四条推论(★★☆)

设 X 与 Y 相互独立,都服从 E(1) ,令 M=\max\{X,Y\} 、m=\min\{X,Y\} 。

(Ⅰ)求 X+Y 的密度,并说明它为什么不是 E(1) ; (Ⅱ)求 f_M(x) 与 EM ; (Ⅲ)求 Em ,并验证 EM+Em=EX+EY ; (Ⅳ)说明"可加性"为什么只对"和"成立,对 \max 不成立。

怎么想:独立同分布的三条推论各用一次:卷积(和)、F^n (最大)、1-(1-F)^n (最小)。第(Ⅲ)问的恒等式是"最大值与最小值之和等于两变量之和",即 M+m=X+Y 。

解:

(Ⅰ) 卷积:

f_{X+Y}(z)=\int_0^z\mathrm e^{-x}\mathrm e^{-(z-x)}\,\mathrm dx=z\mathrm e^{-z},\qquad z>0 .

这是 \Gamma(2,1) 的密度(\dfrac{z^{2-1}\mathrm e^{-z}}{\Gamma(2)} )。它与 E(1) 完全不同:E(1) 的密度是 \mathrm e^{-z} ,在 z=0 处取最大值;而 z\mathrm e^{-z} 在 z=0 处为 0 ,峰值移到 z=1 。

(Ⅱ) F(x)=1-\mathrm e^{-x} ,故 F_M=F^2 :

F_M(x)=\left(1-\mathrm e^{-x}\right)^2,\qquad f_M(x)=2\left(1-\mathrm e^{-x}\right)\mathrm e^{-x}\quad(x>0). EM=\int_0^{+\infty}x\cdot2\left(1-\mathrm e^{-x}\right)\mathrm e^{-x}\,\mathrm dx=2\left(1-\frac14\right)=\frac32 .

(分项积:\int_0^{+\infty}x\mathrm e^{-x}\mathrm dx=1 ,\int_0^{+\infty}x\mathrm e^{-2x}\mathrm dx=\frac14 。)

(Ⅲ) F_m=1-(1-F)^2=1-\mathrm e^{-2x} ,即 m\sim E(2) ,故

Em=\frac12 . EM+Em=\frac32+\frac12=2=EX+EY\ ✓

恒等式的来源:M+m=X+Y 逐点成立(两个数中较大的加较小的等于两者之和),取期望即得。

(Ⅳ) 可加性来自卷积——卷积只处理"相加"这种线性运算。\max 是非线性的:\max\{x,y\}+\max\{x',y'\}\ne\max\{x+x',y+y'\} ,所以不存在"最大值分布 = 两者分布相加"这种结论,只能回到 F^n 去算。

验算:m\sim E(2) 的结论可独立验证:P\{m>x\}=P\{X>x\}P\{Y>x\}=\mathrm e^{-2x} ✓(这正是指数分布的"最小值仍是指数"性质)。

带走结论:独立同分布只会带来三件礼物:卷积(和)、F^n (最大)、1-(1-F)^n (最小)。别指望它给"差的分布"或"商的分布"——那两个要重新算。

关联 · 盘点 §4.4 独立同分布的可加结论 | 上游 — | 下游 — | 速查 十 最值