Gitea block_parser.go 的 Open() 在「同一行找不到收尾 $$」时,仍会从 pos+1 起
检查该行是否有非空白字符(idx=-1 未参与判断),于是形如
$$\boxed{\begin{aligned}
的写法会被整块拒绝,退化为普通文本。
→ 多行块的开头 $$ 与收尾 $$ 一律独占一行。
共 4 个文件 6 个块(12 处换行):第3讲 03-解析/04-答疑笔记/06-解析-中高难度、
第6讲 01-考点手册。KaTeX 会 trim,渲染结果不变,PDF 体积与改动前一致。
12 KiB
tags, 专题, 日期, 关联
| tags | 专题 | 日期 | 关联 | |||||
|---|---|---|---|---|---|---|---|---|
|
概率论 第3讲 · 多维随机变量及其分布 · 解析(19 题) | 2026-10-13 | 01-考点手册 · 02-试题 |
概率论 第3讲 · 多维随机变量及其分布 · 解析
每题含 答案 / 思路 / 易错点,标「真题骨架」的题给出对应真题。
A 组 · 基础
1.(Ⅰ)行和、列和:
X\backslash Y |
0 | 1 | 2 | p_{i\cdot} |
|---|---|---|---|---|
| 1 | 0.1 | 0.2 | 0.1 | 0.4 |
| 2 | 0.2 | 0.3 | 0.1 | 0.6 |
p_{\cdot j} |
0.3 | 0.5 | 0.2 | 1 |
X\sim\begin{pmatrix}1&2\\0.4&0.6\end{pmatrix} ,Y\sim\begin{pmatrix}0&1&2\\0.3&0.5&0.2\end{pmatrix} 。
(Ⅱ) 取 p_{11}=0.1 ,而 p_{1\cdot}p_{\cdot1}=0.4\times0.5=0.2\ne0.1 ,故 X 与 Y 不相互独立。
思路:判独立要"全部成立",否定只需找一对反例。 易错点:
p_{ij}与p_{i\cdot}p_{\cdot j}下标要对齐(X=1是第 1 行、Y=0是第 1 列)。
2.(Ⅰ)S_D=\dfrac12 ,
f(x,y)=\begin{cases}2,&0\le x\le1,\ 0\le y\le x\\0,&\text{其他}\end{cases}
(Ⅱ) 在 D 内 x+y\le1\Rightarrow y\le\min(x,1-x) :0\le x\le\frac12 上限 x ;\frac12\le x\le1 上限 1-x 。
P\{X+Y\le1\}=2\left[\int_0^{1/2}x\,\mathrm dx+\int_{1/2}^{1}(1-x)\,\mathrm dx\right]=2\left(\frac18+\frac18\right)=\frac12.
易错点:先画图再定限,
y=x与y=1-x把区域切成两段。
3.(Ⅰ)\displaystyle\iint f=c\int_0^1x\,\mathrm dx\int_0^2y\,\mathrm dy=c\cdot\frac12\cdot2=c=1\Rightarrow c=1 。
(Ⅱ) f_X(x)=\displaystyle\int_0^2xy\,\mathrm dy=2x\ (0<x<1) ;f_Y(y)=\displaystyle\int_0^1xy\,\mathrm dx=\dfrac y2\ (0<y<2) 。
(Ⅲ) f_X(x)f_Y(y)=2x\cdot\dfrac y2=xy=f(x,y) ,故 X,Y 相互独立。
思路:矩形域 + 密度可分离 ⟹ 一眼独立。
4.(Ⅰ)f_X(x)=\displaystyle\int_0^x3x\,\mathrm dy=3x^2\ (0<x<1) ;f_Y(y)=\displaystyle\int_y^13x\,\mathrm dx=\dfrac32(1-y^2)\ (0<y<1) 。
(Ⅱ) f_{Y|X}(y\mid x)=\dfrac{f(x,y)}{f_X(x)}=\dfrac{3x}{3x^2}=\dfrac1x\ (0<y<x) 。
(Ⅲ) P\{Y<\tfrac12\mid X=\tfrac34\}=\displaystyle\int_0^{1/2}\frac{1}{3/4}\,\mathrm dy=\frac43\cdot\frac12=\frac23 。
易错点:条件密度是
y的函数(对x是常数);\tfrac12<\tfrac34故上限直接取\tfrac12。
5. f(x,y)=1 (单位正方形)。f_Y(z-x)=1\iff z-1<x<z ,与 (0,1) 取交:
0<z<1:f_Z(z)=\int_0^z\mathrm dx=z;1\le z<2:f_Z(z)=\int_{z-1}^1\mathrm dx=2-z。
f_Z(z)=\begin{cases}z,&0<z<1\\2-z,&1\le z<2\\0,&\text{其他}\end{cases}\quad(\textbf{辛普森三角形分布})
真题骨架:🟨2017·22 同款和分布(离散+连续),见第 10 题混合版。
6. 选(B)。
- (A)错:两正态若不联合正态,不相关推不出独立(反例见第 11 题);
- (C)错:不相关
\ne独立; - (D)错:独立一定推出
\operatorname{Cov}=0(方差存在时); - (B)对:二维正态的"特权"。
B 组 · 中等
7. Z=\dfrac YX ,用商的密度公式(f_{XY}=1 在单位正方形)
f_Z(z)=\int_0^1 x\,f_Y(zx)\,\mathrm dx,\qquad f_Y(zx)=1\iff 0<x<\frac1z.
0<z<1:上限1,f_Z(z)=\displaystyle\int_0^1x\,\mathrm dx=\dfrac12;z\ge1:上限\dfrac1z,f_Z(z)=\displaystyle\int_0^{1/z}x\,\mathrm dx=\dfrac{1}{2z^2}。
f_Z(z)=\begin{cases}\dfrac12,&0<z<1\\[4pt]\dfrac{1}{2z^2},&z\ge1\\[2pt]0,&z<0\end{cases},\qquad P\{Z>1\}=\int_1^{+\infty}\frac{1}{2z^2}\,\mathrm dz=\frac12.
真题骨架:🟨2021·22(Ⅱ) 求
Z=Y/X密度。 雅可比视角:增补V=X,x=v,y=zv,\lvert J\rvert=\lvert v\rvert,f_{ZV}(z,v)=\lvert v\rvert f(v,zv),再对v积分,结果一致。
8.(Ⅰ)圆盘均匀 f=\dfrac1\pi ,对 y 积分(-\sqrt{1-x^2}\sim\sqrt{1-x^2} ):
f_X(x)=\frac1\pi\cdot2\sqrt{1-x^2}=\frac{2}{\pi}\sqrt{1-x^2}\quad(-1<x<1).
(Ⅱ) f_X(x)f_Y(y)=\dfrac4{\pi^2}\sqrt{1-x^2}\sqrt{1-y^2}\ne\dfrac1\pi=f(x,y) ,故 X,Y 不独立。
秒杀:取值区域是圆(非矩形),一步否定。
9. f(x,y)=\dfrac12 (0<x<1,0<y<2 ),Z=XY :
f_Z(z)=\int\frac1x\cdot\frac12\cdot\mathbb 1\{0<\tfrac zx<2\}\,\mathrm dx,\qquad 0<\frac zx<2\iff x>\frac z2.
对 0<z<2 ,x\in\big(\tfrac z2,1\big) :\displaystyle f_Z(z)=\int_{z/2}^{1}\frac{1}{2x}\,\mathrm dx=\frac12\ln\frac2z 。
f_Z(z)=\begin{cases}\dfrac12\ln\dfrac2z,&0<z<2\\0,&\text{其他}\end{cases}
真题骨架:🟨2018·22、2019·22 的
Z=XY。 雅可比视角:增补V=X,x=v,y=z/v,\lvert J\rvert=1/\lvert v\rvert,结果一致。
10. 全概率(离散 X 拆权重):
F_Z(z)=\frac12F_Y(z)+\frac12F_Y(z-1),\qquad F_Y(t)=0\,(t<0),\ t\,(0\le t<1),\ 1\,(t\ge1).
z<0:0;0\le z<1:\dfrac z2;1\le z<2:\dfrac12+\dfrac{z-1}{2}=\dfrac z2;z\ge2:1。
F_Z(z)=\begin{cases}0,&z<0\\ \dfrac z2,&0\le z<2\\1,&z\ge2\end{cases}\ \Longrightarrow\ f_Z(z)=\begin{cases}\dfrac12,&0<z<2\\0,&\text{其他}\end{cases}\ (\textbf{即 }Z\sim U(0,2))
易错点:
F_Y(z-1)也要分段;两段在z=1处须连续(此处恰好拼成\frac z2)。
11. EX=0 ,EY=E(X^2)=\displaystyle\int_{-1}^1x^2\cdot\frac12\mathrm dx=\frac13 ,E(XY)=E(X^3)=0 。
\operatorname{Cov}(X,Y)=0,\qquad \rho_{XY}=0.
但 Y=X^2 是 X 的函数,二者不独立。
结论:不相关
\ne独立的教科书反例(偶函数型)。
12. F_Z(z)=F_X(z)F_Y(z)=(1-e^{-\lambda z})^2\ (z>0) ,z\le0 为 0。求导:
f_Z(z)=2\lambda e^{-\lambda z}(1-e^{-\lambda z})=2\lambda\big(e^{-\lambda z}-e^{-2\lambda z}\big)\quad(z>0).
配套:
\min用F_{\min}(z)=1-e^{-2\lambda z}(仍服从指数分布,参数2\lambda)。
13.(Ⅰ)X\sim N(1,1) ,Y\sim N(2,4) 。
(Ⅱ) \operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times1\times2=1 ;D(X+Y)=1+4+2\times1=7 。
(Ⅲ) E(Y\mid X=x)=2+0.5\times2\times(x-1)=x+1 。
易错点:
\dfrac{\sigma_2}{\sigma_1}=\dfrac21(标准差),不是\dfrac41。
14. 设切点 U\sim U(0,1) ,X=\min(U,1-U)\in(0,\tfrac12) :
F_X(x)=P\{U\le x\}+P\{U\ge1-x\}=2x\quad(0<x<\tfrac12)\ \Rightarrow\ f_X(x)=\begin{cases}2,&0<x<\frac12\\0,&\text{其他}\end{cases}
真题骨架:🟨2021·22(Ⅰ)。
C 组 · 拔高
15.(Ⅰ)S_D=\dfrac12 ,f(x,y)=\begin{cases}2,&0<y<x<1\\0,&\text{其他}\end{cases}
(Ⅱ) U=1\iff Y\le\dfrac X2 。对 0<x\le1 :
P\{U=1,\ X\le x\}=\int_0^x\mathrm dt\int_0^{t/2}2\,\mathrm dy=\int_0^x t\,\mathrm dt=\frac{x^2}{2}.
又 P\{U=1\}=\dfrac12 、F_X(x)=x^2 ,且 \dfrac{x^2}{2}=P\{U=1\}F_X(x) ,故 U 与 X 相互独立。
反直觉点:
U是(X,Y)的函数却与X独立——因为在三角形内P\{U=1\mid X=x\}=\dfrac{x/2}{x}=\dfrac12与x无关。
(Ⅲ) 由独立,f_Z(z)=\dfrac12f_X(z)+\dfrac12f_X(z-1) ,f_X(x)=2x\ (0<x<1) :
f_Z(z)=\begin{cases}z,&0<z<1\\ z-1,&1\le z<2\\0,&\text{其他}\end{cases},\qquad
F_Z(z)=\begin{cases}0,&z<0\\[2pt]\dfrac{z^2}{2},&0\le z<1\\[4pt]\dfrac12+\dfrac{(z-1)^2}{2},&1\le z<2\\[4pt]1,&z\ge2\end{cases}
真题骨架:🟨2016·22(均匀域 → 离散化
U→ 判独立 →Z=U+X分布函数),仅区域/分界改为y=x/2。
16. f(x,y)=\dfrac1x\ (0<y<x<1) (f_X=1 ,f_{Y|X}=1/x )。
EX=\dfrac12,\ EX^2=\dfrac13,\ DX=\dfrac1{12};f_Y(y)=-\ln y,EY=\dfrac14,\ EY^2=\dfrac19,\ DY=\dfrac7{144};E(XY)=\displaystyle\int_0^1\!\!\int_0^x xy\cdot\frac1x\,\mathrm dy\,\mathrm dx=\int_0^1\frac{x^2}{2}\,\mathrm dx=\frac16。
\operatorname{Cov}=\frac16-\frac12\cdot\frac14=\frac1{24},\qquad \rho_{XY}=\frac{1/24}{\sqrt{1/12}\cdot\sqrt{7/144}}=\sqrt{\frac37}\approx0.655.
思路:条件分布型先写
f=f_Xf_{Y|X},再算三个期望。 常用积分:\displaystyle\int_0^1 t^n(-\ln t)\,\mathrm dt=\frac{1}{(n+1)^2}。
17.(Ⅰ)X_3 取 \pm1 ,用全概率:
X_3=1:Y=X_1,贡献P\{X_1\le x,\ X_1\le y\}=\Phi(\min\{x,y\});X_3=-1:Y=X_2,由独立贡献\Phi(x)\Phi(y)。
F(x,y)=\frac12\Phi(\min\{x,y\})+\frac12\Phi(x)\Phi(y).
(Ⅱ) x\to+\infty 得 F_Y(y)=\dfrac12\Phi(y)+\dfrac12\Phi(y)=\Phi(y) ,故 **Y\sim N(0,1) **。
真题骨架:🟨2020·22(原题
X_3\in\{0,1\},此处对称化为\pm1)。
18.(Ⅰ)极坐标 \mathrm dx\,\mathrm dy=r\,\mathrm dr\,\mathrm d\theta :
1=c\int_0^{2\pi}\!\!\int_0^1 r\cdot r\,\mathrm dr\,\mathrm d\theta=c\cdot2\pi\cdot\frac13\ \Rightarrow\ c=\frac{3}{2\pi}.
(Ⅱ) 区域对称 + 密度偶 ⟹ EX=EY=0 ,E(XY)=0 ,故 \operatorname{Cov}(X,Y)=0 。
(Ⅲ) f_X(x) 不是 f_X(x)f_Y(y) 的分解形式,f(x,y)=c\sqrt{x^2+y^2}\ne f_Xf_Y ,故 X,Y 不独立。
(Ⅳ) 0<z<1 :
F_Z(z)=\int_0^{2\pi}\!\!\int_0^{\sqrt z}\frac{3}{2\pi}r\cdot r\,\mathrm dr\,\mathrm d\theta=\frac{3}{2\pi}\cdot2\pi\cdot\frac{z^{3/2}}{3}=z^{3/2}\ \Rightarrow\ f_Z(z)=\begin{cases}\dfrac32\sqrt z,&0<z<1\\0,&\text{其他}\end{cases}
真题骨架:🟨2023·22(把原题
f=c(x^2+y^2)改为c\sqrt{x^2+y^2})。 技巧:Z是"到原点距离的函数" ⟹ 极坐标 + 面积法,不必硬求f_Z。
19.(Ⅰ)反解:由 u=x+y,\ v=\dfrac{x}{x+y} 得
x=uv,\qquad y=u(1-v).
雅可比行列式(注意是反解 (x,y) 对 (u,v) 的行列式):
J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}\dfrac{\partial x}{\partial u}&\dfrac{\partial x}{\partial v}\\[8pt]\dfrac{\partial y}{\partial u}&\dfrac{\partial y}{\partial v}\end{vmatrix}=\begin{vmatrix}v&u\\1-v&-u\end{vmatrix}=v(-u)-u(1-v)=-uv-u+uv=-u.
故 \lvert J\rvert=u 。取值区域:x>0,y>0\Rightarrow u>0,\ 0<v<1 。于是
f_{UV}(u,v)=f\big(uv,\ u(1-v)\big)\cdot\lvert J\rvert=e^{-(uv+u(1-v))}\cdot u=u\,e^{-u},\quad u>0,\ 0<v<1.
(Ⅱ) 求边缘:
f_U(u)=\int_0^1 u e^{-u}\,\mathrm dv=u e^{-u}\ (u>0),\qquad f_V(v)=\int_0^{+\infty} u e^{-u}\,\mathrm du=1\ (0<v<1).
因 f_{UV}(u,v)=f_U(u)f_V(v) ,故 U 与 V 相互独立;且 U\sim\Gamma(2,1) (即参数为 1 的 \chi^2(4) ),V\sim U(0,1) 。
方法总结(雅可比三步):① 反解
x=x(u,v),y=y(u,v);② 算\lvert J\rvert=\left\lvert\dfrac{\partial(x,y)}{\partial(u,v)}\right\rvert;③f_{UV}=f\cdot\lvert J\rvert,并把定义域一并变换。 真题骨架:本题是"指数分布之和 + 比值"的经典结构,\Gamma(2,1)的分解结论也是证明"泊松过程的到达时刻与均匀次序" 的核心引理。
附 · 出题质量报告
考点覆盖(对照 ch17 的 11 道真题)
| 真题 | 考法 | 对应题 | 覆盖 |
|---|---|---|---|
| 2016·22 | 均匀分布+离散化 U +函数分布 |
15 | ✅ |
| 2017·22 | 混合型 Z=X+Y |
5 + 10 | ✅ |
| 2018·22 | Z=XY +协方差 |
9 | ✅ |
| 2019·8 | 正态差 \lvert X-Y\rvert 分布 |
13 | ◐ 部分 |
| 2019·22 | Z=XY +不相关+独立性 |
9 + 11 | ✅ |
| 2020·22 | 混合正态+证明 | 17 | ✅ |
| 2021·22 | 取点分段+商分布 | 14 + 7 | ✅ |
| 2022·10 | 条件分布求相关系数 | 16 | ✅ |
| 2023·22 | 圆形区域+Cov+独立+X^2+Y^2 |
18 | ✅ |
| 2024·9 | 条件均匀+协方差 | 4 + 16 | ✅ |
| 2025·22 | 复合分布+混合模型 | 10 + 17 | ◐ 部分 |
手法覆盖
和(5、10、15)、差(13)、积(9)、商(7)、最值(12)、平方和(18)、混合型(10、17)、离散化(15)、分布函数法(15、18)、卷积(5、9、10)、雅可比变换(19,另 7/9/15 给出雅可比视角)、极坐标(18)。
未覆盖方向(供二轮补)
- 离散型二维函数分布(两离散变量之和的表格题);
\lvert X-Y\rvert的正态差完整选择题(2019·8);- 条件期望/全期望递推(留到数字特征章);
- 一般二维函数联合分布(如
Y_1=2X_1,\ Y_2=\tfrac13X_2)——本题第 19 题已示范雅可比通法,可自行扩展; - 2025·22 保险赔付应用建模。