Files
Yimu 4ddf42c7e6 修复 Gitea 多行 $$ 块级公式不渲染
Gitea block_parser.go 的 Open() 在「同一行找不到收尾 $$」时,仍会从 pos+1 起
检查该行是否有非空白字符(idx=-1 未参与判断),于是形如
    $$\boxed{\begin{aligned}
的写法会被整块拒绝,退化为普通文本。
→ 多行块的开头 $$ 与收尾 $$ 一律独占一行。

共 4 个文件 6 个块(12 处换行):第3讲 03-解析/04-答疑笔记/06-解析-中高难度、
第6讲 01-考点手册。KaTeX 会 trim,渲染结果不变,PDF 体积与改动前一致。
2026-10-16 17:57:32 +08:00

213 lines
12 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
- 在学练习
- 概率论
- 多维随机变量
- 解析
专题: 概率论 第3讲 · 多维随机变量及其分布 · 解析(19 题)
日期: 2026-10-13
关联: "[[01-考点手册]] · [[02-试题]]"
---
# 概率论 第3讲 · 多维随机变量及其分布 · 解析
> 每题含 **答案 / 思路 / 易错点**,标「真题骨架」的题给出对应真题。
---
## A 组 · 基础
### 1.(Ⅰ)行和、列和:
| $X\backslash Y$ | 0 | 1 | 2 | $p_{i\cdot}$ |
|---|---|---|---|---|
| **1** | 0.1 | 0.2 | 0.1 | **0.4** |
| **2** | 0.2 | 0.3 | 0.1 | **0.6** |
| $p_{\cdot j}$ | **0.3** | **0.5** | **0.2** | 1 |
$X\sim\begin{pmatrix}1&2\\0.4&0.6\end{pmatrix}$ ,$Y\sim\begin{pmatrix}0&1&2\\0.3&0.5&0.2\end{pmatrix}$ 。
**(Ⅱ)** 取 $p_{11}=0.1$ ,而 $p_{1\cdot}p_{\cdot1}=0.4\times0.5=0.2\ne0.1$ ,故 **$X$ 与 $Y$ 不相互独立**。
> **思路**:判独立要"全部成立",否定只需**找一对反例**。
> **易错点**:$p_{ij}$ 与 $p_{i\cdot}p_{\cdot j}$ 下标要对齐($X=1$ 是第 1 行、$Y=0$ 是第 1 列)。
### 2.(Ⅰ)$S_D=\dfrac12$ ,
$$f(x,y)=\begin{cases}2,&0\le x\le1,\ 0\le y\le x\\0,&\text{其他}\end{cases}$$
**(Ⅱ)** 在 $D$ 内 $x+y\le1\Rightarrow y\le\min(x,1-x)$ :$0\le x\le\frac12$ 上限 $x$ ;$\frac12\le x\le1$ 上限 $1-x$ 。
$$P\{X+Y\le1\}=2\left[\int_0^{1/2}x\,\mathrm dx+\int_{1/2}^{1}(1-x)\,\mathrm dx\right]=2\left(\frac18+\frac18\right)=\frac12.$$
> **易错点**:**先画图再定限**,$y=x$ 与 $y=1-x$ 把区域切成两段。
### 3.(Ⅰ)$\displaystyle\iint f=c\int_0^1x\,\mathrm dx\int_0^2y\,\mathrm dy=c\cdot\frac12\cdot2=c=1\Rightarrow c=1$ 。
**(Ⅱ)** $f_X(x)=\displaystyle\int_0^2xy\,\mathrm dy=2x\ (0<x<1)$ ;$f_Y(y)=\displaystyle\int_0^1xy\,\mathrm dx=\dfrac y2\ (0<y<2)$ 。
**(Ⅲ)** $f_X(x)f_Y(y)=2x\cdot\dfrac y2=xy=f(x,y)$ ,故 **$X,Y$ 相互独立**。
> **思路**:矩形域 + 密度可分离 ⟹ 一眼独立。
### 4.(Ⅰ)$f_X(x)=\displaystyle\int_0^x3x\,\mathrm dy=3x^2\ (0<x<1)$ ;$f_Y(y)=\displaystyle\int_y^13x\,\mathrm dx=\dfrac32(1-y^2)\ (0<y<1)$ 。
**(Ⅱ)** $f_{Y|X}(y\mid x)=\dfrac{f(x,y)}{f_X(x)}=\dfrac{3x}{3x^2}=\dfrac1x\ (0<y<x)$ 。
**(Ⅲ)** $P\{Y<\tfrac12\mid X=\tfrac34\}=\displaystyle\int_0^{1/2}\frac{1}{3/4}\,\mathrm dy=\frac43\cdot\frac12=\frac23$ 。
> **易错点**:条件密度是 $y$ 的函数(对 $x$ 是常数);$\tfrac12<\tfrac34$ 故上限直接取 $\tfrac12$ 。
### 5. $f(x,y)=1$ (单位正方形)。$f_Y(z-x)=1\iff z-1<x<z$ ,与 $(0,1)$ 取交:
- $0<z<1$ :$f_Z(z)=\int_0^z\mathrm dx=z$ ;
- $1\le z<2$ :$f_Z(z)=\int_{z-1}^1\mathrm dx=2-z$ 。
$$f_Z(z)=\begin{cases}z,&0<z<1\\2-z,&1\le z<2\\0,&\text{其他}\end{cases}\quad(\textbf{辛普森三角形分布})$$
> **真题骨架**:🟨2017·22 同款和分布(离散+连续),见第 10 题混合版。
### 6. 选(B)。
- (A)错:两正态若**不联合正态**,不相关推不出独立(反例见第 11 题);
- (C)错:不相关 $\ne$ 独立;
- (D)错:独立**一定**推出 $\operatorname{Cov}=0$ (方差存在时);
- (B)对:二维正态的"特权"。
---
## B 组 · 中等
### 7. $Z=\dfrac YX$ ,用商的密度公式($f_{XY}=1$ 在单位正方形)
$$f_Z(z)=\int_0^1 x\,f_Y(zx)\,\mathrm dx,\qquad f_Y(zx)=1\iff 0<x<\frac1z.$$
- $0<z<1$ :上限 $1$ ,$f_Z(z)=\displaystyle\int_0^1x\,\mathrm dx=\dfrac12$ ;
- $z\ge1$ :上限 $\dfrac1z$ ,$f_Z(z)=\displaystyle\int_0^{1/z}x\,\mathrm dx=\dfrac{1}{2z^2}$ 。
$$f_Z(z)=\begin{cases}\dfrac12,&0<z<1\\[4pt]\dfrac{1}{2z^2},&z\ge1\\[2pt]0,&z<0\end{cases},\qquad P\{Z>1\}=\int_1^{+\infty}\frac{1}{2z^2}\,\mathrm dz=\frac12.$$
> **真题骨架**:🟨2021·22(Ⅱ) 求 $Z=Y/X$ 密度。
> **雅可比视角**:增补 $V=X$ ,$x=v,y=zv$ ,$\lvert J\rvert=\lvert v\rvert$ ,$f_{ZV}(z,v)=\lvert v\rvert f(v,zv)$ ,再对 $v$ 积分,结果一致。
### 8.(Ⅰ)圆盘均匀 $f=\dfrac1\pi$ ,对 $y$ 积分($-\sqrt{1-x^2}\sim\sqrt{1-x^2}$ ):
$$f_X(x)=\frac1\pi\cdot2\sqrt{1-x^2}=\frac{2}{\pi}\sqrt{1-x^2}\quad(-1<x<1).$$
**(Ⅱ)** $f_X(x)f_Y(y)=\dfrac4{\pi^2}\sqrt{1-x^2}\sqrt{1-y^2}\ne\dfrac1\pi=f(x,y)$ ,故 **$X,Y$ 不独立**。
> **秒杀**:取值区域是**圆**(非矩形),一步否定。
### 9. $f(x,y)=\dfrac12$ ($0<x<1,0<y<2$ ),$Z=XY$ :
$$f_Z(z)=\int\frac1x\cdot\frac12\cdot\mathbb 1\{0<\tfrac zx<2\}\,\mathrm dx,\qquad 0<\frac zx<2\iff x>\frac z2.$$
对 $0<z<2$ ,$x\in\big(\tfrac z2,1\big)$ :$\displaystyle f_Z(z)=\int_{z/2}^{1}\frac{1}{2x}\,\mathrm dx=\frac12\ln\frac2z$ 。
$$f_Z(z)=\begin{cases}\dfrac12\ln\dfrac2z,&0<z<2\\0,&\text{其他}\end{cases}$$
> **真题骨架**:🟨2018·22、2019·22 的 $Z=XY$ 。
> **雅可比视角**:增补 $V=X$ ,$x=v,y=z/v$ ,$\lvert J\rvert=1/\lvert v\rvert$ ,结果一致。
### 10. 全概率(离散 $X$ 拆权重):
$$F_Z(z)=\frac12F_Y(z)+\frac12F_Y(z-1),\qquad F_Y(t)=0\,(t<0),\ t\,(0\le t<1),\ 1\,(t\ge1).$$
- $z<0$ :$0$ ;$0\le z<1$ :$\dfrac z2$ ;$1\le z<2$ :$\dfrac12+\dfrac{z-1}{2}=\dfrac z2$ ;$z\ge2$ :$1$ 。
$$F_Z(z)=\begin{cases}0,&z<0\\ \dfrac z2,&0\le z<2\\1,&z\ge2\end{cases}\ \Longrightarrow\ f_Z(z)=\begin{cases}\dfrac12,&0<z<2\\0,&\text{其他}\end{cases}\ (\textbf{即 }Z\sim U(0,2))$$
> **易错点**:$F_Y(z-1)$ 也要分段;两段在 $z=1$ 处须连续(此处恰好拼成 $\frac z2$ )。
### 11. $EX=0$ ,$EY=E(X^2)=\displaystyle\int_{-1}^1x^2\cdot\frac12\mathrm dx=\frac13$ ,$E(XY)=E(X^3)=0$ 。
$$\operatorname{Cov}(X,Y)=0,\qquad \rho_{XY}=0.$$
但 $Y=X^2$ 是 $X$ 的函数,二者**不独立**。
> **结论**:**不相关 $\ne$ 独立**的教科书反例(偶函数型)。
### 12. $F_Z(z)=F_X(z)F_Y(z)=(1-e^{-\lambda z})^2\ (z>0)$ ,$z\le0$ 为 0。求导:
$$f_Z(z)=2\lambda e^{-\lambda z}(1-e^{-\lambda z})=2\lambda\big(e^{-\lambda z}-e^{-2\lambda z}\big)\quad(z>0).$$
> **配套**:$\min$ 用 $F_{\min}(z)=1-e^{-2\lambda z}$ (仍服从指数分布,参数 $2\lambda$ )。
### 13.(Ⅰ)$X\sim N(1,1)$ ,$Y\sim N(2,4)$ 。
**(Ⅱ)** $\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times1\times2=1$ ;$D(X+Y)=1+4+2\times1=7$ 。
**(Ⅲ)** $E(Y\mid X=x)=2+0.5\times2\times(x-1)=x+1$ 。
> **易错点**:$\dfrac{\sigma_2}{\sigma_1}=\dfrac21$ (**标准差**),不是 $\dfrac41$ 。
### 14. 设切点 $U\sim U(0,1)$ ,$X=\min(U,1-U)\in(0,\tfrac12)$ :
$$F_X(x)=P\{U\le x\}+P\{U\ge1-x\}=2x\quad(0<x<\tfrac12)\ \Rightarrow\ f_X(x)=\begin{cases}2,&0<x<\frac12\\0,&\text{其他}\end{cases}$$
> **真题骨架**:🟨2021·22(Ⅰ)。
---
## C 组 · 拔高
### 15.(Ⅰ)$S_D=\dfrac12$ ,$f(x,y)=\begin{cases}2,&0<y<x<1\\0,&\text{其他}\end{cases}$
**(Ⅱ)** $U=1\iff Y\le\dfrac X2$ 。对 $0<x\le1$ :
$$P\{U=1,\ X\le x\}=\int_0^x\mathrm dt\int_0^{t/2}2\,\mathrm dy=\int_0^x t\,\mathrm dt=\frac{x^2}{2}.$$
又 $P\{U=1\}=\dfrac12$ 、$F_X(x)=x^2$ ,且 $\dfrac{x^2}{2}=P\{U=1\}F_X(x)$ ,故 **$U$ 与 $X$ 相互独立**。
> **反直觉点**:$U$ 是 $(X,Y)$ 的函数却与 $X$ 独立——因为在三角形内 $P\{U=1\mid X=x\}=\dfrac{x/2}{x}=\dfrac12$ **与 $x$ 无关**。
**(Ⅲ)** 由独立,$f_Z(z)=\dfrac12f_X(z)+\dfrac12f_X(z-1)$ ,$f_X(x)=2x\ (0<x<1)$ :
$$
f_Z(z)=\begin{cases}z,&0<z<1\\ z-1,&1\le z<2\\0,&\text{其他}\end{cases},\qquad
F_Z(z)=\begin{cases}0,&z<0\\[2pt]\dfrac{z^2}{2},&0\le z<1\\[4pt]\dfrac12+\dfrac{(z-1)^2}{2},&1\le z<2\\[4pt]1,&z\ge2\end{cases}
$$
> **真题骨架**:🟨2016·22(均匀域 → 离散化 $U$ → 判独立 → $Z=U+X$ 分布函数),仅区域/分界改为 $y=x/2$ 。
### 16. $f(x,y)=\dfrac1x\ (0<y<x<1)$ ($f_X=1$ ,$f_{Y|X}=1/x$ )。
- $EX=\dfrac12,\ EX^2=\dfrac13,\ DX=\dfrac1{12}$ ;
- $f_Y(y)=-\ln y$ ,$EY=\dfrac14,\ EY^2=\dfrac19,\ DY=\dfrac7{144}$ ;
- $E(XY)=\displaystyle\int_0^1\!\!\int_0^x xy\cdot\frac1x\,\mathrm dy\,\mathrm dx=\int_0^1\frac{x^2}{2}\,\mathrm dx=\frac16$ 。
$$\operatorname{Cov}=\frac16-\frac12\cdot\frac14=\frac1{24},\qquad \rho_{XY}=\frac{1/24}{\sqrt{1/12}\cdot\sqrt{7/144}}=\sqrt{\frac37}\approx0.655.$$
> **思路**:条件分布型先写 $f=f_Xf_{Y|X}$ ,再算三个期望。
> **常用积分**:$\displaystyle\int_0^1 t^n(-\ln t)\,\mathrm dt=\frac{1}{(n+1)^2}$ 。
### 17.(Ⅰ)$X_3$ 取 $\pm1$ ,用全概率:
- $X_3=1$ :$Y=X_1$ ,贡献 $P\{X_1\le x,\ X_1\le y\}=\Phi(\min\{x,y\})$ ;
- $X_3=-1$ :$Y=X_2$ ,由独立贡献 $\Phi(x)\Phi(y)$ 。
$$F(x,y)=\frac12\Phi(\min\{x,y\})+\frac12\Phi(x)\Phi(y).$$
**(Ⅱ)** $x\to+\infty$ 得 $F_Y(y)=\dfrac12\Phi(y)+\dfrac12\Phi(y)=\Phi(y)$ ,故 **$Y\sim N(0,1)$ **。
> **真题骨架**:🟨2020·22(原题 $X_3\in\{0,1\}$ ,此处对称化为 $\pm1$ )。
### 18.(Ⅰ)极坐标 $\mathrm dx\,\mathrm dy=r\,\mathrm dr\,\mathrm d\theta$ :
$$1=c\int_0^{2\pi}\!\!\int_0^1 r\cdot r\,\mathrm dr\,\mathrm d\theta=c\cdot2\pi\cdot\frac13\ \Rightarrow\ c=\frac{3}{2\pi}.$$
**(Ⅱ)** 区域对称 + 密度偶 ⟹ $EX=EY=0$ ,$E(XY)=0$ ,故 $\operatorname{Cov}(X,Y)=0$ 。
**(Ⅲ)** $f_X(x)$ 不是 $f_X(x)f_Y(y)$ 的分解形式,$f(x,y)=c\sqrt{x^2+y^2}\ne f_Xf_Y$ ,故 **$X,Y$ 不独立**。
**(Ⅳ)** $0<z<1$ :
$$F_Z(z)=\int_0^{2\pi}\!\!\int_0^{\sqrt z}\frac{3}{2\pi}r\cdot r\,\mathrm dr\,\mathrm d\theta=\frac{3}{2\pi}\cdot2\pi\cdot\frac{z^{3/2}}{3}=z^{3/2}\ \Rightarrow\ f_Z(z)=\begin{cases}\dfrac32\sqrt z,&0<z<1\\0,&\text{其他}\end{cases}$$
> **真题骨架**:🟨2023·22(把原题 $f=c(x^2+y^2)$ 改为 $c\sqrt{x^2+y^2}$ )。
> **技巧**:$Z$ 是"到原点距离的函数" ⟹ **极坐标 + 面积法**,不必硬求 $f_Z$ 。
### 19.(Ⅰ)反解:由 $u=x+y,\ v=\dfrac{x}{x+y}$ 得
$$x=uv,\qquad y=u(1-v).$$
雅可比行列式(注意是**反解** $(x,y)$ 对 $(u,v)$ 的行列式):
$$J=\frac{\partial(x,y)}{\partial(u,v)}=\begin{vmatrix}\dfrac{\partial x}{\partial u}&\dfrac{\partial x}{\partial v}\\[8pt]\dfrac{\partial y}{\partial u}&\dfrac{\partial y}{\partial v}\end{vmatrix}=\begin{vmatrix}v&u\\1-v&-u\end{vmatrix}=v(-u)-u(1-v)=-uv-u+uv=-u.$$
故 $\lvert J\rvert=u$ 。取值区域:$x>0,y>0\Rightarrow u>0,\ 0<v<1$ 。于是
$$f_{UV}(u,v)=f\big(uv,\ u(1-v)\big)\cdot\lvert J\rvert=e^{-(uv+u(1-v))}\cdot u=u\,e^{-u},\quad u>0,\ 0<v<1.$$
**(Ⅱ)** 求边缘:
$$f_U(u)=\int_0^1 u e^{-u}\,\mathrm dv=u e^{-u}\ (u>0),\qquad f_V(v)=\int_0^{+\infty} u e^{-u}\,\mathrm du=1\ (0<v<1).$$
因 $f_{UV}(u,v)=f_U(u)f_V(v)$ ,故 **$U$ 与 $V$ 相互独立**;且 $U\sim\Gamma(2,1)$ (即参数为 1 的 $\chi^2(4)$ ),$V\sim U(0,1)$ 。
> **方法总结(雅可比三步)**:① 反解 $x=x(u,v),y=y(u,v)$ ;② 算 $\lvert J\rvert=\left\lvert\dfrac{\partial(x,y)}{\partial(u,v)}\right\rvert$ ;③ $f_{UV}=f\cdot\lvert J\rvert$ ,并把定义域一并变换。
> **真题骨架**:本题是"指数分布之和 + 比值"的经典结构,$\Gamma(2,1)$ 的分解结论也是**证明"泊松过程的到达时刻与均匀次序"** 的核心引理。
---
## 附 · 出题质量报告
### 考点覆盖(对照 ch17 的 11 道真题)
| 真题 | 考法 | 对应题 | 覆盖 |
|---|---|---|---|
| 2016·22 | 均匀分布+离散化 $U$ +函数分布 | **15** | ✅ |
| 2017·22 | 混合型 $Z=X+Y$ | **5 + 10** | ✅ |
| 2018·22 | $Z=XY$ +协方差 | **9** | ✅ |
| 2019·8 | 正态差 $\lvert X-Y\rvert$ 分布 | **13** | ◐ 部分 |
| 2019·22 | $Z=XY$ +不相关+独立性 | **9 + 11** | ✅ |
| 2020·22 | 混合正态+证明 | **17** | ✅ |
| 2021·22 | 取点分段+商分布 | **14 + 7** | ✅ |
| 2022·10 | 条件分布求相关系数 | **16** | ✅ |
| 2023·22 | 圆形区域+Cov+独立+$X^2+Y^2$ | **18** | ✅ |
| 2024·9 | 条件均匀+协方差 | **4 + 16** | ✅ |
| 2025·22 | 复合分布+混合模型 | **10 + 17** | ◐ 部分 |
### 手法覆盖
和(5、10、15)、差(13)、积(9)、商(7)、最值(12)、平方和(18)、混合型(10、17)、离散化(15)、分布函数法(15、18)、卷积(5、9、10)、**雅可比变换(19,另 7/9/15 给出雅可比视角)**、极坐标(18)。
### 未覆盖方向(供二轮补)
1. 离散型二维函数分布(两离散变量之和的表格题);
2. $\lvert X-Y\rvert$ 的正态差完整选择题(2019·8);
3. 条件期望/全期望递推(留到数字特征章);
4. 一般二维函数联合分布(如 $Y_1=2X_1,\ Y_2=\tfrac13X_2$ )——本题第 19 题已示范雅可比通法,可自行扩展;
5. 2025·22 保险赔付应用建模。