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

225 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, 独立性]
专题: 概率论 第3讲 · 点4 随机变量的独立性
日期: 2026-11-07
状态: 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)
关联笔记: ["[[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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$$X\perp Y\iff F(x,y)=F_X(x)F_Y(y)\ \forall x,y\iff f(x,y)=f_X(x)f_Y(y)\ (\text{a.e.})\iff p_{ij}=p_{i\cdot}p_{\cdot j}\ \forall i,j .$$
**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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
**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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/2-random-variables-and-distribution/random-variables-and-distribution.tex))
$$\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY,\qquad \rho=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX\cdot DY}} .$$
| | 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](01-知识点盘点.md#user-content-41-三种等价说法) | 上游 — | 下游 — | 速查 [五 判独立两步](09-速查卡.md#user-content-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](01-知识点盘点.md#user-content-42-判据可分离--支撑矩形) | 上游 — | 下游 — | 速查 [五 判独立两步](09-速查卡.md#user-content-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](01-知识点盘点.md#user-content-43-独立与不相关) | 上游 — | 下游 — | 速查 [六 独立与不相关](09-速查卡.md#user-content-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](01-知识点盘点.md#user-content-44-独立同分布的可加结论) | 上游 — | 下游 — | 速查 [十 最值](09-速查卡.md#user-content-十-最值)
---