- 删去 01-考点手册 / 02-试题 / 03-解析 / 04-答疑笔记 / 05-试题-中高难度 / 06-解析-中高难度
- 新建 01-知识点盘点(七节 + 覆盖对照 + 相邻讲接口)、02—08 七个点文件、09-速查卡
- 27 题全部原创数字,A/B/C 难度分层;每题带「怎么想 / 解 / 带走结论」与题目级双向链接
- 关键数值用 sympy 复核:P{X+Y<1}=1/3、Cov=4/225、D(3X-2Y)=108、P{X=0|Y=2}=1/(1+2e^-2) 等
- gen_crosslinks 生成 27 条关联行 + §0.4 反查表 + 速查回查表;链接 143 条 0 异常
- 公式预检 0 处待修;18 处「加粗以公式收尾」已改写句式(补空格会让星号外露)
12 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
|
概率论 第3讲 · 点4 随机变量的独立性 | 2026-11-07 | 知识点带题(4.1 三种等价说法、4.2 可分离与矩形支撑、4.3 独立与不相关,共 3 题) |
|
点 4 随机变量的独立性
真题锚点:2016·22、2022·10、2024·9(都以"第一问判独立"出现)|重要度 ★★★ 依赖:点 1—点 3 的边缘与条件。盘点对应:§4 全节。
组织原则:先立三种等价说法(定义层),再练判据(技术层),最后辨析"独立 vs 不相关"(概念层)。这三层顺序不能乱——判据是从定义推出来的,不相关是独立的一个必要条件。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2 题。
知识点 4.1 三种等价说法(出处:知识章 §8.1、§8.2)
X\perp Y\iff F(x,y)=F_X(x)F_Y(y)\ \forall x,y\iff f(x,y)=f_X(x)f_Y(y)\ (\text{a.e.})\iff p_{ij}=p_{i\cdot}p_{\cdot j}\ \forall i,j .
含义:独立是"联合分布被两个边缘完全决定"。所以判独立永远只需要比"联合"与"边缘之积"。
三条常用推论:
- 若
X\perp Y,则g(X)\perp h(Y)对任意(可测)函数成立; - 若
X\perp Y且E存在,则E(XY)=EX\cdot EY(逆命题不成立); n个变量相互独立\iff联合密度=\prod f_{X_i},且任意分组后仍独立。
知识点 4.2 判据:可分离 + 支撑矩形(出处:知识章 §8.2)
连续型三步:
- 把
f(x,y)写成g(x)h(y)的形状(只看表达式,不看区域); - 检查支撑集能否写成
x\in I_1、y\in I_2的矩形(端点为常数或\pm\infty); - 归一化:
f_Xf_Y=g h\cdot GH,而GH=1,故f_Xf_Y=f。
核心判据(一步定生死):
支撑不是矩形
\Rightarrow一定不独立,无论f能不能分离。
反过来:f 不能分离 \Rightarrow 一定不独立,无论支撑是不是矩形。两条合起来:独立 \iff 可分离 且 支撑矩形。
知识点 4.3 独立与不相关(出处:知识章 §9)
\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY,\qquad \rho=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX\cdot DY}} .
| 定义 | 强度 | |
|---|---|---|
| 独立 | f=f_Xf_Y (全部分布信息) |
强 |
| 不相关 | \rho=0 ,即 E(XY)=EX\,EY (只有二阶信息) |
弱 |
结论链:独立 \Rightarrow 不相关(要求二阶矩存在);反之不成立,唯一例外是二维正态。
标准反例族:X\sim U(-1,1) 、Y=X^2 (偶函数型);X\sim U(-1,1) 、Y=\lvert X\rvert 。两者都因对称性使 E(XY)=0 ,但 Y 由 X 完全决定。
题目(按知识点顺序对应)
题 1 · 4.1:三种说法的一致性(★☆☆)
判断下列说法是否正确:
(Ⅰ)若
X与Y独立,则X^2与\mathrm e^{Y}独立; (Ⅱ)若E(XY)=EX\cdot EY,则X与Y独立; (Ⅲ)若f(x,y)=f_X(x)f_Y(y)在除一条直线外处处成立,则X与Y独立; (Ⅳ)若X与Y独立且同分布,则P\{X<Y\}=\frac12(假定P\{X=Y\}=0)。
怎么想:(Ⅰ)考"函数不破坏独立";(Ⅱ)考"不相关推不出独立";(Ⅲ)考"a.e. 相等就够"——这是连续性带来的宽容;(Ⅳ)是独立同分布的标准用法。
解:
(Ⅰ)正确。独立是分布层面的性质,对 X 作函数、对 Y 作函数后,联合分布仍是"边缘之积":f_{X^2,\mathrm e^Y}(u,v)=f_{X^2}(u)f_{\mathrm e^Y}(v) 。
(Ⅱ)错误。这是把"不相关"当成"独立"。反例见本点题 3。
(Ⅲ)正确。密度只在零测集上不同,不影响任何积分,故仍独立。这正是等价说法里写"a.e."的原因。
(Ⅳ)正确。因同分布,P\{X<Y\}=P\{Y<X\} ;又 P\{X=Y\}=0 ,故两者各为 \frac12 。
带走结论:独立只看"联合是否等于边缘之积",与函数、与零测集上的差异都无关;但不能反着用——E(XY)=EX\,EY 只是二阶层面的信息。
关联 · 盘点 §4.1 三种等价说法 | 上游 — | 下游 — | 速查 五 判独立两步
题 2 · 4.2:可分离却仍不独立(★★☆)
设
(X,Y)的联合密度为f(x,y)=\begin{cases}8xy,&0<y<x<1\\[2pt]0,&\text{其他}\end{cases}(Ⅰ)验证它是密度; (Ⅱ)求
f_X(x)、f_Y(y); (Ⅲ)判断X与Y是否独立,并说明"8xy看起来能分离"为什么不足以判独立; (Ⅳ)求P\left\{Y<\frac X2\right\}。
怎么想:8xy=(8x)\cdot y ,形式上确实分离。但支撑 0<y<x<1 是三角形,x 的取值范围依赖 y ——这是"分离的是表达式,不分离的是区域"。算完边缘即可看到乘积对不上。
解:
(Ⅰ)
\int_0^1\!\!\int_0^x8xy\,\mathrm dy\,\mathrm dx=\int_0^1 4x^3\,\mathrm dx=1\ ✓
(Ⅱ) 固定 x ,y\in(0,x) :
f_X(x)=\int_0^x8xy\,\mathrm dy=4x^3,\qquad 0<x<1 .
固定 y ,x\in(y,1) :
f_Y(y)=\int_y^1 8xy\,\mathrm dx=4y\left(1-y^2\right),\qquad 0<y<1 .
归一化自检:\int_0^14x^3\mathrm dx=1 ✓;\int_0^14y(1-y^2)\mathrm dy=4\left(\frac12-\frac14\right)=1 ✓。
(Ⅲ) 不独立。看乘积:
f_X(x)f_Y(y)=16x^3y\left(1-y^2\right)\ne8xy=f(x,y)\quad(0<y<x<1).
为什么"能分离"不够:真正的分离必须形如 f(x,y)=g(x)h(y)\cdot I\{x\in I_1\}I\{y\in I_2\} ,其中两个指示函数各自只管一个变量。本题的指示函数是 I\{0<y<x<1\} ,它同时含 x 与 y ,无法拆成两个一维指示函数的乘积。所以"表达式分离"只是必要条件,支撑矩形才是充分性缺的那一半。
(Ⅳ) 区域 0<y<\frac x2 含于 D :
P\left\{Y<\frac X2\right\}=\int_0^1\!\!\int_0^{x/2}8xy\,\mathrm dy\,\mathrm dx=\int_0^1 8x\cdot\frac{x^2}{8}\,\mathrm dx=\int_0^1x^3\,\mathrm dx=\frac14 .
验算:\int_0^{x/2}8xy\,\mathrm dy=8x\cdot\frac{(x/2)^2}{2}=x^3 ✓,再积得 \frac14 ✓。
带走结论:判独立先看支撑,再看表达式。支撑是三角形、圆、0<y<x 这类"耦合"区域时,一律不独立——这条比算边缘快十倍。
关联 · 盘点 §4.2 判据:可分离 + 支撑矩形 | 上游 — | 下游 — | 速查 五 判独立两步
题 3 · 4.3:不相关但不独立的反例(★★☆)
设
X\sim U(-1,1),Y=X^2。(Ⅰ)求
EX、EY、E(XY)与\operatorname{Cov}(X,Y); (Ⅱ)判断X与Y是否不相关、是否独立; (Ⅲ)举出一个"独立但不相关"以及一个"相关"的例子,说明三者的层次关系。
怎么想:(Ⅰ)Y 是 X 的偶函数,E(XY)=E(X^3) 在对称区间上是 0 。(Ⅱ)不相关成立,但独立性要用事件去否定:找一个"Y 被 X 完全决定"的显著事件。(Ⅲ)整理层次:独立 \Rightarrow 不相关,反向与"相关"各给一例。
解:
(Ⅰ) X 的密度为 \frac12 (-1<x<1 ):
EX=\int_{-1}^{1}\frac x2\,\mathrm dx=0,\qquad EY=EX^2=\int_{-1}^{1}\frac{x^2}{2}\,\mathrm dx=\frac13,
E(XY)=E\left(X^3\right)=\int_{-1}^{1}\frac{x^3}{2}\,\mathrm dx=0 .
\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY=0-0\cdot\frac13=0 .
(Ⅱ) 不相关(\operatorname{Cov}=0 ),但不独立。取事件 \{X>1/2\} 与 \{Y<1/4\} :
P\left\{X>\frac12,\ Y<\frac14\right\}=P\left\{X>\frac12,\ \lvert X\rvert<\frac12\right\}=0 .
而
P\left\{X>\frac12\right\}=\frac{1-\frac12}{2}=\frac14,\qquad P\left\{Y<\frac14\right\}=P\left\{\lvert X\rvert<\frac12\right\}=\frac12,
乘积 \frac14\cdot\frac12=\frac18\ne0 ,故不独立。
(直观看:知道 X>\frac12 就必然知道 Y>\frac14 ,信息完全传递,所以不独立。)
(Ⅲ) 三组例子:
| 关系 | 例子 | 判据 |
|---|---|---|
| 独立(必不相关) | X\sim N(0,1) 、Y\sim N(0,1) 独立 |
f=f_Xf_Y |
| 不相关但不独立 | 本题 Y=X^2 |
\operatorname{Cov}=0 但 f\ne f_Xf_Y |
| 相关(必不独立) | Y=X |
\operatorname{Cov}=DX>0 |
唯一例外:若 (X,Y) 服从二维正态,则不相关 \iff 独立(点 3 题 4 已用)。
带走结论:独立是"分布层",不相关是"二阶层"。二阶层的信息量小,所以"不相关"能推出的结论少得多。考场上看到"不相关"三个字,先问一句:是不是二维正态? 不是,就不能换成独立。
关联 · 盘点 §4.3 独立与不相关 | 上游 — | 下游 — | 速查 六 独立与不相关
题 4 · 4.4:独立同分布的四条推论(★★☆)
设
X与Y相互独立,都服从E(1),令M=\max\{X,Y\}、m=\min\{X,Y\}。(Ⅰ)求
X+Y的密度,并说明它为什么不是E(1); (Ⅱ)求f_M(x)与EM; (Ⅲ)求Em,并验证EM+Em=EX+EY; (Ⅳ)说明"可加性"为什么只对"和"成立,对\max不成立。
怎么想:独立同分布的三条推论各用一次:卷积(和)、F^n (最大)、1-(1-F)^n (最小)。第(Ⅲ)问的恒等式是"最大值与最小值之和等于两变量之和",即 M+m=X+Y 。
解:
(Ⅰ) 卷积:
f_{X+Y}(z)=\int_0^z\mathrm e^{-x}\mathrm e^{-(z-x)}\,\mathrm dx=z\mathrm e^{-z},\qquad z>0 .
这是 \Gamma(2,1) 的密度(\dfrac{z^{2-1}\mathrm e^{-z}}{\Gamma(2)} )。它与 E(1) 完全不同:E(1) 的密度是 \mathrm e^{-z} ,在 z=0 处取最大值;而 z\mathrm e^{-z} 在 z=0 处为 0 ,峰值移到 z=1 。
(Ⅱ) F(x)=1-\mathrm e^{-x} ,故 F_M=F^2 :
F_M(x)=\left(1-\mathrm e^{-x}\right)^2,\qquad f_M(x)=2\left(1-\mathrm e^{-x}\right)\mathrm e^{-x}\quad(x>0).
EM=\int_0^{+\infty}x\cdot2\left(1-\mathrm e^{-x}\right)\mathrm e^{-x}\,\mathrm dx=2\left(1-\frac14\right)=\frac32 .
(分项积:\int_0^{+\infty}x\mathrm e^{-x}\mathrm dx=1 ,\int_0^{+\infty}x\mathrm e^{-2x}\mathrm dx=\frac14 。)
(Ⅲ) F_m=1-(1-F)^2=1-\mathrm e^{-2x} ,即 m\sim E(2) ,故
Em=\frac12 .
EM+Em=\frac32+\frac12=2=EX+EY\ ✓
恒等式的来源:M+m=X+Y 逐点成立(两个数中较大的加较小的等于两者之和),取期望即得。
(Ⅳ) 可加性来自卷积——卷积只处理"相加"这种线性运算。\max 是非线性的:\max\{x,y\}+\max\{x',y'\}\ne\max\{x+x',y+y'\} ,所以不存在"最大值分布 = 两者分布相加"这种结论,只能回到 F^n 去算。
验算:m\sim E(2) 的结论可独立验证:P\{m>x\}=P\{X>x\}P\{Y>x\}=\mathrm e^{-2x} ✓(这正是指数分布的"最小值仍是指数"性质)。
带走结论:独立同分布只会带来三件礼物:卷积(和)、F^n (最大)、1-(1-F)^n (最小)。别指望它给"差的分布"或"商的分布"——那两个要重新算。
关联 · 盘点 §4.4 独立同分布的可加结论 | 上游 — | 下游 — | 速查 十 最值