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

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
混合型
全概率
概率论 第3讲 · 点7 混合型与全概率 2026-11-07 知识点带题(7.1 全概率求密度、7.2 混合正态与总方差,共 3 题)
README
01-知识点盘点

点 7 混合型与全概率

真题锚点:2017·22、2020·22(混合正态)、2025·22(复合分布)|重要度 ★★★ 依赖:点 3 的条件密度、点 4 的独立性。盘点对应:§7 全节。

组织原则:混合型的全部技术是先按离散变量分层,再在每层里用条件密度,最后加权求和。这正是全概率公式的连续版。出题顺序:一层(离散 + 连续)→ 复合(随机个数的叠加)→ 混合正态(含总方差公式)。难度标准:★★☆ 两题、★★★ 一题。

知识点 7.1 全概率公式的密度版(出处:知识章 §7.3、§10)

设 X 离散(取值 x_k ,概率 p_k ),在 X=x_k 下 Y 的密度为 f_{Y\mid X=x_k} ,则

f_Y(y)=\sum_k p_k\,f_{Y\mid X=x_k}(y),\qquad F_Y(y)=\sum_k p_kF_{Y\mid X=x_k}(y).

这就是"全概率公式"的密度版:f_Y 是若干条密度的加权平均,权重是层的概率(和为 1 ,所以加权平均仍是密度)。

反向(贝叶斯):

P\{X=x_k\mid Y=y\}=\frac{p_k f_{Y\mid X=x_k}(y)}{f_Y(y)} .

注意 f_Y 可能不是任何"标准分布":它是几个不同形状密度的凸组合,常常没有名字。不要试图把它认成某个分布,直接按分段写出来即可。

知识点 7.2 混合正态与总方差公式(出处:知识章 §10、数字特征章 §二维数字特征)

f_Y(y)=\sum_k p_k\,\varphi\!\left(\frac{y-\mu_k}{\sigma_k}\right)\frac{1}{\sigma_k},\qquad EY=\sum_k p_k\mu_k .

总方差公式(Eve 公式):

DY=E\left[D(Y\mid X)\right]+D\left[E(Y\mid X)\right].

读法:总方差 = 组内方差的平均 + 组间(均值之间)的方差。

两个必记结论:

  1. 混合正态一般不是正态(除非所有 \mu_k,\sigma_k 都相同)——两条不同中心的钟形叠加会出现双峰或平顶;
  2. 但 EY 与 DY 仍可用上面的公式算,不需要写出 f_Y 的表达式 。

题目(按知识点顺序对应)

题 1 · 7.1:两条指数分布的加权(★★☆)

设随机变量 X 的分布律为 P\{X=0\}=P\{X=1\}=\dfrac12 。在 X=0 的条件下 Y\sim E(1) ;在 X=1 的条件下 Y\sim E(2) 。

(Ⅰ)求 f_Y(y) ,并验证它是密度; (Ⅱ)求 P\{Y>1\} ; (Ⅲ)求 P\{X=0\mid Y=2\} 。

怎么想:两层、两条指数,加权求和即可。第三问是贝叶斯——分母就是第一问算出的 f_Y(2) 值,所以先算 f_Y 是必要投资。

解:

(Ⅰ) 两个条件密度分别为 \mathrm e^{-y} 与 2\mathrm e^{-2y} (y>0 ),故

f_Y(y)=\frac12\mathrm e^{-y}+\frac12\cdot2\mathrm e^{-2y}=\frac12\mathrm e^{-y}+\mathrm e^{-2y},\qquad y>0 .

验证:

\int_0^{+\infty}\left(\frac12\mathrm e^{-y}+\mathrm e^{-2y}\right)\mathrm dy=\frac12+\frac12=1\ ✓

(Ⅱ)

P\{Y>1\}=\int_1^{+\infty}\left(\frac12\mathrm e^{-y}+\mathrm e^{-2y}\right)\mathrm dy=\frac12\mathrm e^{-1}+\frac12\mathrm e^{-2}\approx0.2516 .

(第二项:\int_1^{+\infty}\mathrm e^{-2y}\mathrm dy=\frac{\mathrm e^{-2}}{2} 。)

(Ⅲ) 先算 f_Y(2)=\frac12\mathrm e^{-2}+\mathrm e^{-4}=\mathrm e^{-2}\left(\frac12+\mathrm e^{-2}\right) ,分子是第 0 层的贡献:

P\{X=0\mid Y=2\}=\frac{\frac12\mathrm e^{-2}}{\frac12\mathrm e^{-2}+\mathrm e^{-4}}=\frac{1}{1+2\mathrm e^{-2}}\approx\frac{1}{1+0.2707}\approx0.787 .

验算:P\{X=1\mid Y=2\}=\dfrac{2\mathrm e^{-4}}{\frac12\mathrm e^{-2}+\mathrm e^{-4}}=\dfrac{2\mathrm e^{-2}}{1+2\mathrm e^{-2}}\approx0.213 ,两者和为 1 ✓。直观上 Y=2 偏大,而 E(2) 衰减更快,所以更可能来自衰减较慢的 E(1) 这一层 ,答案 0.787>\frac12 合理 ✓。

带走结论:混合密度的三项检查:加权和归一、每一项的支撑都要写、贝叶斯的分母就是混合密度在该点的值。这三步做完,混合型题就只剩算术。

关联 · 盘点 §7.1 全概率公式求密度 | 上游 — | 下游 点 7 题 2 | 速查 十二 混合型两条公式


题 2 · 7.1:随机个数叠加的复合模型(★★☆)

某设备在时间区间 [0,T] 内发生故障的次数 N\sim P(\lambda) ,且各次故障的发生时刻在 [0,T] 上独立且均匀分布。记 T_1 为首次故障时刻(若一次也没发生,规定 T_1=+\infty )。

(Ⅰ)求 P\{T_1>t\} (0\le t\le T ); (Ⅱ)求 T_1 在 (0,T) 上的密度,并说明 P\{T_1=+\infty\} 是多少; (Ⅲ)求 P\{N=0\mid T_1>t\} 。

怎么想:T_1>t 有两种来源——根本没有故障,或有 n 次、但每次都落在 (t,T] 里 。前者是离散概率,后者要用"n 个时刻都在长度 T-t 的区间里"的独立性。求和对 n 求和会合成一个指数。

解:

(Ⅰ) 用全概率(对 N 分层):

P\{T_1>t\}=P\{N=0\}+\sum_{n=1}^{+\infty}P\{N=n\}\left(\frac{T-t}{T}\right)^n .

代入泊松分布律:

=\mathrm e^{-\lambda}+\sum_{n=1}^{+\infty}\frac{\lambda^n\mathrm e^{-\lambda}}{n!}\left(1-\frac tT\right)^n=\mathrm e^{-\lambda}\exp\left\{\lambda\left(1-\frac tT\right)\right\}=\exp\left(-\frac{\lambda t}{T}\right).

(用了 \sum_{n\ge0}\frac{a^n}{n!}=\mathrm e^{a} 与 \mathrm e^{-\lambda}\mathrm e^{\lambda}=1 。)

(Ⅱ) 对 t 求导(0<t<T ):

f_{T_1}(t)=\frac{\lambda}{T}\exp\left(-\frac{\lambda t}{T}\right),\qquad 0<t<T .

在 t=T 处,P\{T_1>t\} 从 \mathrm e^{-\lambda} 突然跳到 1 (因为 t\ge T 时"全部时刻都 >t "不可能,只剩"无故障"),所以 T_1 在 T 之后没有密度,而是有一个质量:

P\{T_1=+\infty\}=P\{N=0\}=\mathrm e^{-\lambda} .

(Ⅲ)

P\{N=0\mid T_1>t\}=\frac{P\{N=0\}}{P\{T_1>t\}}=\frac{\mathrm e^{-\lambda}}{\mathrm e^{-\lambda t/T}}=\exp\left\{-\lambda\left(1-\frac tT\right)\right\}.

验算:\int_0^T\frac{\lambda}{T}\mathrm e^{-\lambda t/T}\mathrm dt=1-\mathrm e^{-\lambda} ;加上质量 \mathrm e^{-\lambda} 恰为 1 ✓——这说明"密度部分 + 原子部分"合起来才是完整分布。再取 t=0 :P\{T_1>0\}=1 ✓;取 t=T :P\{T_1>T\}=\mathrm e^{-\lambda}=P\{N=0\} ✓。

带走结论:"随机个数的复合"必然出现全概率 + 幂级数求和,求和后一般化成指数或幂函数。别忘了检查是否留下原子——"一次都没发生"这种情况会变成一个质量点,只写密度是不完整的。

关联 · 盘点 §7.1 全概率公式求密度 | 上游 点 7 题 1 | 下游 — | 速查 十二 混合型两条公式


题 3 · 7.2:混合正态与总方差(★★★)

设 X 等可能地取 1 与 2 (即 P\{X=1\}=P\{X=2\}=\frac12 )。在 X=k 的条件下 Y\sim N(k,1) 。

(Ⅰ)写出 f_Y(y) ; (Ⅱ)求 EY 与 DY ; (Ⅲ)说明 f_Y 不是正态密度(不必求导,用取值即可); (Ⅳ)求 P\{Y<1.5\} 。

怎么想:(Ⅰ)两条同方差的正态按 \frac12 加权;(Ⅱ)不要用 f_Y 积分,直接用 EY=E[E(Y\mid X)] 与总方差公式;(Ⅲ)算 f_Y 在两个峰与中点处的值就能看出"双峰";(Ⅳ)对称性。

解:

(Ⅰ) 记 \varphi 为标准正态密度,

f_Y(y)=\frac12\varphi(y-1)+\frac12\varphi(y-2),\qquad -\infty<y<+\infty .

(Ⅱ) 条件期望 E(Y\mid X)=X ,故

EY=E[E(Y\mid X)]=EX=\frac{1+2}{2}=\frac32 .

条件方差 D(Y\mid X)=1 (与 X 无关),故 E[D(Y\mid X)]=1 ;又 D[E(Y\mid X)]=DX=\dfrac{(1-1.5)^2+(2-1.5)^2}{2}=0.25 。于是

DY=1+0.25=1.25 .

(Ⅲ) 取三点比较(\varphi(0)=\frac{1}{\sqrt{2\pi}}\approx0.3989 、\varphi(1)=0.3989\,\mathrm e^{-0.5}\approx0.2420 ):

f_Y(1)=f_Y(2)=\frac{\varphi(0)+\varphi(1)}{2}\approx\frac{0.3989+0.2420}{2}=0.3205, f_Y(1.5)=\frac{\varphi(0.5)+\varphi(-0.5)}{2}=\varphi(0.5)=0.3989\,\mathrm e^{-0.125}\approx0.3521 .

中点反而比两"峰"更高,所以没有双峰。原因:两中心相距 1 而 \sigma=1 ,门限 \lvert\mu_1-\mu_2\rvert>2\sigma=2 不满足,两条钟形几乎完全重叠,叠加后仍是单峰(峰在 1.5 )。

但它依然不是正态。判据是:正态密度的对数是二次函数。这里

\ln f_Y(y)=\text{常数}+\ln\left[\mathrm e^{-\frac{(y-1)^2}{2}}+\mathrm e^{-\frac{(y-2)^2}{2}}\right],

方括号里是"两个指数之和",它的对数(log-sum-exp)不是二次函数——例如它在 y\to\pm\infty 时的衰减速率会在两段之间切换,四阶导数不为零。所以 f_Y 是"单峰但非正态"的密度。

(Ⅳ) 由对称性:Y-1.5 的分布关于 0 对称(因为 X-1.5 关于 0 对称,且条件方差相同),故

P\{Y<1.5\}=\frac12 .

也可以硬算:\frac12\Phi(0.5)+\frac12\Phi(-0.5)=\frac12 。

验算:DY=1.25 也可由 EY^2=E[X^2+1]=2.5+1=3.5 得 DY=3.5-2.25=1.25 ✓;P\{Y<1.5\}=\frac12 与对称性一致 ✓。

带走结论:混合正态的三个考点:EY 用重期望、DY 用总方差、是否双峰看 \lvert\mu_1-\mu_2\rvert 与 2\sigma 的比较。别一看到"正态的加权和"就说它是正态——正态的线性组合才是正态,凸组合不是。

关联 · 盘点 §7.2 混合正态 | 上游 — | 下游 — | 速查 十二 混合型两条公式