Files
MathNotesVersion2/基于考研的学习/数学一/知识点构建/24-专背清单-概率论-第3讲-多维随机变量.md
Yimu 8c4b35a709 概率论专背清单:六讲 231 条口袋卡(21—27)
背诵版 16—20 是讲义态(一讲 1.2—2.3 万字符),复习一次 40 分钟且看完记不住。
用户反馈「不是不理解,是背的东西太多,靠逻辑推演速度太慢」,故另做记忆态清单。

- 21 总纲:收录标准(只收推不出或推起来超十秒的)、五型标签(式/表/判/模/反)、
  三轮刷法、六张跨讲对照(除数账本、独立四种说法、标准化三次、自由度账本、
  三对易混、两类错误)
- 22—27 六讲:32/44/41/36/25/53 条,合计 231 条,全刷 32 分钟
- 每册末「十秒自检」四条到六条,作为过关判据
- 考前三天只看「反」型(不成立断言与反例)与「表」型
- README 加 §四·五 说明分工:清单卡住 → 背诵版查全 → 在学练习看推导
- 总览目录树补入知识点构建(此前遗漏)
- 顺带修两处公式内伪链接(f'[...](b-a)、[x+(n-1)a](x-a)),check_md_links 归零
2026-11-17 20:09:09 +08:00

185 lines
9.6 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, 知识点构建, 专背清单, 概率论, 二维随机变量, 卷积]
专题: 概率论 · 第3讲 多维随机变量及其分布 · 专背清单
日期: 2026-11-17
状态: 41 条(式 17 / 表 4 / 判 8 / 模 3 / 反 9)
来源: 知识点构建 17 背诵版;在学练习第3讲七点;真题库 chapter 17
关联笔记: ["[[21-专背清单-概率论-00-总纲与跨讲对照]]", "[[17-背诵版-概率论-第3讲-多维随机变量及其分布]]"]
---
# 第 3 讲 多维随机变量 · 专背清单
> 41 条。本讲的背诵重心不是公式,是**三条判定**:支撑是不是矩形、能不能分离、卷积的积分限从哪到哪。这三件事推起来慢、错起来狠。
## 一、联合分布与边缘(9 条)
**L3-01** `式` 联合分布函数:$F(x,y)=P\{X\le x,\ Y\le y\}$ 。
 └ 两个不等号**都朝右**,缺一不可。
**L3-02** `表` 联合 $F$ 的五条性质(比一维多两条):
| # | 性质 |
|---|---|
| ① | 对每个变量单调不减 |
| ② | 对每个变量右连续 |
| ③ | $F(-\infty,y)=F(x,-\infty)=0$ |
| ④ | $F(+\infty,+\infty)=1$ |
| ⑤ | **矩形概率非负**(这是二维独有的一条) |
**L3-03** `式` 矩形概率:
$$P\{x_1<X\le x_2,\ y_1<Y\le y_2\}=F(x_2,y_2)-F(x_2,y_1)-F(x_1,y_2)+F(x_1,y_1).$$
 └ 记法:**右上减两个、左下加回**。符号就是"选了几个坐标"。
**L3-04** `式` 边缘分布函数:$F_X(x)=F(x,+\infty)$ ,$F_Y(y)=F(+\infty,y)$ 。
 └ 就是把另一个变量"放到最右"。
**L3-05** `式` 边缘密度:$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dy$ ,$f_Y(y)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dx$ 。
 └ **积掉谁,就得到另一个的边缘**。这句反过来说最容易错。
**L3-06** `模` 求边缘密度的真实难点是**定积分限**:画支撑集,固定 $x$ ,看 $y$ 被夹在哪两条曲线之间。
 └ 若上限随 $x$ 变,边缘就是 $x$ 的函数;若夹法随 $x$ 变(如 $0<x<1$ 与 $x>1$ 两种夹法),**必须分段**。
**L3-07** `式` 归一化:$\iint_Df(x,y)\,\mathrm dx\,\mathrm dy=1$ ,用来求待定常数。
 └ 二维题的第一步几乎都是它。
**L3-08** `判` 联合密度存在要求 $F$ 二阶混合偏导存在且 $f=\frac{\partial^2F}{\partial x\partial y}$ 。
 └ 判断题的错项常给一个"$F$ 有跳跃"的例子。
**L3-09** `坑` 边缘密度**不唯一决定联合密度**。同一个 $f_X$ 与 $f_Y$ 可以配出无穷多个联合密度。
 └ 所以"给两个边缘求联合"是错题;必须再加独立或条件信息。
## 二、条件分布(6 条)
**L3-10** `式` 条件密度:$f_{Y\mid X}(y\mid x)=\dfrac{f(x,y)}{f_X(x)}$ ,要求 $f_X(x)>0$ 。
 └ 固定 $x$ 后它关于 $y$ 的积分为 1,是**一个新的密度**。
**L3-11** `式` 条件分布律:$p_{j\mid i}=P\{Y=y_j\mid X=x_i\}=\dfrac{p_{ij}}{p_{i\cdot}}$ 。
 └ 分母是**行和**。
**L3-12** `式` 条件分布函数:$F_{Y\mid X}(y\mid x)=\dfrac{\int_{-\infty}^{y}f(x,t)\,\mathrm dt}{f_X(x)}$ 。
 └ 分子是"沿竖线积分",不是二重积分。
**L3-13** `判` 由条件反解联合:$f(x,y)=f_X(x)\,f_{Y\mid X}(y\mid x)$ 。
 └ 若题给"$Y\mid X=x$ 服从某分布"(如 $U(x,1)$ ),就是从这里进。2022·10、2024·9 都是这个套路。
**L3-14** `式` 条件期望:$E(Y\mid X=x)=\int y\,f_{Y\mid X}(y\mid x)\,\mathrm dy$ ,它是 $x$ 的函数。
 └ 把 $x$ 换回 $X$ 就成随机变量 $E(Y\mid X)$ 。
**L3-15** `反` $f_{Y\mid X}$ 与 $f_{X\mid Y}$ **不是倒数关系**,它们的分母不同。
 └ 关系由贝叶斯给出:$f_{Y\mid X}=\frac{f_{X\mid Y}f_Y}{f_X}$ 。
## 三、独立性(7 条)
**L3-16** `式` 独立三等价(按类型选一个用):$F(x,y)=F_X(x)F_Y(y)$ ;$p_{ij}=p_{i\cdot}p_{\cdot j}$ ;$f(x,y)=f_X(x)f_Y(y)$ 。
**L3-17** `判` **判断独立的三步**(按顺序,能早停就停):
| 步 | 动作 | 结论 |
|---|---|---|
| ① | 画支撑集 | **非矩形 ⟹ 必不独立**,结束 |
| ② | 支撑是矩形时,看 $f$ 能否写成 $g(x)h(y)$ | 能 ⟹ 独立 |
| ③ | 写不成 ⟹ 算边缘,验证 $f\overset{?}{=}f_Xf_Y$ | 不等 ⟹ 不独立 |
**L3-18** `反` **支撑不是矩形,一定不独立**(即使 $f$ 看起来能分离)。
 └ 反例:$f=2$ 在三角形 $0<y<x<1$ 上。$f$ 是常数"看起来能分离",但支撑是三角形,$X$ 的取值范围依赖 $Y$ ,故不独立。
**L3-19** `反` 支撑是矩形、$f$ 也能分离,**才**独立。两个条件缺一不可。
 └ 反例:$f=\frac65(x+y^2)$ 在单位正方形上——支撑是矩形,但 $f$ 分不开,不独立。
**L3-20** `式` 独立的两条推论:$E(XY)=EX\,EY$ ;$D(X\pm Y)=DX+DY$ 。
 └ 反向都不成立(见第 4 讲 L4-24)。
**L3-21** `式` 独立时的卷积退化为乘积:$f(x,y)=f_X(x)f_Y(y)$ ,联合分布函数直接相乘。
 └ 求 $P\{X\le a,Y\le b\}$ 时不必二重积分,两个 $\Phi$ 或两个 $F$ 相乘即可。
**L3-22** `判` 独立性的**函数封闭**:$X,Y$ 独立时,$g(X)$ 与 $h(Y)$ 独立(对任意可测 $g,h$ )。
 └ 用途:$X^2$ 与 $Y^2$ 独立、$\max$ 与 $\min$ 的独立性判定都靠这条。
## 四、两类特殊二维分布(6 条)
**L3-23** `式` 二维均匀:$f(x,y)=\dfrac{1}{S_D}$ (在区域 $D$ 内),$S_D$ 是面积。
 └ 于是**概率 = 面积比**。这是二维均匀题的唯一入口。
**L3-24** `判` 二维均匀下 $X,Y$ 独立 $\iff$ $D$ 是**边平行于坐标轴的矩形**。
 └ 圆盘、三角形、环域都不独立。
**L3-25** `表` 二维正态 $N(\mu_1,\mu_2;\sigma_1^2,\sigma_2^2;\rho)$ 的五条性质:
| # | 性质 |
|---|---|
| ① | 两个边缘都是正态:$X\sim N(\mu_1,\sigma_1^2)$ 、$Y\sim N(\mu_2,\sigma_2^2)$ |
| ② | **独立 $\iff$ $\rho=0$ **(唯一有此性质的分布族) |
| ③ | 任意线性组合 $aX+bY$ 仍正态 |
| ④ | 条件分布仍正态 |
| ⑤ | 密度等高线是椭圆,$\rho$ 决定倾斜方向 |
**L3-26** `式` 二维正态的条件分布(必背,考过两次):
$$Y\mid X=x\ \sim\ N\!\left(\mu_2+\rho\frac{\sigma_2}{\sigma_1}(x-\mu_1),\ \sigma_2^2(1-\rho^2)\right).$$
 └ 条件期望是 $x$ 的**线性函数**(回归直线),条件方差**与 $x$ 无关**且等于 $\sigma_2^2(1-\rho^2)$ 。
**L3-27** `反` 边缘都正态 **不推出** 联合正态。
 └ 反例:$X\sim N(0,1)$ ,$Y=\pm X$ (等概率取号),边缘都是 $N(0,1)$ 但 $(X,Y)$ 不服从二维正态(支撑是两条线)。
**L3-28** `式` 二维正态的独立性判据:$\rho=0$ 。**不建议**去算 $f=f_Xf_Y$ ,太慢。
## 五、函数分布(9 条)
**L3-29** `表` 四条路线怎么选:
| $Z$ 的形态 | 方法 |
|---|---|
| $Z=X+Y$ ,$X,Y$ 独立 | 卷积公式 |
| $Z=g(X,Y)$ 一般,或非独立 | 分布函数法(二重积分) |
| $(U,V)=(u(X,Y),v(X,Y))$ 双向可解 | 雅可比 |
| $Z=\max$ 或 $\min$ | 直接用 $F$ 的乘积式 |
**L3-30** `式` 和的卷积:$f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)\,\mathrm dx$ (独立时)。
 └ **积分限由"$x$ 与 $z-x$ 同时落在各自支撑内"决定**。这一步是卷积唯一的技术活。
**L3-31** `式` 差的分布:$Z=X-Y$ 时 $f_Z(z)=\int f_X(x)f_Y(x-z)\,\mathrm dx$ 。
 └ 或记成 $X+(-Y)$ 的卷积,$-Y$ 的密度是 $f_Y(-y)$ 。
**L3-32** `式` 商的分布:$Z=\dfrac XY$ 时
$$f_Z(z)=\int_{-\infty}^{+\infty}f_X(yz)\,f_Y(y)\,\lvert y\rvert\,\mathrm dy.$$
 └ **$\lvert y\rvert$ 不能丢**,它就是雅可比。
**L3-33** `式` 积的分布:$Z=XY$ 时 $f_Z(z)=\int f_X\!\left(\frac zy\right)f_Y(y)\frac{1}{\lvert y\rvert}\,\mathrm dy$ 。
**L3-34** `式` 雅可比变换:$f_{U,V}(u,v)=f\big(x(u,v),y(u,v)\big)\,\lvert J\rvert$ ,$J=\dfrac{\partial(x,y)}{\partial(u,v)}$ 。
 └ **$J$ 是 $(x,y)$ 对 $(u,v)$ 的,不是反过来的**。这是最高频的错。
**L3-35** `式` 极值分布(独立时):
$$F_{\max}(z)=\prod_{i=1}^nF_i(z),\qquad F_{\min}(z)=1-\prod_{i=1}^n\big(1-F_i(z)\big).$$
 └ 同分布时 $F_{\max}=[F(z)]^n$ ,$F_{\min}=1-[1-F(z)]^n$ 。**先写 $F$ 再求导**,别直接背 $f$ 。
**L3-36** `式` 同分布时的极值密度:
$$f_{\max}(z)=n[F(z)]^{n-1}f(z),\qquad f_{\min}(z)=n[1-F(z)]^{n-1}f(z).$$
 └ 记忆:**$n$ 倍、$n-1$ 次方、再乘原密度**。
**L3-37** `坑` 最值题里"第 $k$ 大"(次序统计量)的密度是
$$f_{(k)}(z)=\frac{n!}{(k-1)!(n-k)!}[F(z)]^{k-1}[1-F(z)]^{n-k}f(z).$$
 └ 只需要会代 $k=1,n$ 两个端点,中间的靠这个式子写。
**L3-38** `判` 混合型(离散 $+$ 连续):先按离散变量分层,每层内用连续的全概率:
$$F_Z(z)=\sum_ip_i\,F_{Z\mid I=i}(z).$$
 └ 2020·22 的形态。**分层权重是离散那部分的概率**。
## 六、坑与反(3 条)
**L3-39** `反` $X,Y$ 独立 $\Rightarrow$ $X+Y$ 的密度是卷积;但**反过来不成立**——卷积公式给出的结果像"独立",不能倒推独立。
**L3-40** `坑` 求 $P\{(X,Y)\in D\}$ 时,若 $D$ 是圆或三角形,**先画图再定限**,别急着套累次积分。定限错的方向有两种:内外层搞反、上下限写成常数。
**L3-41** `反` $D(X+Y)=DX+DY$ **不足以**说明独立,只说明不相关。
 └ 这条与 L4-24 合看:**协方差为零是"线性无关",不是"独立"**。
## 十秒自检
1. 说出判断独立的三步,以及"支撑非矩形"时为什么一定不独立。
2. 默写二维正态的条件分布(均值与方差两处)。
3. 卷积公式的积分限怎么定——一句话说清。
4. $Z=X/Y$ 的密度里为什么有 $\lvert y\rvert$ 。
5. 雅可比 $J$ 是哪个方向的偏导。
五条全过,本讲过关。