Files
MathNotesVersion2/基于考研的学习/数学一/知识点构建/17-背诵版-概率论-第3讲-多维随机变量及其分布.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

138 lines
15 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, 知识点构建, 背诵版, 概率论, 多维随机变量]
专题: 概率论 第3讲 · 多维随机变量及其分布 · 背诵版
日期: 2026-10-27
状态: 背诵版 v1(考点完整呈现 + 19 题清单,无解答)
来源: 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
关联笔记: ["[[README]]", "[[../在学练习/概率论-第3讲-多维随机变量及其分布/README]]"]
---
# 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**:旧版在学练习 `02-试题`(19 题:A 组 1–6 / B 组 7–14 / C 组 15–19),编号沿用原题号;**该文件已于 2026-10 重构删除**,本页 19 题作为回忆自测清单保留(重构后的 27 题见第3讲七点分册,编号与题目均不同)。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 + $f_{UV}=f\cdot|J|$ |
| 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/README|第3讲 README]]、[[../在学练习/概率论-第3讲-多维随机变量及其分布/01-知识点盘点|知识点盘点]]、[[../在学练习/概率论-第3讲-多维随机变量及其分布/09-速查卡|速查卡]](2026-10 重构后共七点 27 题,即 `02` 至 `08` 七个点文件);参考仓库 `参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/{2,3}` 与 `exercise/{2,3}`。