- 19 个 md:README + 01-知识点盘点(§0.4 反查 + §1—§15 地图) + 01b-覆盖对照与接口 + 15 个点文件 + 17-速查卡 - 62 题、57 个知识点;覆盖高数 45 + 线代 15 + 概率 15 共 75 道解答题 (820 分:高数 480 / 线代 170 / 概率 170) - 题量按「核心 ★★★ 2—3 题、边缘 ★★☆ 1—2 题」落地, 题面标注真题骨架年份者为结构对齐,未标注者为原创 同批收尾: - 逐题数值复核,修 7 处,其中两处答案错: 点 8 题 4(2022·19 斯托克斯)由 -π/32 改为 0; 点 12 曲面识别表「一正两零」改为两张平行平面 - 01-知识点盘点 曾达 1.58 万字符,§0.1—§0.3 迁入 01b,回落至 1.34 万 - gen_crosslinks.py 兼容新点文件命名与盘点名变体 - check_md_links.py 对 %20 编码路径做 unquote 解码 - 新增 stat_difficulty.py:难度分布 / 多问结构 / 体积自检
9.3 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
大题十年考点 · 点14 概率·多维随机变量 | 2026-11-01 | 知识点带题(14.1 二维密度与独立性、14.2 函数分布、14.3 混合型与全概率,共 3 题) |
|
点 14 概率 · 多维随机变量
真题锚点:2016·22、2017·22、2018·22、2019·22、2020·22、2021·22、2023·22、2025·22(十年 8 题 91 分)|重要度 ★★★ 依赖:一维分布、二重积分。盘点对应:§14 全节。完整知识见 概率论-第3讲。
组织原则:概率大题只有两个来源,这是其中更大的一半(8 题 91 分)。3 题按"给定联合密度(求边缘、判独立)\to 求函数分布(卷积)\to 混合型(全概率)"排,正好是十年出现过的三种骨架。
知识点 14.1 二维密度、边缘与独立性(出处:参考仓库未收录,转引 概率论-第3讲)
联合密度 f(x,y) 的两条基本性质:f\ge0 且 \iint_{\mathbb R^2}f=1 。
f_X(x)=\int_{-\infty}^{+\infty}f(x,y)dy,\qquad f_Y(y)=\int_{-\infty}^{+\infty}f(x,y)dx .
独立 \iff f(x,y)=f_X(x)f_Y(y) (几乎处处)\iff 联合密度的定义域是矩形(笛卡尔积)且能分离变量。
均匀分布的两步:面积 S_D=\iint_D1\,d\sigma ,f=1/S_D (在 D 内)。边缘密度靠"固定 x 积 y ",此时 y 的上下限由区域边界给出——这是最容易写错的地方。
判独立的快速法:若 f\ne0 的区域是三角形、圆、y\ge x^2 之类的非矩形,一定不独立(边缘密度的支撑不重合)。
知识点 14.2 随机变量函数的分布(出处:概率论-第3讲 · 函数分布)
和的分布(卷积):
f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_{Y}(z-x)dx\quad(\text{独立时}).
分段的关键:被积函数非零要同时满足"x 在 X 的支撑内"与"z-x 在 Y 的支撑内",两个不等式取交,随 z 分段。
分布函数法(通用):
F_Z(z)=P\{g(X,Y)\le z\}=\iint_{g(x,y)\le z}f(x,y)\,dxdy,
再对 z 求导。比"套公式"通用,商、极值、平方都用它。
知识点 14.3 混合型与全概率公式(出处:参考仓库未收录,转引 概率论-第3讲 · 条件分布)
两个随机变量一个离散一个连续时,用全概率:
f_Y(y)=\sum_kP\{X=x_k\}\,f_{Y\mid X=x_k}(y).
条件概率的反向问题(求 P\{X=x_k\mid Y\le y_0\} )用贝叶斯:
P\{X=x_k\mid Y\le y_0\}=\frac{P\{X=x_k\}P\{Y\le y_0\mid X=x_k\}}{P\{Y\le y_0\}} .
分母就是上面那个 f_Y 的积分。这类题的分数全在"分母算对没有"。
题目(按知识点顺序对应)
题 1 · 14.1:曲边区域上的均匀分布(★★☆)
【2016·22 骨架】设二维随机变量
(X,Y)在区域D=\{(x,y):0\le x\le1,\ x^2\le y\le1\}上服从均匀分布。(Ⅰ)求边缘密度
f_X(x)与f_Y(y);(Ⅱ)判断X与Y是否独立;(Ⅲ)求P\left\{X>\dfrac12\right\}。
怎么想:先算区域面积(均匀分布的密度就是面积的倒数),再"固定一个变量积另一个"。判独立看两条:密度能否分离、支撑是不是矩形。
解:(Ⅰ)区域面积
S_D=\int_0^1\left(1-x^2\right)dx=1-\frac13=\frac23\ \Longrightarrow\ f(x,y)=\frac32,\quad (x,y)\in D .
**边缘 f_X **:固定 x\in[0,1] ,y 从 x^2 到 1 :
f_X(x)=\int_{x^2}^{1}\frac32\,dy=\frac32\left(1-x^2\right),\quad 0\le x\le1;\ \text{其余为}\ 0 .
**边缘 f_Y **:固定 y\in[0,1] ,由 x^2\le y 得 x\le\sqrt y ,故 x 从 0 到 \sqrt y :
f_Y(y)=\int_0^{\sqrt y}\frac32\,dx=\frac32\sqrt y,\quad 0\le y\le1;\ \text{其余为}\ 0 .
(Ⅱ)不独立。在 0<x<1,0<y<1 内,
f_X(x)f_Y(y)=\frac94\left(1-x^2\right)\sqrt y\ne\frac32=f(x,y).
更直接的理由:f\ne0 的支撑是曲边三角形 \{x^2\le y\le1\} ,不是矩形,故必不独立。
(Ⅲ)
P\left\{X>\frac12\right\}=\int_{1/2}^{1}f_X(x)dx=\frac32\left[x-\frac{x^3}{3}\right]_{1/2}^{1}=\frac32\left[\left(1-\frac13\right)-\left(\frac12-\frac1{24}\right)\right]
=\frac32\left[\frac23-\frac{11}{24}\right]=\frac32\cdot\frac{5}{24}=\frac{5}{16}.
验算:\int_0^1f_X=\frac32\left(1-\frac13\right)=1 ✓;\int_0^1f_Y=\frac32\cdot\frac23=1 ✓。P\{X>1/2\}=\frac{5}{16}\approx0.31 ,而 X 的密度在 x 大时更小(1-x^2 递减),故应小于 \frac12 ✓。
带走结论:均匀分布题的三步——算面积、定倒数、按边界积边缘。判独立优先看"支撑是不是矩形",比逐个验 f=f_Xf_Y 快。
关联 · 盘点 §14.1 二维密度、边缘与独立性 | 上游 — | 下游 — | 速查 十四 概率多维:两条主线
题 2 · 14.2:离散与连续混合的卷积(★★★)
设随机变量
X与Y相互独立,X服从(0,1)上的均匀分布,Y服从参数为1的指数分布。令Z=X+Y。(Ⅰ)求
Z的概率密度;(Ⅱ)求E(Z)与D(Z)。
怎么想:两个连续型独立随机变量求和,直接用卷积。被积函数非零要同时满足 0<x<1 与 z-x>0 ,即 \max(0,z-1)<x<\min(1,z) ——\max 与 \min 谁起作用取决于 z 是否超过 1 ,这就是分段的由来。
解:(Ⅰ)f_X(x)=1\ (0<x<1) ,f_Y(y)=e^{-y}\ (y>0) ,其余为 0 。卷积
f_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)dx=\int_{\max(0,z-1)}^{\min(1,z)}e^{-(z-x)}dx .
**当 z\le0 ** :区间为空,f_Z(z)=0 。
**当 0<z<1 ** :\max(0,z-1)=0 ,\min(1,z)=z ,
f_Z(z)=\int_0^ze^{x-z}dx=e^{-z}\left[e^x\right]_0^z=1-e^{-z} .
**当 z\ge1 ** :\max(0,z-1)=z-1 ,\min(1,z)=1 ,
f_Z(z)=\int_{z-1}^{1}e^{x-z}dx=e^{-z}\left(e-e^{z-1}\right)=(e-1)e^{-z} .
故
f_Z(z)=\begin{cases}0,&z\le0\\ 1-e^{-z},&0<z<1\\ (e-1)e^{-z},&z\ge1\end{cases}
(Ⅱ)由独立性,
E(Z)=E(X)+E(Y)=\frac12+1=\frac32,\qquad D(Z)=D(X)+D(Y)=\frac{1}{12}+1=\frac{13}{12}.
验算:检查 f_Z 的归一性:
\int_0^1\left(1-e^{-z}\right)dz+\int_1^{+\infty}(e-1)e^{-z}dz=1-\left(1-e^{-1}\right)+(e-1)e^{-1}=e^{-1}+1-e^{-1}=1\ ✓
在 z=1 处两段相等:1-e^{-1}=(e-1)e^{-1} ✓ 连续。
带走结论:卷积的分段点来自"被积区间端点的切换"——本题在 z=1 处切换,因为 z-1 超过了 0 。答题时先写 \max/\min 的通用式,再分情况,比直接猜分段稳。
关联 · 盘点 §14.2 随机变量函数的分布 | 上游 — | 下游 — | 速查 十四 概率多维:两条主线
题 3 · 14.3:混合型用全概率与贝叶斯(★★☆)
【2020·22 骨架】设随机变量
X的分布为P\{X=1\}=P\{X=2\}=\dfrac12。在X=k的条件下,Y服从(0,k)上的均匀分布(k=1,2)。(Ⅰ)求
Y的概率密度f_Y(y);(Ⅱ)求P\{X=1\mid Y\le1\}。
怎么想:X 离散、Y 连续,Y 的密度用全概率(按 X 的取值加权);反向的条件概率用贝叶斯,分母是 P\{Y\le1\} 。
解:(Ⅰ)在 X=k 下 f_{Y\mid X=k}(y)=\frac1k (0<y<k ),其余为 0 。由全概率公式:
f_Y(y)=P\{X=1\}f_{Y\mid X=1}(y)+P\{X=2\}f_{Y\mid X=2}(y).
0<y<1:两个条件密度都不为零,f_Y(y)=\frac12\cdot1+\frac12\cdot\frac12=\frac34;1\le y<2:只有k=2那项,f_Y(y)=\frac12\cdot\frac12=\frac14;- 其余
y:f_Y(y)=0。
即
f_Y(y)=\begin{cases}\frac34,&0<y<1\\ \frac14,&1\le y<2\\ 0,&\text{其他}\end{cases}
(Ⅱ)先算分母:
P\{Y\le1\}=\int_0^1\frac34dy=\frac34 .
分子:
P\{X=1,\ Y\le1\}=P\{X=1\}P\{Y\le1\mid X=1\}=\frac12\cdot1=\frac12 .
故
P\{X=1\mid Y\le1\}=\frac{\frac12}{\frac34}=\frac23 .
验算:归一性 \int_0^1\frac34+\int_1^2\frac14=\frac34+\frac14=1 ✓。合理性:Y\le1 时既可能来自 X=1 (概率 \frac12 全部落在 (0,1) 内)也可能来自 X=2 (只有一半落在 (0,1) 内),权重 \frac12:\frac14=2:1 ,故后验 \frac23 ✓。
带走结论:"离散 + 连续"的题一律全概率:f_Y=\sum_kP\{X=x_k\}f_{Y\mid k} ,分段点就是各个条件支撑的端点。贝叶斯的分子是联合概率、分母是边缘概率,分母一定要单独算清楚。
关联 · 盘点 §14.3 混合型与全概率 | 上游 — | 下游 — | 速查 十四 概率多维:两条主线