Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/大题十年考点/15-点14-概率多维随机变量.md
T
Yimu 4e4009de30 重构概率论第6讲为「知识点带题」格式,并修复跨讲死链
- 第6讲数理统计:删旧三件套(01-考点手册 4.8 万字符 / 02-试题 / 03-解析)与 PDF,
  改为 01-知识点盘点 + 02—09 八点分册 + 10-速查卡,共 10 文件 26 题
- 八点:总体样本与统计量 / 三大抽样分布 / 正态总体抽样分布 / 矩估计 /
  最大似然 / 评价标准 / 区间估计 / 假设检验与两类错误
- 盘点含 §0.1 按分值、§0.2 依赖链、§0.3 符号、§0.4 AUTO 反查、§9 覆盖对照(21 条)、§10 接口
- 修复 2026-10 第3讲重构留下的死链:大题十年考点/15-点14(7 处指向已删 01-考点手册)、
  知识点构建/17-背诵版第3讲(回查入口 4 处)
- 知识点构建/20-背诵版第6讲:回查入口改指新文件,题源注明旧 18 题清单已失效待重出
- 同步:总览.md 第6讲目录树、知识点构建 README 题量 18 → 26
2026-11-07 13:02:26 +08:00

323 lines
19 KiB
Markdown
Raw 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, 大题十年考点, 概率论与数理统计, 多维随机变量, 函数分布, 混合型]
专题: 大题十年考点 · 点14 概率·多维随机变量
日期: 2026-11-01
状态: 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、14.4 条件分布与重期望、14.5 协方差与相关系数、14.6 复合分布、14.7 商的分布,共 7 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]", "[[概率论-第3讲-多维随机变量及其分布]]"]
---
# 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](../概率论-第3讲-多维随机变量及其分布/README.md)。
**组织原则**:概率大题**只有两个来源**,这是其中更大的一半(十年 **11 题 105 分**,含 8 道解答题 91 分与 3 道填选 14 分)。7 题按"给定联合密度(求边缘、判独立)$\to$ 卷积 $\to$ 混合型全概率 $\to$ 条件分布算协方差 $\to$ 乘积型与相关性 $\to$ 复合分布(泊松稀疏)$\to$ 商的分布"排。**前三题是 2016—2020 的老骨架,后四题对准 2022—2025 的新重心**——近三年条件分布与协方差连着考了三次(2022·10、2023·22、2024·9),只练前三题会漏掉这一块。
## 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 点3 二维连续型](../概率论-第3讲-多维随机变量及其分布/04-点3-二维连续型与两类分布.md))
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 · 点5 函数分布两条路](../概率论-第3讲-多维随机变量及其分布/06-点5-函数分布两条路.md))
**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 · 点7 混合型与全概率](../概率论-第3讲-多维随机变量及其分布/08-点7-混合型与全概率.md))
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"**。
## 知识点 14.4 条件分布与重期望(出处:[概率论-第3讲 · 点3 条件密度](../概率论-第3讲-多维随机变量及其分布/04-点3-二维连续型与两类分布.md)与[第4讲 · 点4 重期望](../概率论-第4讲-随机变量的数字特征/05-点4-条件期望与重期望.md))
$$f_{Y\mid X}(y\mid x)=\frac{f(x,y)}{f_X(x)} .$$
条件密度是**一族**密度,支撑随 $x$ 变——分段点就从这里来。**第一步永远先乘出联合密度**,即 $f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)$ ;乘积与 $x$ 无关时,说明 $(X,Y)$ 在某区域上均匀。重期望 $EY=E\left[E(Y\mid X)\right]$ ,算协方差用 $E(XY)=E\left[X\,E(Y\mid X)\right]$ 。
## 知识点 14.5 协方差与相关系数(出处:[概率论-第4讲 · 点3 协方差与相关系数](../概率论-第4讲-随机变量的数字特征/04-点3-协方差与相关系数.md))
$$\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY,\qquad \rho=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX\cdot DY}} .$$
双线性;$D(X\pm Y)=DX+DY\pm2\operatorname{Cov}(X,Y)$ 。**不相关 $\ne$ 独立**(二维正态除外)。乘积型固定套路:$X=\pm1$ 时 $X^2=1$ ,故 $XZ=X^2Y=Y$ 、$E(XZ)=EY$ 。
## 知识点 14.6 复合分布与泊松稀疏(出处:[概率论-第3讲 · 点7 混合型与全概率](../概率论-第3讲-多维随机变量及其分布/08-点7-混合型与全概率.md))
$N\sim P(\lambda)$ 且 $M\mid N=n\sim B(n,p)$ 时,$M\sim P(\lambda p)$ ,$EM=DM=\lambda p$ 。每个事件独立地以概率 $p$ 被留下,留下的仍是泊松——**认出结论直接写,别展开那个和式**。
## 知识点 14.7 商的分布(出处:[概率论-第3讲 · 点6 四则运算](../概率论-第3讲-多维随机变量及其分布/07-点6-四则运算与最值.md))
$$F_Z(z)=P\{Y\le zX\}=\iint_{y\le zx}f(x,y)\,dxdy,\qquad f_Z=F_Z' .$$
**先求 $F$ 再求导**,因为"$Z\le z$"能直接翻译成半平面不等式。折叠型:$U\sim U(0,1)$ 时短段 $X=\min(U,1-U)$ 有 $f_X=2\ \left(0<x<\frac12\right)$ ,再用 $Z=\frac1X-1$ 的单调性一次算完。
---
## 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](01-知识点盘点.md#user-content-141-二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](17-速查卡.md#user-content-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](01-知识点盘点.md#user-content-142-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](17-速查卡.md#user-content-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](01-知识点盘点.md#user-content-143-混合型与全概率) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---
### 题 4 · 14.4:条件分布算协方差(★★★)
> 【2024·9 骨架】设 $X$ 的概率密度为 $f_X(x)=2x\ (0<x<1)$ ,其余为 $0$ ;在给定 $X=x$ 的条件下,$Y$ 服从 $(0,x)$ 上的均匀分布。
>
> (Ⅰ)求 $Y$ 的概率密度;(Ⅱ)求 $\operatorname{Cov}(X,Y)$ 与相关系数 $\rho_{XY}$ 。
**怎么想**:条件密度乘边缘密度得联合密度 $f(x,y)=2x\cdot\frac1x=2$ ——**是常数**,说明 $(X,Y)$ 在三角形 $0<y<x<1$ 上均匀。认出这一点,后面全是三角形上的积分。
**解**:(Ⅰ)固定 $y\in(0,1)$ ,$x$ 从 $y$ 积到 $1$ :
$$f_Y(y)=\int_y^1 2\,dx=2(1-y),\quad 0<y<1 .$$
(Ⅱ)$EX=\int_0^12x^2dx=\frac23$ ,$EX^2=\frac12$ ,故 $DX=\frac1{18}$ ;同法 $EY=\frac13$ 、$EY^2=\frac16$ 、$DY=\frac1{18}$ 。又
$$E(XY)=\int_0^1dx\int_0^x2xy\,dy=\int_0^1x^3dx=\frac14 .$$
故
$$\operatorname{Cov}(X,Y)=\frac14-\frac23\cdot\frac13=\frac1{36},\qquad \rho_{XY}=\frac{1/36}{\sqrt{1/18\cdot1/18}}=\frac12 .$$
**验算**:$\int_0^12(1-y)dy=1$ ✓。$\rho_{XY}=\frac12>0$ 合理——$Y$ 的上限就是 $X$ ,$X$ 大时 $Y$ 被抬高;但 $Y$ 在 $(0,x)$ 内仍均匀乱跳,所以远不到 $1$ 。
**带走结论**:**给条件密度的题,第一步永远是乘出联合密度**;乘出来是常数就按区域均匀处理。本题若走重期望更快:$E(Y\mid X)=\frac X2$ ,故 $E(XY)=E\left[\frac{X^2}{2}\right]=\frac{EX^2}{2}=\frac14$ ,一行到位。
> **关联** · 盘点 [§14.4 条件分布与重期望](01-知识点盘点.md#user-content-144-条件分布与重期望) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---
### 题 5 · 14.5:乘积型与相关性(★★★)
> 【2018·22、2019·22 骨架】设 $X$ 与 $Y$ 相互独立,$P\{X=1\}=P\{X=-1\}=\frac12$ ,$Y$ 服从参数为 $2$ 的泊松分布。令 $Z=XY$ 。
>
> (Ⅰ)求 $\operatorname{Cov}(X,Z)$ ;(Ⅱ)求 $Z$ 的分布律;(Ⅲ)问 $X$ 与 $Z$ 是否相互独立。
**怎么想**:别展开 $\operatorname{Cov}$ 的四项。$X=\pm1$ 时 $X^2=1$ ,于是 **$XZ=X^2Y=Y$** ,$E(XZ)=EY=2$ ;又 $EX=0$ ,故 $\operatorname{Cov}(X,Z)=2$ 。(Ⅱ)$Z$ 的正负完全由 $X$ 的符号决定,$Z=0$ 只在 $Y=0$ 时出现。
**解**:(Ⅰ)
$$\operatorname{Cov}(X,Z)=E(XZ)-EX\cdot EZ=EY-0=2 .$$
(Ⅱ)$Y\ge0$ ,故 $Z=0\iff Y=0$ ,$P\{Z=0\}=e^{-2}$ 。对 $k\ge1$ :
$$P\{Z=k\}=P\{X=1,Y=k\}=\frac12\cdot\frac{2^k}{k!}e^{-2},\qquad P\{Z=-k\}=P\{X=-1,Y=k\}=\frac12\cdot\frac{2^k}{k!}e^{-2} .$$
归一性:$e^{-2}+2\sum_{k\ge1}\frac12\frac{2^k}{k!}e^{-2}=e^{-2}+\left(1-e^{-2}\right)=1$ ✓。
(Ⅲ)**不独立**。取 $Z=2$ :
$$P\{X=1,Z=2\}=P\{X=1,Y=2\}=\frac12\cdot2e^{-2}=e^{-2},$$
$$P\{X=1\}\cdot P\{Z=2\}=\frac12\cdot\frac12\cdot2e^{-2}=\frac12e^{-2}\ne e^{-2} .$$
**验算**:$EZ=0$ (正负对称)✓,与(Ⅰ)的 $\operatorname{Cov}=E(XZ)$ 一致;$E(Z^2)=E(X^2Y^2)=EY^2=2+4=6$ ,与 $DZ=EZ^2-(EZ)^2=6$ 相符。
**带走结论**:**乘积型的第一反应是"$X$ 只改符号、不改大小"**。$X=\pm1$ 时所有 $X^2$ 都退成 $1$ ,而 $\operatorname{Cov}(X,XY)=E(X^2Y)-EX\cdot E(XY)$ 的第二项因 $EX=0$ 直接消失——$\operatorname{Cov}=\lambda$ 不是巧合。
> **关联** · 盘点 [§14.5 协方差与相关系数](01-知识点盘点.md#user-content-145-协方差与相关系数) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---
### 题 6 · 14.6:复合分布与泊松稀疏(★★★)
> 【2025·22 骨架】设损失额 $X$ 的概率密度为 $f(x)=\frac{2}{(1+x)^3}\ (x>0)$ ,其余为 $0$ 。赔付额
>
> $$Y=\begin{cases}0,&X\le1\\ X-1,&X>1\end{cases}$$
>
> (Ⅰ)求 $P\{Y>0\}$ 与 $EY$ ;(Ⅱ)一年内损失次数 $N\sim P(4)$ ,在 $N=n$ 的条件下理赔次数 $M\sim B(n,p)$ ($p=P\{Y>0\}$ ),求 $M$ 的分布律与 $EM$ 。
**怎么想**:$Y>0\iff X>1$ ,一个积分;$EY$ 是 $(x-1)$ 乘密度在 $(1,+\infty)$ 上积分,令 $t=1+x$ 后变成两个幂函数。第二问是**两级随机**:先得 $p$ ,再认"泊松稀疏"直接写 $M\sim P(4p)$ 。
**解**:(Ⅰ)
$$p=P\{Y>0\}=\int_1^{+\infty}\frac{2}{(1+x)^3}dx=\left[-\frac{1}{(1+x)^2}\right]_1^{+\infty}=\frac14 .$$
$$EY=\int_1^{+\infty}\frac{2(x-1)}{(1+x)^3}dx\ \overset{t=1+x}{=}\ 2\int_2^{+\infty}\frac{t-2}{t^3}dt=2\left(\frac12-\frac14\right)=\frac12 .$$
(Ⅱ)$\lambda=4$ 、$p=\frac14$ ,由泊松稀疏:
$$M\sim P(1),\qquad P\{M=k\}=\frac{1}{k!}e^{-1}\ (k=0,1,2,\dots),\qquad EM=4p=1 .$$
**验算**:$\int_0^{+\infty}\frac{2}{(1+x)^3}dx=1$ ✓;$P\{X>1\}=\frac14$ 与 $F(1)=1-\frac14=\frac34$ 一致 ✓。又 $E[Y\mid Y>0]=\frac{EY}{p}=2$ ,即"一旦出险平均赔 2",量级合理。
**带走结论**:**"次数乘次数"的题,第二级若是二项就套泊松稀疏**:$M\sim P(\lambda p)$ ,$\lambda$ 直接乘 $p$ ,$E$ 与 $D$ 都是 $\lambda p$ 。这类题的分全在(Ⅰ)的两个积分上,(Ⅱ)是一行结论——只在题目要求"证明"时才展开那个和式。
> **关联** · 盘点 [§14.6 复合分布与泊松稀疏](01-知识点盘点.md#user-content-146-复合分布与泊松稀疏) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---
### 题 7 · 14.7:商的分布与折叠(★★☆)
> 【2021·22 骨架】在区间 $(0,1)$ 上随机取一点,把区间分成两段,较短一段的长度记为 $X$ 、较长一段记为 $Y$ ,令 $Z=\frac YX$ 。
>
> (Ⅰ)求 $X$ 的概率密度;(Ⅱ)求 $Z$ 的概率密度;(Ⅲ)求 $E\left(\frac XY\right)$ 。
**怎么想**:设取点 $U\sim U(0,1)$ ,则 $X=\min(U,1-U)$ ——这是一次**折叠**,先用分布函数求密度。$Z=\frac{1-X}{X}=\frac1X-1$ 是 $X$ 的减函数,"$Z\le z$"可直接翻译成"$X\ge\frac{1}{1+z}$"。
**解**:(Ⅰ)$0<x\le\frac12$ 时
$$F_X(x)=P\{X\le x\}=P\{U\le x\}+P\{U\ge1-x\}=2x,$$
故
$$f_X(x)=2,\quad 0<x<\frac12;\ \text{其余为 }0 .$$
(Ⅱ)$z\ge1$ 时
$$F_Z(z)=P\left\{X\ge\frac{1}{1+z}\right\}=1-2\cdot\frac{1}{1+z}=\frac{z-1}{z+1},$$
$$f_Z(z)=F_Z'(z)=\frac{2}{(1+z)^2},\quad z>1;\ \text{其余为 }0 .$$
(Ⅲ)
$$E\left(\frac XY\right)=\int_0^{1/2}\frac{2x}{1-x}dx=2\left[-\ln(1-x)-x\right]_0^{1/2}=2\ln2-1\approx0.386 .$$
**验算**:$\int_1^{+\infty}\frac{2}{(1+z)^2}dz=2\cdot\frac12=1$ ✓;$Z>1$ 与"长段大于短段"一致 ✓;$0<\frac XY<1$ 而 $2\ln2-1\approx0.386\in(0,1)$ ✓。
**带走结论**:**商的题"先 $F$ 后 $f$"**:$Z\le z$ 是半平面,与支撑求交只动一个上限;硬凑 $f_Z=\int|x|f(x,xz)dx$ 容易漏绝对值与分段。折叠型 $\min(U,1-U)$ 先算 $F$ 得到均匀密度,是全套的入口。
> **关联** · 盘点 [§14.7 商的分布](01-知识点盘点.md#user-content-147-商的分布) | 上游 — | 下游 — | 速查 [十四 概率多维:两条主线](17-速查卡.md#user-content-十四-概率多维两条主线)
---