- 01-知识点盘点 14038 → 12976 字符,超额部分整体迁到 01b(§0.x 编号保持不变) - 15-点14-概率多维随机变量 补题并同步速查回查 - gen_crosslinks 支持把索引表写入含 AUTO:KP 标记的 01b
18 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | |||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
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、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) |
|
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(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)
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"。
知识点 14.4 条件分布与重期望(出处:概率论-第3讲 · 条件分布)
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3讲 · 数字特征)
\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 · 函数分布)
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 · 函数分布)
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 | 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
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 | 上游 — | 下游 — | 速查 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 | 上游 — | 下游 — | 速查 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 | 上游 — | 下游 — | 速查 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 | 上游 — | 下游 — | 速查 十四 概率多维:两条主线