15 KiB
tags, 专题, 日期, 状态, 来源, 关联笔记
| tags | 专题 | 日期 | 状态 | 来源 | 关联笔记 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
概率论 第3讲 · 多维随机变量及其分布 · 背诵版 | 2026-10-27 | 背诵版 v1(考点完整呈现 + 19 题清单,无解答) | 在学练习/概率论-第3讲-多维随机变量及其分布 | 参考仓库 Math/probability-theory-and-mathematical-statistics |
|
概率论 第3讲 · 多维随机变量及其分布 · 背诵版
用法:① 看 §0 骨架搭体系;② 逐节闭卷回忆考点正文;③ 用题目清单自测(只列题干不给解,卡住回查在学练习对应文件)。 题源:在学练习
02-试题(19 题:A 组 1–6 / B 组 7–14 / C 组 15–19),编号沿用原题号;考点出处标注参考仓库knowledge/2(多维章)、knowledge/3(二维数字特征)与exercise/2、exercise/3。难度与真题锚点一并保留。
0. 本讲骨架(先背这张图)
一句话主线:降维靠积分(边缘)、升级靠全概率/卷积(函数分布)、判独立看乘积、算相关看协方差。
真题地位:真题库第 17 章,近十年 11 题 105 分——概率各章之最,且年年一道 11–12 分解答题,结构高度固定:二维密度/分布 → 求某个函数的分布 → 顺带求协方差 / 判断独立性。
六节地图:§1 n 维随机变量与联合分布函数 → §2 二维离散型 → §3 二维连续型 → §4 独立性 → §5 多维随机变量函数的分布(核心,含雅可比)→ §6 与数字特征的耦合。参考仓库:probability-theory-and-mathematical-statistics/knowledge/{2,3}。
核心方法三条总路线(函数分布的选择依据)
| 路线 | 何时用 | 关键 |
|---|---|---|
| ① 分布函数法(定义法) | 给联合密度、求单个函数分布 | $F_Z(z)=\iint_{g\le z}f,\mathrm d\sigma$,再求导 |
| ② 雅可比变换法 | 求多个新变量的联合密度 / 显式变换 | 反解 + $f_{UV}=f\cdot |
| ③ 卷积公式 | X,Y 独立、求 Z=X\pm Y |
把二维密度降成一重积分 |
选择口诀:单个函数 → 定义法;多变量/显式变换 → 雅可比;独立且求和差 → 卷积分。
考点树(按手册章节)
| 节 | 考点(对应题目) |
|---|---|
| §1 二维随机变量 | 联合分布函数与四性质(A2 起手) |
| §2 二维离散型 | 分布律/边缘/条件/区域概率(题1)· 多项分布 \operatorname{Cov}(X_i,X_j)=-np_ip_j |
| §3 二维连续型 | 密度/边缘/条件/二维均匀/二维正态(题2–4、8、13、16) |
| §4 独立性 | 三等价定义、独立 vs 不相关(题6、11) |
| §5 函数分布 ★ | 分布函数法、雅可比、卷积、和/差/积/商/最值、混合型、混合正态(题5、7、9、10、12、15、17、18、19) |
| §6 数字特征耦合 | 二维期望、协方差、$D(aX\pm bY)$、条件分布求相关(题13、14、16、18) |
1. §1 二维随机变量与联合分布函数
设 X,Y 定义在同一样本空间,(X,Y) 为二维随机变量。联合分布函数 $F(x,y)=P{X\le x,\ Y\le y}$,几何意义:以 (x,y) 为右上角、向 -\infty 张开的无界左下矩形的概率。四条性质(比一维多一条):① 对 $x$、对 y 各自单调不减;② 右连续;③ 有界性 $F(-\infty,y)=F(x,-\infty)=0$、$F(+\infty,+\infty)=1$;④ 非负矩形增量(二维特有):$P{x_1<X\le x_2,\ y_1<Y\le y_2}=F(x_2,y_2)-F(x_2,y_1)-F(x_1,y_2)+F(x_1,y_1)\ge0$。用途:判断「某二元函数能否当联合分布函数」——光看前三条不够,矩形增量可能为负。边缘分布:$F_X(x)=F(x,+\infty)$、$F_Y(y)=F(+\infty,y)$。口诀(仓库):求谁不积谁,不积先定限,限内画条线,先交写下限,后交写上限。
2. §2 二维离散型随机变量
联合分布律 $p_{ij}=P{X=x_i,\ Y=y_j}$,充要条件 p_{ij}\ge0 且 $\sum_i\sum_jp_{ij}=1$。表格记忆:边缘 = 行和 $p_{i\cdot}=\sum_jp_{ij}$、列和 $p_{\cdot j}=\sum_ip_{ij}$;条件 $P{X=x_i\mid Y=y_j}=\frac{p_{ij}}{p_{\cdot j}}$($p_{\cdot j}>0$);区域概率 $P{(X,Y)\in G}=\sum_{(x_i,y_j)\in G}p_{ij}$。多项分布(🟨2016·8):n 次独立试验,$\operatorname{Cov}(X_i,X_j)=-np_ip_j$($i\ne j$)。
3. §3 二维连续型随机变量
$F(x,y)=\int_{-\infty}^{x}\int_{-\infty}^{y}f(u,v),\mathrm du,\mathrm dv$,充要条件 $f\ge0$、$\iint_{\mathbb R^2}f=1$(改有限个点仍是密度)。区域概率 $P{(X,Y)\in G}=\iint_Gf,\mathrm dx,\mathrm dy$(画图定限是全部功夫);连续点处 $\frac{\partial^2F}{\partial x\partial y}=f(x,y)$。边缘密度 $f_X(x)=\int f(x,y),\mathrm dy$、$f_Y(y)=\int f(x,y),\mathrm dx$。⚠️ 联合决定边缘,边缘不决定联合:矩形域 + 密度可分离 ⟹ 一眼独立;非矩形域 ⟹ 一眼不独立。条件密度 $f_{Y|X}(y\mid x)=\frac{f(x,y)}{f_X(x)}$;乘法公式 $f(x,y)=f_X(x)f_{Y|X}(y\mid x)=f_Y(y)f_{X|Y}(x\mid y)$。求条件密度标准动作:① 先求 $f_X(x)$;② 把 f(x,y) 中 x 视为常数除以 $f_X(x)$;③ 写清 y 的条件范围。二维均匀:$f=\frac1{S_D}$($(x,y)\in D$),概率 = 面积占比(几何概型升维)。
二维正态 $(X,Y)\sim N(\mu_1,\mu_2;\sigma_1^2,\sigma_2^2;\rho)$($-1<\rho<1$),密度公式见手册。五条必背性质:① 边缘 $X\sim N(\mu_1,\sigma_1^2)$、$Y\sim N(\mu_2,\sigma_2^2)$;② \rho=\frac{\operatorname{Cov}(X,Y)}{\sigma_1\sigma_2} 就是相关系数;③ 任意线性组合 aX+bY 仍正态;④ 条件分布仍是正态 $E(Y\mid X=x)=\mu_2+\rho\frac{\sigma_2}{\sigma_1}(x-\mu_1)$;⑤ 不相关 \iff 独立(二维正态专属特权)。识别技巧:看到「两个一维分布函数之积」$F(x,y)=\Phi(\cdot)\Phi(\cdot)$,先标准化立刻读出参数。
4. §4 随机变量的相互独立性
三等价:$F(x,y)=F_X(x)F_Y(y)\iff f(x,y)=f_X(x)f_Y(y)\iff p_{ij}=p_{i\cdot}p_{\cdot j}$。性质:独立 ⟹ f(X) 与 g(Y) 独立、任意子组独立、$E(XY)=EX\cdot EY$、$D(aX\pm bY)=a^2DX+b^2DY$;独立同分布可加:$B(n,p)+B(m,p)=B(n+m,p)$、$P(\lambda_1)+P(\lambda_2)=P(\lambda_1+\lambda_2)$、正态和正态。判断三步:① 求边缘;② 看取值区域是否矩形(非矩形基本可判不独立——圆形域、三角形域、0<y<x 型一律不独立);③ 验乘积。独立 vs 不相关:独立 ⟹ 不相关($\operatorname{Cov}=0$);不相关 ⇏ 独立(一般情形);唯一例外:二维正态。经典反例:$X\sim U(-1,1)$,Y=X^2 ⟹ \operatorname{Cov}(X,Y)=0 但不独立。
5. §5 多维随机变量函数的分布 ★核心
5.1 分布函数法(通法,必掌握)
$F_Z(z)=P{g(X,Y)\le z}=\iint_{{(x,y):g(x,y)\le z}}f,\mathrm dx,\mathrm dy$,$f_Z(z)=F_Z'(z)$。四步:① 写 $F_Z(z)$;② 画图定区域;③ 按 z 分段积分;④ 对 z 求导。优点:万无一失;缺点:分段讨论繁。
5.2 雅可比行列式变换法
变换 u=u(x,y),v=v(x,y) 满足① 唯一逆变换、② 连续偏导、③ $J\ne0$,则 $f_{UV}(u,v)=f_{XY}(x(u,v),y(u,v))\cdot|J|$,其中 $J=\frac{\partial(x,y)}{\partial(u,v)}$(反解的行列式,别写成 $\frac{\partial(u,v)}{\partial(x,y)}$——互为倒数);区域 D' 是 D 的像。求单个函数 $Z=g(X,Y)$:增补变量三步——① 增补 $V=X$(或 $Y$)凑成一一变换;② 求 $f_{UV}=f\cdot|J|$;③ 对辅助变量积分得边缘。三条常用变换(记熟 $J$):
| 目标 | 增补 | 反解 | \lvert J\rvert |
密度公式 |
|---|---|---|---|---|
和 Z=X+Y |
V=X |
x=v,\ y=z-v |
1 |
\int f(v,z-v)\,\mathrm dv |
积 Z=XY |
V=X |
x=v,\ y=z/v |
\frac1{\lvert v\rvert} |
\int\frac1{\lvert v\rvert}f(v,\frac zv)\,\mathrm dv |
商 Z=\frac YX |
V=X |
x=v,\ y=zv |
\lvert v\rvert |
\int\lvert v\rvert f(v,zv)\,\mathrm dv |
一一性的坑:非一一变换(如 $Z=X^2$、$Z=X^2+Y^2$)要按分支求和 $\sum f(x_k(z))|\frac{\mathrm dx_k}{\mathrm dz}|$,否则改用分布函数法。一维版本(前置):Y=g(X) 单调可导且 g'\ne0 时 $f_Y(y)=f_X(x(y))\cdot|\frac{\mathrm dx}{\mathrm dy}|$。极坐标变换(圆形域专用):$x=r\cos\theta,\ y=r\sin\theta$,$J=r$;「到原点距离」的函数一律先转极坐标。
5.3–5.6 和 / 差 / 积 / 商
- 和:$f_Z(z)=\int f(x,z-x),\mathrm dx$(独立时 $=\int f_X(x)f_Y(z-x),\mathrm dx$)。标准结论:两个
U(0,1)之和 → 辛普森(三角形)分布 $f_Z(z)=z\ (0<z<1)$、$2-z\ (1\le z<2)$;独立正态和 $\sim N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)$。 - 差:$f_Z(z)=\int f(x,x-z),\mathrm dx$;正态差 $X-Y\sim N(\mu_1-\mu_2,\sigma_1^2+\sigma_2^2)$;同方差正态差 $X-Y\sim N(0,2\sigma^2)$,与
\mu无关(🟨2019·8)。 - 积:$f_Z(z)=\int\frac1{\lvert x\rvert}f(x,\frac zx),\mathrm dx$。
- 商:$f_Z(z)=\int\lvert x\rvert f(x,zx),\mathrm dx$。
5.7 最值分布
$F_{\max}(z)=F_X(z)F_Y(z)$、$F_{\min}(z)=1-[1-F_X(z)][1-F_Y(z)]$。独立同分布时 $f_{\max}(z)=2F(z)f(z)$、$f_{\min}(z)=2[1-F(z)]f(z)$。
5.8 混合型(一个离散、一个连续)——全概率
X 离散($P{X=x_i}=p_i$)、Y 连续:$F_Z(z)=\sum_ip_iP{g(x_i,Y)\le z}$——把离散变量取值当权重,加权叠加。例:$P{X=0}=P{X=1}=\frac12$、$Y\sim U(0,1)$、Z=X+Y ⟹ $F_Z(z)=\frac12F_Y(z)+\frac12F_Y(z-1)$。
5.9 混合正态
形如 $Y=X_3X_1+(1-X_3)X_2$(X_3 取 0/1):用全概率 + \Phi 的乘法 $F(x,y)=\sum_kP{X_3=k}P{X_1\le x,\ \text{对应}Y\le y}$,结论常是「证明 Y 仍服从标准正态」。
6. §6 与数字特征的耦合(配件)
E(g(X,Y))=\sum\sum g(x_i,y_j)p_{ij}或 $\iint g f,\mathrm dx,\mathrm dy$(不必先求分布);- $\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY$;$\rho=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}\in[-1,1]$(分母是标准差之积);
- $D(aX\pm bY)=a^2DX+b^2DY\pm2ab\operatorname{Cov}(X,Y)$(正态线性组合别漏
\rho交叉项); - 条件分布求相关:先 $f(x,y)=f_X(x)f_{Y|X}(y\mid x)$,再算 $EX,EY,E(XY)$;
- 线性组合方差最值(🟨2025·8):$(X,Y)\sim N(0,0;1,1;\rho)$,
a^2+b^2=1时 $D(aX+bY)=1+2ab\rho$,最大 $1+|\rho|$; - 切比雪夫:$P{|Z-EZ|\ge\varepsilon}\le\frac{DZ}{\varepsilon^2}$(完整见第 5 讲)。
7. 题目清单(19 题)
A 组 · 基础(★☆☆)
- 题 1 · 离散型·联合→边缘→独立性(A):
(X,Y)分布律表($X=1,2$;$Y=0,1,2$,六格概率)。(Ⅰ)求X,Y边缘分布律;(Ⅱ)判断X与Y是否相互独立。 - 题 2 · 二维均匀分布(A):
(X,Y)在D=\{(x,y)\mid0\le x\le1,\ 0\le y\le x\}上均匀。(Ⅰ)写 $f(x,y)$;(Ⅱ)求 $P{X+Y\le1}$。 - 题 3 · 边缘密度 + 独立性(A):$f(x,y)=cxy$($0<x<1,\ 0<y<2$)。(Ⅰ)求 $c$;(Ⅱ)求 $f_X,f_Y$;(Ⅲ)判断独立。
- 题 4 · 条件概率密度(A):$f(x,y)=3x$($0<y<x<1$)。(Ⅰ)求 $f_X(x)$;(Ⅱ)求 $f_{Y|X}(y\mid x)$;(Ⅲ)求 $P{Y<\frac12\mid X=\frac34}$。
- 题 5 · 卷积·和的分布(A):
X,Y\sim U(0,1)独立,$Z=X+Y$,求 $f_Z(z)$(辛普森分布)。 - 题 6 · 概念辨析·独立与不相关(A):判断(A)都正态且
\operatorname{Cov}=0则独立(错);(B)(X,Y)二维正态则不相关 ⟺ 独立(对);(C)\operatorname{Cov}=0则独立(错);(D)独立则\operatorname{Cov}可以为 0(错——独立必为 0)。正确项为 B。
B 组 · 中等(★★☆)
- 题 7 · 商分布(B):
X,Y\sim U(0,1)独立,$Z=Y/X$,求f_Z(z)及 $P{Z>1}$。 - 题 8 · 连续型独立性(B):
(X,Y)在单位圆x^2+y^2\le1上均匀。(Ⅰ)求 $f_X(x)$;(Ⅱ)判断独立(非矩形域 → 不独立)。 - 题 9 · 积分布(B):$X\sim U(0,1)$、
Y\sim U(0,2)独立,$Z=XY$,求 $f_Z(z)$。 - 题 10 · 混合型·和(B):$P{X=0}=P{X=1}=\frac12$,
Y\sim U(0,1)独立,$Z=X+Y$,求F_Z(z)与 $f_Z(z)$(全概率 $\frac12F_Y(z)+\frac12F_Y(z-1)$)。 - 题 11 · 不相关但不独立(B):$X\sim U(-1,1)$,$Y=X^2$,求
\operatorname{Cov}(X,Y)与 $\rho_{XY}$,并判断是否独立(\operatorname{Cov}=0但Y是X的偶函数 → 不独立)。 - 题 12 · 最值分布(B):
X,Y独立同参数\lambda指数分布,$Z=\max(X,Y)$,求分布函数与密度。 - 题 13 · 二维正态综合(B):$(X,Y)\sim N(1,2;1,4;0.5)$。(Ⅰ)写边缘分布;(Ⅱ)求
\operatorname{Cov}(X,Y)与 $D(X+Y)$;(Ⅲ)求 $E(Y\mid X=x)$。 - 题 14 · 取点分段·几何概型(B):
(0,1)上随机取一点,较短段长度 $X$,求X的密度。
C 组 · 拔高(★★★)
- 题 15 · 二维均匀+离散化+分布函数法(C)【真题骨架 2016·22】:
(X,Y)在三角形0<y<x<1上均匀,U=1当Y\le\frac X2否则 $0$。(Ⅰ)写 $f(x,y)$;(Ⅱ)求P\{U=1,\ X\le x\}并判断U与X是否独立;(Ⅲ)求Z=U+X的F_Z与 $f_Z$。 - 题 16 · 条件均匀分布→相关系数(C)【真题骨架 2022·10/2024·9】:$X\sim U(0,1)$,
X=x条件下 $Y\sim U(0,x)$,求 $\rho_{XY}$(先f=f_Xf_{Y\mid X}再算 $EX,EY,E(XY)$)。 - 题 17 · 混合正态(C)【真题骨架 2020·22】:
X_1,X_2\sim N(0,1)独立,$P{X_3=1}=P{X_3=-1}=\frac12$,$Y=\frac{1+X_3}{2}X_1+\frac{1-X_3}{2}X_2$。(Ⅰ)求(X_1,Y)的分布函数(用\Phi表示);(Ⅱ)证明 $Y\sim N(0,1)$。 - 题 18 · 圆形区域密度+函数分布(C)【真题骨架 2023·22】:$f(x,y)=c\sqrt{x^2+y^2}$($x^2+y^2\le1$)。(Ⅰ)求 $c$(极坐标);(Ⅱ)求 $\operatorname{Cov}(X,Y)$;(Ⅲ)判断独立(非矩形 → 不独立);(Ⅳ)求
Z=X^2+Y^2的密度(反解多值,走分布函数法)。 - 题 19 · 雅可比行列式变换法(C)【视频推荐】:$f(x,y)=e^{-(x+y)}$($x>0,y>0$),$U=X+Y$、$V=\frac{X}{X+Y}$。(Ⅰ)用雅可比法求 $f_{UV}(u,v)$;(Ⅱ)判断
U,V是否独立并写各自分布(应得U\sim\Gamma型、V\sim U(0,1)且独立)。
回查入口:在学练习 ../在学练习/概率论-第3讲-多维随机变量及其分布/01-考点手册、../在学练习/概率论-第3讲-多维随机变量及其分布/02-试题、../在学练习/概率论-第3讲-多维随机变量及其分布/03-解析、../在学练习/概率论-第3讲-多维随机变量及其分布/05-试题-中高难度(12 题强化卷);参考仓库
参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/{2,3}与exercise/{2,3}。