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 c16a754752 新增「大题十年考点」系列:按十年解答题倒推的 15 个考点族
- 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
2026-11-01 21:43:01 +08:00

9.3 KiB
Raw 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
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
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)
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。

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