- A 组 12 题整体重做:每题仍只练一个动作,但包在真实区域里、都要分段 (抛物区域归一化与边缘两支、条件均匀的协方差、区域概率、可加性失效四问等) - B 组 10 题改为照 2016—2025 真题换数字,补上 2025-22 保险赔付与泊松分裂 - C 组 8 题换成环域均匀、次序统计量、非独立正态残差、混合型、泊松分裂五个新方向 - 题源标注:A2/A12 标张宇 30 讲骨架,B1—B10 标真题年份 - 同步 01 考点地图(题目索引、十年真题锚点)、README、专项突破总索引 - 全部数值经 sympy 复核,三处手算错误已订正(A4 的 Cov、C2 的极差、C4 的期望发散)
14 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
|
多维随机变量 | 2026-11-11 | 第二版 A 组解析,B/C 组见 03b 与 03c |
|
解析(基础)· 多维随机变量 A 组
这一组虽然叫"核心动作",但每题都包在真实区域里——只记住公式不够,还要把积分限写对。每题末尾的归因只指一处。
答案速查
| 题 | 核心答案 |
|---|---|
| A1 | p_{10}=0.3 ,p_{11}=0.45 ;P\{X+Y=1\}=0.45 ;E(X\vert Y=1)=0.75 |
| A2 | c=\frac54 ;f_X=\frac58(1-x^4) ;f_Y=\frac56(1+2y)\sqrt{1-y} ;不独立 |
| A3 | Y 边缘 \frac7{24},\frac{11}{24},\frac5{24},\frac1{24} ;E(X\vert Y=1)=\frac{21}{11} ;\operatorname{Cov}=\frac13 ;P\{X+Y=3\}=\frac5{24} |
| A4 | f=\frac1{1-x} ;f_Y=-\ln(1-y) ;\operatorname{Cov}=\frac1{24} ;1-\ln2 |
| A5 | 独立 / 不独立 / 不独立 / 不独立 |
| A6 | 面积 \frac13 ,f=3 ;边缘 3(\sqrt x-x^2) 型;P\{Y<X\}=\frac12 |
| A7 | 19 、7 、-5 ;P\{X<Y\}=\Phi(\frac1{\sqrt7})=0.6472 ;N(\frac34x+\frac54,\frac{27}4) |
| A8 | \frac49 ;f_Z=z\ (0<z<1) 、z-2\ (2<z<3) ;EZ=\frac53 ,DZ=\frac{19}{18} |
| A9 | f_M=e^{-z}+2e^{-2z}-3e^{-3z} ;N\sim\mathrm{Exp}(3) ;EM=\frac76 |
| A10 | f_{U,V}=\frac12 (菱形);f_{U\vert V} 是随 v 变的均匀;不独立 |
| A11 | 0.2613 ;12.5\mathrm e^{-5} ;都不是均匀;是正态且独立 |
| A12 | N(-\frac12,\frac12;\frac14,\frac14;0) ;P\{X>0\}=0.1587 ;\frac12 |
A 组
题 A1 · 独立性给的是一个方程
怎么想:四个格子里只有一个自由度(三个边缘量定死第四格),所以"独立"这一个方程刚好能定一格。下手点是交叉相乘,不是套边缘公式——边缘里有未知量。
解:
(Ⅰ)独立性等价于 p_{00}p_{11}=p_{01}p_{10} (第(Ⅲ)问证),代入
0.1\,p_{11}=0.15\,p_{10}\ \Longrightarrow\ p_{11}=1.5\,p_{10}.
又 p_{00}+p_{01}+p_{10}+p_{11}=1 ,即 p_{10}+p_{11}=0.75 ,故
p_{10}=0.3,\qquad p_{11}=0.45.
验:P\{X=0\}=0.25 ,P\{Y=1\}=0.6 ,0.25\times0.6=0.15=p_{01} ✓。
(Ⅱ)P\{X+Y=1\}=p_{01}+p_{10}=0.15+0.3=0.45 。
P\{X=0\mid Y=1\}=\dfrac{0.15}{0.6}=0.25 ,故 P\{X=1\mid Y=1\}=0.75 ,E(X\mid Y=1)=0.75 。
(Ⅲ)若独立,则 p_{ij}=p_{i\cdot}p_{\cdot j} ,于是
p_{00}p_{11}=p_{0\cdot}p_{\cdot0}\cdot p_{1\cdot}p_{\cdot1}=p_{01}p_{10}.
反之设 p_{00}p_{11}=p_{01}p_{10} ,把 p_{11}=1-p_{00}-p_{01}-p_{10} 代入,整理得
p_{00}=(p_{00}+p_{01})(p_{00}+p_{10})=p_{0\cdot}p_{\cdot0},
即 P\{X=0,Y=0\}=P\{X=0\}P\{Y=0\} 。同一式子轮换即得其余三格,故独立。
归因:A 类——把"独立"当成一项检验而不是一个可解的方程。表格题里"独立"是最强条件,能反解未知格子。
题 A2 · 抛物区域的边缘积分
怎么想:0<y<1-x^2 蕴含 -1<x<1 ,支撑是开口向下的抛物线内部。求 f_Y 时画横线,x 从 -\sqrt{1-y} 到 \sqrt{1-y} ,不能只写 0 到 \sqrt{1-y} (漏左半)。
解:
(Ⅰ)\displaystyle\iint_D(x^2+y)\,\mathrm dx\,\mathrm dy=\int_{-1}^{1}\int_0^{1-x^2}(x^2+y)\,\mathrm dy\,\mathrm dx=\int_{-1}^{1}\Big(\frac12-\frac{x^4}{2}\Big)\mathrm dx=\frac45.
故 c=\dfrac54 。
(Ⅱ)固定 x\in(-1,1) :
f_X(x)=\frac54\int_0^{1-x^2}(x^2+y)\,\mathrm dy=\frac54\cdot\frac{1-x^4}{2}=\frac58(1-x^4).
验证:\displaystyle\int_{-1}^{1}\frac58(1-x^4)\mathrm dx=\frac58\cdot\frac85=1 ✓。
固定 y\in(0,1) ,x 的左右两支要一起算:
f_Y(y)=\frac54\int_{-\sqrt{1-y}}^{\sqrt{1-y}}(x^2+y)\,\mathrm dx=2\cdot\frac54\int_0^{\sqrt{1-y}}(x^2+y)\,\mathrm dx.
取 s=\sqrt{1-y} ,\int_0^s(x^2+y)\mathrm dx=\frac{s^3}{3}+ys=s\Big(\frac{1-y}{3}+y\Big)=\frac{s(1+2y)}{3} ,故
f_Y(y)=\frac52\cdot\frac{(1+2y)\sqrt{1-y}}{3}=\frac56(1+2y)\sqrt{1-y}.
(Ⅲ)支撑不是矩形(y 的上界含 x ),直接判不独立,不用算乘积。
归因:C 类——求
f_Y时只积右半支。支撑对y轴对称时,横线是"穿过去"的,必须左右都算。
题 A3 · 条件分布律先乘后加
怎么想:P\{X=i,Y=j\}=P\{X=i\}P\{Y=j\mid X=i\} ,一个 \frac13 乘一个二项概率。四个 i 共 1+2+3+4=10 个格子。
解:
(Ⅰ)联合分布律(空白为 0 ):
X\backslash Y |
0 |
1 |
2 |
3 |
|---|---|---|---|---|
1 |
\frac16 |
\frac16 |
||
2 |
\frac1{12} |
\frac16 |
\frac1{12} |
|
3 |
\frac1{24} |
\frac18 |
\frac18 |
\frac1{24} |
列和:Y 取 0,1,2,3 的概率依次为 \frac7{24},\frac{11}{24},\frac5{24},\frac1{24} ,合计 1 ✓。
(Ⅱ)P\{X=1\mid Y=1\}=\frac{1/6}{11/24}=\frac4{11} ,同理 P\{X=2\mid Y=1\}=\frac4{11} ,P\{X=3\mid Y=1\}=\frac3{11} ,
E(X\mid Y=1)=\frac{4+8+9}{11}=\frac{21}{11}.
(Ⅲ)EX=2 ;EY=0\cdot\frac7{24}+1\cdot\frac{11}{24}+2\cdot\frac5{24}+3\cdot\frac1{24}=1 。
E(XY)=E\big[X\,E(Y\mid X)\big]=E\Big[X\cdot\frac X2\Big]=\frac12EX^2=\frac12\cdot\frac{14}{3}=\frac73.
\operatorname{Cov}(X,Y)=\frac73-2\cdot1=\frac13.
(Ⅳ)P\{X+Y=3\}=P\{X=2,Y=1\}+P\{X=3,Y=0\}=\frac16+\frac1{24}=\frac5{24}.
归因:D 类——
E(XY)逐格加权求和也能做,但用E[XE(Y\mid X)]一行出结果。条件期望不只是求条件期望,它还是算EXY的捷径。
题 A4 · 条件均匀的联合密度是常数
怎么想:f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=1\cdot\frac1{1-x} 。注意 f_Y 的积分限是 x\in(0,y) ,因为 x<y 。
解:
(Ⅰ)f(x,y)=\dfrac{1}{1-x} ,0<x<y<1 。
f_Y(y)=\int_0^y\frac{\mathrm dx}{1-x}=\Big[-\ln(1-x)\Big]_0^y=-\ln(1-y),\qquad 0<y<1.
(Ⅱ)EX=\frac12 ,\displaystyle EY=\int_0^1 y\big[-\ln(1-y)\big]\mathrm dy=\frac34 (令 u=1-y 化成 \int_0^1(-\ln u)\mathrm du-\int_0^1u(-\ln u)\mathrm du=1-\frac14 )。
E(XY)=\int_0^1\!\!\int_x^1\frac{xy}{1-x}\,\mathrm dy\,\mathrm dx=\int_0^1\frac{x}{1-x}\cdot\frac{1-x^2}{2}\mathrm dx=\frac12\int_0^1 x(1+x)\mathrm dx=\frac{5}{12}.
\operatorname{Cov}(X,Y)=\frac5{12}-\frac12\cdot\frac34=\frac{5}{12}-\frac38=\frac1{24}.
(Ⅲ)P\{X+Y\le1\}=\displaystyle\int_0^{1/2}\!\!\int_x^{1-x}\frac{\mathrm dy}{1-x}\mathrm dx=\int_0^{1/2}\frac{1-2x}{1-x}\mathrm dx.
被积函数拆成 2-\dfrac1{1-x} ,积分得
P\{X+Y\le1\}=\Big[2x+\ln(1-x)\Big]_0^{1/2}=1-\ln 2\approx0.3069.
归因:B 类——条件密度求
f_Y时把积分限写成0到1。限来自"联合密度的支撑",不是边缘的支撑。
题 A5 · 四个判据各管一段
怎么想:先看支撑是否矩形,再看密度是否可分离。两关都过才敢说独立;任一关不过,只是"这条判据用不上",还要回到定义比一格。
解:
(Ⅰ)支撑是单位正方形(矩形),f=4x\cdot y 可分离,且 f_X=2x 、f_Y=2y 、乘起来正是 f ,独立。
(Ⅱ)支撑 0<y<x<1 是三角形,不独立(这条不用算)。
(Ⅲ)支撑是矩形,但 f=\frac65(x+y^2) 分不开。算边缘:f_X(x)=\frac65\big(x+\frac13\big) ,f_Y(y)=\frac65\big(y^2+\frac12\big) ,乘积 \frac{36}{25}\big(x+\frac13\big)\big(y^2+\frac12\big)\ne f ,不独立。
(Ⅳ)支撑是圆盘(非矩形),不独立。
哪几个不用算:(Ⅱ)和(Ⅳ),依据"支撑非矩形"。(Ⅲ)必须算——支撑是矩形却不可分离,这时判据失效,只能比一格,而结论恰好还是不独立,所以这题最容易被"不可分离就独立不了"这种半对的说法蒙对。
归因:A 类——把"不可分离"当成"不独立"的充分条件。正确逻辑是:可分离
+矩形\Rightarrow独立;不可分离\Rightarrow该判据失效,须回到定义。
题 A6 · 均匀分布用面积比
怎么想:区域均匀的两件事——f=\frac1{S_D} ,概率 =\frac{S_{G\cap D}}{S_D} 。P\{Y<X\} 完全不用积分。
解:
(Ⅰ)S_D=\displaystyle\int_0^1(\sqrt x-x^2)\mathrm dx=\frac23-\frac13=\frac13 ,故 f(x,y)=3 在 D 内。
(Ⅱ)竖线:y 从 x^2 到 \sqrt x ,f_X(x)=3(\sqrt x-x^2) ,0<x<1 。
横线:由 x^2<y<\sqrt x 反解出 y^2<x<\sqrt y ,故 f_Y(y)=3(\sqrt y-y^2) ,0<y<1 (与 f_X 同形,因为区域关于 y=x 对称)。
(Ⅲ)D 内满足 y<x 的部分:y\in(x^2,x) ,因为 x^2<x<\sqrt x 在 (0,1) 上恒成立。其面积
\int_0^1(x-x^2)\mathrm dx=\frac12-\frac13=\frac16,
故 P\{Y<X\}=3\times\frac16=\frac12 。(也可由区域对称直接看出。)
归因:C 类——
P\{Y<X\}硬算二重积分。均匀分布下先想面积比,能省三四行,还不容易积错。
题 A7 · 差的分布与对称轴
怎么想:\sigma_1=2 、\sigma_2=3 、\operatorname{Cov}=0.5\times2\times3=3 。P\{X<Y\} 化成 P\{Y-X>0\} ,只用一个正态。
解:
(Ⅰ)D(X+Y)=4+9+2\cdot3=19 ,D(X-Y)=4+9-2\cdot3=7 ,
\operatorname{Cov}(X+Y,\ X-Y)=DX-DY=4-9=-5.
(Ⅱ)Y-X\sim N(2-1,\ 7)=N(1,7) ,
P\{X<Y\}=P\{Y-X>0\}=\Phi\Big(\frac{1}{\sqrt7}\Big)=\Phi(0.378)=0.6472.
(Ⅲ)Y\mid X=x\sim N\Big(2+0.5\cdot\frac32(x-1),\ 9(1-0.25)\Big)=N\Big(\frac34x+\frac54,\ \frac{27}{4}\Big).
归因:B 类——
P\{X<Y\}写成1-\Phi(\cdot)方向搞反。判方向:E(Y-X)=1>0,所以Y多半更大,概率应>0.5。
题 A8 · 离散把连续劈成两段
怎么想:Z=X+Y 的两个可能来源:X=0 给 f_Y(z) ,X=1 给 f_Y(z-2) ,各带权重 \frac12 。支撑是 (0,1)\cup(2,3) ,中间 (1,2) 是空的。
解:
(Ⅰ)EY=\displaystyle\int_0^12y^2\mathrm dy=\frac23 ,P\{Y\le EY\}=\int_0^{2/3}2y\,\mathrm dy=\frac49.
(Ⅱ)
f_Z(z)=\frac12f_Y(z)+\frac12f_Y(z-2)=\begin{cases}z, & 0<z<1,\\[2pt] z-2, & 2<z<3,\\[2pt] 0, & \text{其他}.\end{cases}
(Ⅲ)EZ=EX+EY=1+\frac23=\frac53 。DX=1 (X 取 0,2 各半,EX=1 ,DX=1 )。
EY^2=\int_0^12y^3\mathrm dy=\frac12 ,DY=\frac12-\frac49=\frac1{18} ,故 DZ=DX+DY=1+\frac{1}{18}=\frac{19}{18} 。
归因:D 类——只写
z\in(0,1)那一段。离散型变量把连续变量的支撑平移复制,有几段全看离散变量取几个值。
题 A9 · 异参数指数的最值
怎么想:F_{\max} 直接乘,但不要对 F^{n} 套 U(0,1) 的 \frac{n}{n+1} ——那是同分布专用。这里用 E(M+N)=EX+EY 反推 EM ,比积分快得多。
解:
(Ⅰ)F_M(z)=(1-\mathrm e^{-z})(1-\mathrm e^{-2z}) ,z>0 ,求导
f_M(z)=\mathrm e^{-z}(1-\mathrm e^{-2z})+2\mathrm e^{-2z}(1-\mathrm e^{-z})=\mathrm e^{-z}+2\mathrm e^{-2z}-3\mathrm e^{-3z}.
(Ⅱ)P\{N>z\}=P\{X>z\}P\{Y>z\}=\mathrm e^{-z}\cdot\mathrm e^{-2z}=\mathrm e^{-3z} ,故 N\sim\mathrm{Exp}(3) ,EN=\frac13 。
(Ⅲ)EM=\displaystyle\int_0^\infty z\,\big(\mathrm e^{-z}+2\mathrm e^{-2z}-3\mathrm e^{-3z}\big)\mathrm dz=1+2\cdot\frac14-3\cdot\frac19=\frac76.
验证:E(M+N)=\frac76+\frac13=\frac32 ,而 EX+EY=1+\frac12=\frac32 ✓。
归因:B 类——把
N当成\mathrm{Exp}(1)或\mathrm{Exp}(2)。取\min后参数是相加的,\lambda_1+\lambda_2。
题 A10 · 换元后支撑才是重点
怎么想:|J|=\frac12 是常数,说明 (U,V) 在变换后的区域上均匀。区域由 0<x<1 、0<y<1 换元得到:|v|<1 且 |v|<u<2-|v| ,是个菱形。
解:
(Ⅰ)x=\frac{u+v}{2} ,y=\frac{u-v}{2} ,J=\dfrac{\partial(x,y)}{\partial(u,v)}=-\dfrac12 ,|J|=\frac12 ,
f_{U,V}(u,v)=\frac12,\qquad \vert v\vert<1,\quad \vert v\vert<u<2-\vert v\vert .
(Ⅱ)先求 f_V :固定 v ,u 的区间长 (2-|v|)-|v|=2-2|v| ,
f_V(v)=\frac12(2-2\vert v\vert)=1-\vert v\vert,\qquad \vert v\vert<1 .
于是
f_{U\mid V}(u\mid v)=\frac{1/2}{1-\vert v\vert}=\frac{1}{2(1-\vert v\vert)},\qquad \vert v\vert<u<2-\vert v\vert .
(Ⅲ)条件密度含 v (区间随 v 变),故 U 与 V 不独立。也可以直接说支撑不是矩形。
归因:A 类——只换密度不换支撑。雅可比三步里第三步(支撑换元)最难,也最常漏。
题 A11 · 可加性什么时候失效
怎么想:可加性只对四类分布成立,且要求独立。第(Ⅲ)(Ⅳ)两问专门打"以为都能加"的人。
解:
(Ⅰ)X+Y\sim B(7,0.4) ,
P\{X+Y=2\}=\binom72(0.4)^2(0.6)^5=21\times0.16\times0.07776=0.2613.
(Ⅱ)X+Y\sim P(5) ,P\{X+Y=2\}=\mathrm e^{-5}\dfrac{5^2}{2!}=12.5\,\mathrm e^{-5}\approx0.0842 。
(Ⅲ)都不是。X+Y 的密度是三角形 f(z)=z\ (0<z<1) 、2-z\ (1<z<2) ;X-Y 的支撑是 (-1,1) ,密度是 1-|z| 。两者都不是常数。
(Ⅳ)X+Y\sim N(0,3) (联合正态的线性组合仍是正态,不需要独立)。
\operatorname{Cov}(X+Y,\ X-Y)=DX-DY+0=1-1=0,
而 (X+Y,\ X-Y) 仍服从二维正态,故二者独立。
归因:A 类——认为"不独立就不能用可加性"。正态的可加性只要求联合正态,不要求独立;而"不相关
\Rightarrow独立"这条只在二维正态下成立,这里正好用上。
题 A12 · 从标准正态分布函数里读出参数
怎么想:\Phi(2x+1)=\Phi\Big(\dfrac{x-(-1/2)}{1/2}\Big) ,把括号里配成 \frac{x-\mu}{\sigma} 就一次读出 \mu,\sigma 。两个因子相乘且各自只含一个变量 \Rightarrow 独立。
解:
(Ⅰ)X\sim N\Big(-\frac12,\frac14\Big) ,Y\sim N\Big(\frac12,\frac14\Big) ,且 F=F_XF_Y ,故 \rho=0 ,
(X,Y)\sim N\Big(-\frac12,\ \frac12;\ \frac14,\ \frac14;\ 0\Big).
(Ⅱ)\sigma^2=\frac14 ,\dfrac{1}{2\pi\sigma^2}=\dfrac{2}{\pi} ,2\sigma^2=\dfrac12 ,
f(x,y)=\frac{2}{\pi}\exp\Big\{-2\Big(x+\frac12\Big)^2-2\Big(y-\frac12\Big)^2\Big\}.
(Ⅲ)P\{X>0\}=1-\Phi\Big(\dfrac{0+1/2}{1/2}\Big)=1-\Phi(1)=0.1587 。
X+Y\sim N\Big(-\frac12+\frac12,\ \frac14+\frac14\Big)=N\Big(0,\frac12\Big) ,故 P\{X+Y>0\}=\frac12 。
归因:C 类——
P\{X>0\}忘记标准化。\Phi里的系数要先"除进去"变成\sigma,再套1-\Phi(\cdot)。