ch17 十年 11 题 105 分,是概率分值最高的一章,也是每年必出 11—12 分 解答题的唯一边界;而 03 号专题只覆盖 ch19—ch22,开头就写明"不涉及 多维随机变量那种技巧性构造"。这份补齐这块空白。 - 01-考点地图(9443):十二个核心动作(分布律填表 / 归一化 / 边缘分段 / 条件分布 / 独立性三判据 / 二维均匀 / 二维正态 / 分布函数法 / 最值 / 雅可比 / 可加性 / 混合型)+ 一圈 10 条 + 二圈 8 条 + 十年真题索引 + 30 题索引 + 六个高频陷阱 - 02-试题(8443):30 题(A 核心 12 / B 一圈 10 / C 二圈 8),比其余 各份(12—22 题)多出近一半,因这一章靠"画区域"的手感、只能堆题量 - 03a/03b/03c:三册解析,每题四段(怎么想 / 解 / 归因),全部数值 经 sympy 验算(A3 的 rho=1/2、A6 的 rho=-1/2、B1 的 E(UX)=E(U)E(X) =1/3、C7 的 DY=1/4 等) - C1 照 2023·22 的形态出(区域密度 → 边缘 → 函数分布 → 数字特征, 四问 12 分);C8 是八个断言的概念辨析,与 C6 的"对一切"vs"支撑内 可分离"形成对照 - 同步:专项突破 README(十份专题、总 182 题、10 与 03 的相互关系、 用时 25—27 小时)、总览.md 目录树 校验:check_md_links 0 异常、fix_gitea_math 0 处、7 处「加粗以公式 收尾」改句式(脚本修不了,补空格反而让星号外露)、单文件最大 9607。
304 lines
17 KiB
Markdown
304 lines
17 KiB
Markdown
---
|
||
tags: [数学一, 专项突破, 考点地图, 多维随机变量]
|
||
专题: 多维随机变量
|
||
日期: 2026-11-11
|
||
状态: 考点地图, 三层扩散(核心 12 条 + 一圈 10 条 + 二圈 8 条)
|
||
---
|
||
|
||
# 考点地图 · 多维随机变量
|
||
|
||
## 零、为什么单独做这一份
|
||
|
||
概率里分值最高的一章不是参数估计,是**多维随机变量**(ch17):
|
||
|
||
| 章 | 题数 | 分值 | 题型 |
|
||
|---|---|---|---|
|
||
| **ch17 多维随机变量** | **11** | **105** | 解答 9 + 选填 2 |
|
||
| ch21 参数估计 | 10 | 93 | 解答 7 + 选填 3 |
|
||
| ch15 随机事件与概率 | 8 | 36 | 选填为主 |
|
||
| ch18 数字特征 | 7 | 32 | 选填为主 |
|
||
| ch16 一维随机变量 | 6 | 27 | 选填为主 |
|
||
|
||
而且它是**每年必出一道 11—12 分大题**的唯一章节(2022、2024 两年除外,那两年它退到选填)。现有的 `03-大数定律与数理统计` 明确不覆盖它,理由是"那一块要靠技巧、不是背套路"——正因为如此才更需要单独练。
|
||
|
||
**这一章的失分点极其集中**,一句话概括:**不是不会公式,是区域想不清、积分限写错、分段漏掉一半**。所以这份地图 12 条核心每条都配一张"区域怎么画",题目里凡是分段的一律要求先画图。
|
||
|
||
## 一、扩散半径总览
|
||
|
||
| 层 | 内容 | 题号 |
|
||
|---|---|---|
|
||
| **核心** | 分布律填表、联合密度归一化、边缘分段、条件分布、独立性三判据、二维均匀、二维正态、分布函数法、最值、雅可比、可加性、由 $F$ 反求 | A1—A12 |
|
||
| **一圈** | 指示变量、混合正态、离散×连续、条件反解联合、协方差与相关系数、雅可比两个用途、四张可加表、min 与 max 同现、异分布卷积、条件密度与条件期望 | B1—B10 |
|
||
| **二圈** | 无穷区域综合、含参讨论、非独立正态、商的分布、三变量最值、反例构造、全方差公式、概念辨析 | C1—C8 |
|
||
|
||
**一句话总纲**:**二维题的一切麻烦都出在"区域"上**——密度写在哪、边缘积到哪、函数分布的新变量取哪些值,三件事都由区域决定。所以做任何一道题,第一步永远是画支撑集。
|
||
|
||
## 二、核心层(12 条)
|
||
|
||
### 1.1 联合分布函数与联合分布律
|
||
|
||
联合分布函数 $F(x,y)=P\{X\le x,\ Y\le y\}$ ,四条性质:对每个变量单调不减、右连续、$F(-\infty,y)=F(x,-\infty)=0$ 、$F(+\infty,+\infty)=1$ 。
|
||
|
||
离散型用**表格**:行是 $X$ 的取值、列是 $Y$ 的取值、格子里填 $p_{ij}$ ,**全表之和必须为 1**(这一条是最快的自检)。边缘分布律 = 行和(对 $X$ )与列和(对 $Y$ )。
|
||
|
||
> **填表的顺序**:先把题给的每个格子的概率写进去,再看还缺哪些格子,用"全表 = 1"和"边缘 = 题给的某行某列和"去补。填空型考题基本都是缺一个格子。
|
||
|
||
### 1.2 联合密度与归一化
|
||
|
||
$f(x,y)\ge0$ 且 $\displaystyle\iint_{\mathbb R^2}f=1$ 。给的密度含未知常数时,**先用归一化定常数再算别的**,否则后面全错。
|
||
|
||
$$P\{(X,Y)\in D\}=\iint_D f(x,y)\,\mathrm dx\,\mathrm dy .$$
|
||
|
||
归一化那一步的积分区域**就是支撑集本身**,不是整个平面——这是最容易多积或少积的地方。
|
||
|
||
### 1.3 边缘密度的积分限
|
||
|
||
$$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dy .$$
|
||
|
||
看起来是固定公式,**真正的难点是内层积分的上下限随 $x$ 变**。做法固定:把支撑集画出来,固定 $x$ 画一条竖线,看这条线穿过区域的那一段 $y$ 从哪到哪,那就是积分限。求 $f_Y$ 时改成画横线。
|
||
|
||
**检验边缘密度**:算完必须验证 $\int f_X=1$ ,且 $f_X$ 的支撑要比 $f$ 的支撑**宽或相等**(投影不会更窄)。
|
||
|
||
### 1.4 条件分布与条件密度
|
||
|
||
离散:$P\{X=x_i\mid Y=y_j\}=\dfrac{p_{ij}}{p_{\cdot j}}$ ,即**在表格里取那一列再按列和归一化**。
|
||
|
||
连续:$f_{X\mid Y}(x\mid y)=\dfrac{f(x,y)}{f_Y(y)}$ ,$f_Y(y)>0$ 。几何意义是"沿 $y$ 这条横线把联合密度重新归一化"。
|
||
|
||
条件期望 $E(Y\mid X=x)=\int y\,f_{Y\mid X}(y\mid x)\,\mathrm dy$ 是 $x$ 的函数,把 $x$ 换成 $X$ 得到随机变量 $E(Y\mid X)$ ,再取期望就是重期望公式 $E\big[E(Y\mid X)\big]=EY$ 。
|
||
|
||
### 1.5 独立性三重判据
|
||
|
||
按优先级用:
|
||
|
||
| 判据 | 怎么用 | 什么时候失效 |
|
||
|---|---|---|
|
||
| **支撑是矩形 + 可分离** | $f(x,y)=g(x)h(y)$ 且支撑是 $a<x<b,\ c<y<d$ | 最常用,两条件缺一不可 |
|
||
| 定义 | $F(x,y)=F_X(x)F_Y(y)$ 对一切 $x,y$ | 通用但慢 |
|
||
| 条件分布 | $f_{X\mid Y}(x\mid y)$ 与 $y$ 无关 | 连续型好用 |
|
||
|
||
**两个必须记住的结论**:① 支撑不是矩形(三角形、圆、$0<y<x$ 这类)**一定不独立**,不用算;② 支撑是矩形但密度不可分离,也**不一定独立**——必须真算边缘乘积去比(见 A5 第三例)。
|
||
|
||
### 1.6 二维均匀分布
|
||
|
||
$(X,Y)$ 在区域 $D$ 上均匀 $\iff$ $f=\dfrac{1}{S_D}$ 在 $D$ 内。**没有"均匀的边缘"**:三角形上均匀的两个边缘都是线性的,不是均匀分布。这是判断题的高频陷阱。
|
||
|
||
反过来,概率 = 面积比:$P\{(X,Y)\in G\}=\dfrac{S_{G\cap D}}{S_D}$ ,很多题不用积分,直接用面积算更快。
|
||
|
||
### 1.7 二维正态分布
|
||
|
||
$$(X,Y)\sim N(\mu_1,\mu_2;\sigma_1^2,\sigma_2^2;\rho).$$
|
||
|
||
三条必背:① 边缘仍是正态,且**边缘的参数里不含 $\rho$ 这一项** ;② $\rho=0\iff$ 独立(二维正态独有,一般情形不成立);③ 任何线性组合 $aX+bY$ 仍正态,$D(aX+bY)=a^2\sigma_1^2+b^2\sigma_2^2+2ab\rho\sigma_1\sigma_2$ 。
|
||
|
||
条件分布也是正态:$Y\mid X=x\sim N\Big(\mu_2+\rho\dfrac{\sigma_2}{\sigma_1}(x-\mu_1),\ \sigma_2^2(1-\rho^2)\Big)$ ,**条件方差与 $x$ 无关**。
|
||
|
||
### 1.8 分布函数法
|
||
|
||
求 $Z=g(X,Y)$ 的密度,万能的四步:
|
||
|
||
1. 写 $F_Z(z)=P\{g(X,Y)\le z\}$ ;
|
||
2. **在支撑图上画出 $g(x,y)\le z$ 这条曲线**,找出它与区域相交的形状;
|
||
3. 按 $z$ 的取值分段(曲线扫过区域的不同顶点时,形状变,公式就变);
|
||
4. 对 $z$ 求导得 $f_Z$ ,并写明 $f_Z$ 的支撑。
|
||
|
||
**分段的临界值从哪来**:曲线恰好经过区域顶点时的 $z$ 。所以第 2 步画图时要把顶点坐标写出来。
|
||
|
||
### 1.9 雅可比变换法
|
||
|
||
求 $(U,V)=(g_1(X,Y),g_2(X,Y))$ 的联合密度:
|
||
|
||
$$f_{U,V}(u,v)=f\big(x(u,v),y(u,v)\big)\cdot\lvert J\rvert,\qquad J=\frac{\partial(x,y)}{\partial(u,v)} .$$
|
||
|
||
**三个坑**:① 反解要写全($x,y$ 都用 $u,v$ 表示);② 雅可比取绝对值;③ 支撑要跟着换——把 $x(u,v),y(u,v)$ 代回原来的不等式,得到的才是 $(u,v)$ 的区域。
|
||
|
||
只要求一个函数的分布时,**拉一个陪变量**(常取 $V=Y$ )把它补成一次变换,积掉 $v$ 就回到边缘,见 [第3讲 点6 §6.2](../../在学练习/概率论-第3讲-多维随机变量及其分布/07-点6-四则运算与最值.md)。
|
||
|
||
### 1.10 和差积商与可加性
|
||
|
||
卷积:$f_{X+Y}(z)=\displaystyle\int f_X(x)f_Y(z-x)\,\mathrm dx$ (独立时)。**积分限由 $x$ 与 $z-x$ 同时落在各自支撑内决定**,所以 $z$ 要分段。
|
||
|
||
四张可加表(独立时成立,且是"同类型才可加"):
|
||
|
||
| 分布 | 可加性 |
|
||
|---|---|
|
||
| 正态 | $N(\mu_1,\sigma_1^2)+N(\mu_2,\sigma_2^2)=N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)$ |
|
||
| 泊松 | $P(\lambda_1)+P(\lambda_2)=P(\lambda_1+\lambda_2)$ |
|
||
| 二项 | $B(n_1,p)+B(n_2,p)=B(n_1+n_2,p)$ (**$p$ 必须相同**) |
|
||
| 卡方 | $\chi^2(n_1)+\chi^2(n_2)=\chi^2(n_1+n_2)$ |
|
||
|
||
均匀分布、指数分布(同参数)**没有**这个性质——两个 $U(0,1)$ 相加是三角分布,不是均匀。
|
||
|
||
### 1.11 最值分布
|
||
|
||
独立时:
|
||
|
||
$$F_{\max}(z)=\prod F_{X_i}(z),\qquad F_{\min}(z)=1-\prod\big[1-F_{X_i}(z)\big].$$
|
||
|
||
同分布时简化为 $F^n$ 与 $1-(1-F)^n$ 。**$E(\max)$ 与 $E(\min)$ 别硬算密度**:同分布 $U(0,1)$ 时 $E(\max)=\frac{n}{n+1}$ ,$E(\min)=\frac{1}{n+1}$ ;一般地若 $F_{\max}=F^n$ 且 $E$ 好算,直接用 $\int_0^\infty[1-F^n]\,\mathrm dz$ 。
|
||
|
||
$\max-\min$ 的分布要单独求,不能用上面两式相减(两者不独立)。
|
||
|
||
### 1.12 混合型与全概率密度版
|
||
|
||
$X$ 离散、$Y$ 连续(或反之)时,**没有联合密度**,只能用全概率:
|
||
|
||
$$f_Y(y)=\sum_i P\{X=x_i\}\,f_{Y\mid X=x_i}(y),\qquad P\{Y\in B\}=\sum_i P\{X=x_i\}\,P\{Y\in B\mid X=x_i\}.$$
|
||
|
||
判断"有没有联合密度"的标准:**联合分布函数是否绝对连续**。混合型的 $F$ 在 $X$ 的取值处有跳跃,所以不存在。
|
||
|
||
## 三、一圈层(10 条)
|
||
|
||
### 3.1 区域均匀加指示变量
|
||
|
||
$I=\mathbf 1\{g(X,Y)\ge0\}$ 是真题最常见的包装(2016·22)。判它与其他变量的独立性,用**条件概率**:$P\{I=1\mid X=x\}$ 若是常数,则 $I$ 与 $X$ 独立,常数值就是 $P\{I=1\}$ ;若随 $x$ 变,就不独立。别去求联合分布。
|
||
|
||
### 3.2 混合正态与全方差公式
|
||
|
||
$X$ 的分布依赖一个离散变量 $T$ 时,$X$ 是混合分布,一般**不是正态**。均值用重期望、方差用全方差:
|
||
|
||
$$EX=E\big[E(X\mid T)\big],\qquad DX=E\big[D(X\mid T)\big]+D\big[E(X\mid T)\big].$$
|
||
|
||
第二项常被漏掉,漏了就一定偏小。
|
||
|
||
### 3.3 离散与连续的交叉
|
||
|
||
$X$ 离散、$Y$ 连续时按 $X$ 的取值用全概率拆开,每一支都是普通的一维问题。**顺序别倒**:先拆离散变量,再在每支里做连续运算。
|
||
|
||
### 3.4 条件分布反解联合
|
||
|
||
给 $f_{Y\mid X=x}$ 与 $f_X$ ,乘起来得 $f(x,y)=f_X(x)f_{Y\mid X}(x\mid y)$ ,再反求 $f_Y$ 。这条路的支撑往往是个三角形(因为条件区间依赖 $x$ ),所以求 $f_Y$ 时积分限含 $y$ 。
|
||
|
||
### 3.5 协方差与相关系数
|
||
|
||
$\operatorname{Cov}(X,Y)=EXY-EX\cdot EY$ 。$EXY$ 在离散型是表格加权求和,连续型是 $\iint xy f$ 。相关系数 $\rho=\dfrac{\operatorname{Cov}}{\sqrt{DX\cdot DY}}$ 。
|
||
|
||
**判断"不相关但不独立"**:算出 $\operatorname{Cov}=0$ 只说明没有线性关系,还要另找一对事件 $P\{X\le x,Y\le y\}\ne F_XF_Y$ 来证不独立。
|
||
|
||
### 3.6 雅可比的两个用途
|
||
|
||
一是**求联合密度**(正着用,见 1.9);二是**判独立**——算完 $f_{U,V}$ 看能否写成 $a(u)b(v)$ 且支撑是矩形。后者常让人意外:两个相依变量的某个变换可能变独立(B6、B10 都是这样)。
|
||
|
||
### 3.7 四张可加表
|
||
|
||
认出分布类型直接写,比卷积快十倍,**但前提是独立**。最容易错的两处:二项可加要求 $p$ 相同;均匀与指数(不同参数)没有可加性。
|
||
|
||
### 3.8 最小与最大同时出现
|
||
|
||
不用求任何密度,只用两条尾概率:
|
||
|
||
$$P\{\max\le z\}=\prod F_i(z),\qquad P\{\min>z\}=\prod\big[1-F_i(z)\big].$$
|
||
|
||
$\max-\min$ 这类"极差"要单独处理,转成 $P\{\vert X-Y\vert>t\}$ 再来(独立同分布时往往有简洁形式)。
|
||
|
||
### 3.9 异分布的和
|
||
|
||
卷积必须分段,**临界值是两个支撑端点之和**:$X\in(0,1)$ 、$Y\in(0,2)$ 时,$Z$ 在 $1$ 与 $2$ 处换公式,分三段。
|
||
|
||
### 3.10 由分布函数反求密度与条件密度
|
||
|
||
$f(x,y)=\dfrac{\partial^2F}{\partial x\partial y}$ ,逐段求偏导($F$ 是分段函数时,每一段都要单独求)。求完立即验 $\iint f=1$ 。条件密度再用 1.4 的公式。
|
||
|
||
## 四、二圈层(8 条)
|
||
|
||
### 4.1 无穷区域上的二维连续
|
||
|
||
支撑是第一象限这类无界区域时,积分限含 $\infty$ 。**先看联合密度能否分离**——能分离就直接拆成两个一维积分,省一半计算。
|
||
|
||
### 4.2 含参密度先定参再讨论
|
||
|
||
密度带未知常数时,先用归一化定出它,**定完之后独立性的答案可能变**。所以顺序永远是:定参 → 边缘 → 判独立。
|
||
|
||
### 4.3 非独立正态的条件分布
|
||
|
||
$\rho\ne0$ 时 $Y\mid X=x$ 仍正态,条件均值是 $x$ 的**一次函数**,条件方差 $\sigma_2^2(1-\rho^2)$ 与 $x$ 无关。用它验证全方差公式很顺。
|
||
|
||
### 4.4 商的分布
|
||
|
||
$Z=X/Y$ 的密度要按 $z$ 的符号(或与 1 的大小关系)分段,因为 $y<z x$ 这条直线的方向会随 $z$ 变。绝对值、不等号方向两处都要照顾。
|
||
|
||
### 4.5 三个变量的最值
|
||
|
||
$F_{\max}=F^3$ 、$F_{\min}=1-(1-F)^3$ 。次序对称性很好用:连续型独立同分布时,$P\{X_1<X_2<X_3\}=\frac{1}{3!}=\frac16$ ,因为六种大小顺序等可能。
|
||
|
||
### 4.6 独立性反例构造
|
||
|
||
标准反例:$X\sim U(-1,1)$ 、$Y=X^2$ ,则 $\operatorname{Cov}=0$ 但 $Y$ 完全由 $X$ 决定。反过来"独立必不相关"永远成立。这两个方向要能各举一例。
|
||
|
||
### 4.7 条件期望与全方差
|
||
|
||
两段式:先算 $E[D(Y\mid X)]$ (条件方差再取期望),再算 $D[E(Y\mid X)]$ (条件均值作为随机变量的方差)。**两项量纲相同、都非负**,加起来才对。
|
||
|
||
### 4.8 概念辨析
|
||
|
||
八个断言逐条判,考的全是边界:不相关与独立的关系、二维正态的特殊性、均匀的边缘是否均匀、混合型能否写密度。这类题不计算,但错一个就整题错。
|
||
|
||
## 五、十年真题索引
|
||
|
||
| 年份·题号 | 题型 | 分 | 考法 | 本专题对应 |
|
||
|---|---|---|---|---|
|
||
| 2016·22 | 解答 | 11 | 三角形均匀 + 指示变量 + 独立性 | B1 |
|
||
| 2017·22 | 解答 | 11 | 离散×连续混合,函数分布 | B3 |
|
||
| 2018·22 | 解答 | 11 | 协方差 + 函数分布 | B5 |
|
||
| 2019·8 | 单选 | 4 | 正态差的分布与独立性 | A7 |
|
||
| 2019·22 | 解答 | 11 | 函数分布(分段) | A8 |
|
||
| 2020·22 | 解答 | 11 | 混合正态 + 数字特征 | B2 |
|
||
| 2021·22 | 解答 | 12 | 函数分布与期望 | A9 |
|
||
| 2022·10 | 单选 | 5 | 条件分布反解 + 相关系数 | B4 |
|
||
| 2023·22 | 解答 | 12 | 二维连续型综合 | C1 |
|
||
| 2024·9 | 单选 | 5 | 条件分布与协方差 | B10 |
|
||
|
||
合 10 题 103 分(另有 2025·22 计入数理统计章)。**解答题的形态高度固定**:给一个区域上的密度 → 求边缘 → 求某个函数的分布 → 顺带算一个数字特征,四问 12 分。C1 就是照着这个形态出的。
|
||
|
||
## 六、题目索引
|
||
|
||
| 题 | 考什么 | 难度 | 真题锚点 |
|
||
|---|---|---|---|
|
||
| A1 | 分布律填表、边缘、条件、独立 | ★☆☆ | 基础动作 |
|
||
| A2 | 归一化 + 边缘密度分段 | ★☆☆ | 2023·22 第一问 |
|
||
| A3 | 条件分布律与条件期望 | ★★☆ | 2022·10 |
|
||
| A4 | 条件密度与重期望验证 | ★★☆ | — |
|
||
| A5 | 独立性三判据(三个反例) | ★★☆ | 概念题高频 |
|
||
| A6 | 二维均匀(三角形) | ★★☆ | 2016·22 |
|
||
| A7 | 二维正态的线性组合 | ★★☆ | 2019·8 |
|
||
| A8 | 分布函数法求和的分布 | ★★★ | 2019·22 |
|
||
| A9 | 最值分布与极差 | ★★☆ | 2021·22 |
|
||
| A10 | 雅可比求联合密度 | ★★★ | — |
|
||
| A11 | 可加性直接写分布 | ★☆☆ | 选填常客 |
|
||
| A12 | 由 $F$ 反求 $f$ 与概率 | ★★☆ | 2023·22 |
|
||
| B1 | 指示变量独立性 | ★★★ | 2016·22 |
|
||
| B2 | 混合正态与总方差 | ★★★ | 2020·22 |
|
||
| B3 | 离散×连续混合 | ★★★ | 2017·22、2019·22 |
|
||
| B4 | 条件分布反解联合 | ★★★ | 2022·10 |
|
||
| B5 | 相关系数(含不相关不独立) | ★★☆ | 2018·22 |
|
||
| B6 | 雅可比:正态的正交变换 | ★★★ | — |
|
||
| B7 | 可加性表 + 相关系数 | ★★☆ | 选填 |
|
||
| B8 | min 与 max 同时出现 | ★★★ | — |
|
||
| B9 | 异分布卷积 | ★★★ | — |
|
||
| B10 | 条件密度与条件期望 | ★★☆ | 2024·9 |
|
||
| C1 | 无穷区域综合(12 分) | ★★★ | 2023·22 |
|
||
| C2 | 含参密度 + 独立讨论 | ★★★ | — |
|
||
| C3 | 非独立正态的条件分布 | ★★★ | — |
|
||
| C4 | 商的分布 | ★★★ | — |
|
||
| C5 | 三变量最值 | ★★☆ | — |
|
||
| C6 | 独立性反例构造 | ★★★ | 概念题 |
|
||
| C7 | 条件期望与全方差 | ★★★ | 2020·22 |
|
||
| C8 | 八个断言辨析 | ★★★ | 概念题 |
|
||
|
||
**A 组 12 题一次把 12 个动作各走一遍**,B 组是真题的混合包装,C 组是 12 分大题的形态。合计 30 题。
|
||
|
||
## 七、六个高频陷阱
|
||
|
||
1. **支撑不是矩形却去算乘积**:$0<y<x<1$ 这类,题干里一旦出现不等关系连着两个变量,独立性的答案立刻是"不独立",省下五分钟。
|
||
2. **边缘密度的积分限照抄 0 到 1**:必须按支撑投影写。三角形 $0<y<1-x$ 时 $f_X(x)=\int_0^{1-x}$ ,不是 $\int_0^1$ 。
|
||
3. **分段少写一段**:$Z=X+Y$ 的两个均匀相加,$z$ 必须分两段(或三段,当支撑不等长)。**写完要验归一化,即 $\int f_Z=1$ 是否成立** ,少了段一定不归一。
|
||
4. **把"不相关"当"独立"**:只有二维正态反过来成立;一维函数关系($Y=X^2$ )是标准反例。
|
||
5. **在混合型上写联合密度**:$X$ 离散时 $f(x,y)$ 根本不存在,只能写 $P\{X=x_i\}f_{Y\mid X=x_i}(y)$ 。
|
||
6. **最值用密度硬算**:$F_{\max}=F^n$ 一步到位,硬算密度要多写两行还容易错。
|
||
|
||
## 八、回到在学练习
|
||
|
||
这份专题是"扩散式加练",不是第一次学。第一次学的顺序在 [第3讲 README](../../在学练习/概率论-第3讲-多维随机变量及其分布/README.md):点 1 联合分布 → 点 2 离散 → 点 3 连续 → 点 4 独立 → 点 5 函数分布 → 点 6 四则运算 → 点 7 混合型。
|
||
|
||
**做完本专题若某条仍卡**,按上表回到对应点,只读那一条,不要再通读整讲。
|