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。
12 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
多维随机变量 | 2026-11-11 | B 组一圈题解析,A 组见 03a,C 组见 03c |
|
解析(中等)· 多维随机变量 B 组
这一组全是真题的包装形态:区域均匀加指示变量、混合正态、离散配连续、条件反解。共同点是题面看不出该用哪条,得先把支撑和依赖关系理出来。
答案速查
| 题 | B1 | B2 | B3 | B4 | B5 |
|---|---|---|---|---|---|
| 答 | \frac12 ;独立;不独立;\frac13 |
\frac12 ;1.25 ;0.3294 ;不是正态 |
\frac12 ;不独立;\frac18<\frac14 |
f=\frac{1}{1-x} ;-\ln(1-y) ;\frac5{12} 、\frac1{24} |
\frac73 ;\frac13 、\frac12 ;不独立 |
| 题 | B6 | B7 | B8 | B9 | B10 |
|---|---|---|---|---|---|
| 答 | \frac{1}{4\pi}\mathrm e^{-(u^2+v^2)/4} ;独立;都 N(0,2) |
6 ;108 ;N(7,108) ;0.5 |
2(1-\mathrm e^{-z})\mathrm e^{-z} ;E(2) ;2 ;\mathrm e^{-1} |
三段;\frac1{16} |
\frac{x+y}{x+1/2} ;\frac{7}{12} |
B 组
题 B1 · 概率 1/2,与 X 独立、与 Y 不独立
怎么想:U 是"区域里再划一刀"得到的指示变量。三件事全靠同一张图:D 是三角形 0<y<x<1 ,而 y\le\frac x2 是更窄的一条。
解:
(Ⅰ)S_D=\frac12 ,而 \{U=1\} 对应 0<y<\frac x2<1 ,面积 \int_0^1\frac x2\,\mathrm dx=\frac14 ,故
P\{U=1\}=\frac{1/4}{1/2}=\frac12 .
(Ⅱ)固定 X=x ,Y 在 (0,x) 上均匀,条件是 y\le\frac x2 :
P\{U=1\mid X=x\}=\frac{x/2}{x}=\frac12 ,
与 x 无关,且恰等于 P\{U=1\} ,故 U 与 X 独立。
(Ⅲ)固定 Y=y ,X 在 (y,1) 上均匀,条件 x\ge2y 。当 y<\frac12 时区间长 1-2y ,当 y\ge\frac12 时为空:
P\{U=1\mid Y=y\}=\frac{1-2y}{1-y}\quad\Big(y<\frac12\Big),
它随 y 变,故 U 与 Y 不独立。
(Ⅳ)\displaystyle E(UX)=\iint_D 2x\cdot\mathbf 1\{y\le x/2\}\,\mathrm dA=\int_0^1 2x\cdot\frac x2\,\mathrm dx=\int_0^1x^2\,\mathrm dx=\frac13 .
自检:E(U)E(X)=\frac12\times\frac23=\frac13 ✓,与(Ⅱ)的独立结论一致。
归因:"与 X 独立、与 Y 不独立"是同一把刀切出来的两种结果,切的方向不同(竖着切均分、横着切不均分)。判断只认条件概率是不是常数,不认"看起来有偏"。
题 B2 · 期望 1/2、方差 1.25、概率 0.3294,非正态
怎么想:X=T+Z 中 T 是 0 -1 变量,所以 X 是两条正态的混合。均值用重期望、方差用全方差,别直接代数相加。
解:
(Ⅰ)EX=ET+EZ=\frac12+0=\frac12 。
DX=E\big[D(X\mid T)\big]+D\big[E(X\mid T)\big] :给定 T ,X 的方差是 1 ,故第一项 =1 ;E(X\mid T)=T ,其方差 =\frac14 。所以 DX=1+\frac14=\frac54=1.25 。
(也可直接算 DX=DT+DZ=\frac14+1 ,因为独立。)
(Ⅱ)T=0 时 X=Z ,T=1 时 X=1+Z :
P\{X>1\}=\frac12P\{Z>1\}+\frac12P\{Z>0\}=\frac12(1-0.8413)+\frac12\times0.5=0.0794+0.25=0.3294 .
(Ⅲ)不是正态。X 的密度是两条正态密度各取一半再相加:
f_X(x)=\frac12\varphi(x)+\frac12\varphi(x-1),
它有两个峰(在 0 与 1 附近),而正态密度只有一个峰。
归因:(Ⅱ)里 T=1 时条件是 X>1\iff Z>0 ,不是 Z>1 才对 。把门槛一起平移,是这题最常见的错。
题 B3 · 期望 1/2,不独立
怎么想:Y 是 0 -1 变量而 X 连续,没有联合密度。一切概率都用"先给 X 、再算 Y "的顺序。
解:
(Ⅰ)E(Y\mid X=x)=1\cdot x+0\cdot(1-x)=x ,故
EY=E\big[E(Y\mid X)\big]=EX=\frac12 .
同理 P\{Y=1\}=E\big[P\{Y=1\mid X\}\big]=EX=\frac12 。
(Ⅱ)P\{Y=1\mid X=x\}=x 随 x 变,故不独立。
(Ⅲ)\displaystyle P\{X\le\tfrac12,Y=1\}=\int_0^{1/2}x\,\mathrm dx=\frac18 ,而 P\{X\le\tfrac12\}P\{Y=1\}=\frac12\times\frac12=\frac14 ,两者不等,再次说明不独立。
归因:P\{Y=1\} 用重期望算是 EX ,很多人直接写 \frac12 却说不出来源——这条正是"离散配连续"的主公式。
题 B4 · 联合密度 1/(1−x),边缘是负对数
怎么想:题给 f_X 与 f_{Y\mid X} ,乘起来就是联合密度。支撑是三角形(因为条件区间 (x,1) 依赖 x )。
解:
(Ⅰ)f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=1\cdot\dfrac{1}{1-x} ,0<x<y<1 。
自检:\displaystyle\int_0^1\!\!\int_x^1\frac{\mathrm dy\,\mathrm dx}{1-x}=\int_0^1\frac{1-x}{1-x}\mathrm dx=1 ✓。
(Ⅱ)求 f_Y 时积分限是 x\in(0,y) :
f_Y(y)=\int_0^y\frac{\mathrm dx}{1-x}=-\ln(1-y),\qquad 0<y<1 .
自检:\int_0^1-\ln(1-y)\,\mathrm dy=1 ✓。
(Ⅲ)\displaystyle E(XY)=\int_0^1\!\!\int_x^1\frac{xy}{1-x}\,\mathrm dy\,\mathrm dx=\int_0^1\frac{x(1-x^2)}{2(1-x)}\,\mathrm dx=\int_0^1\frac{x(1+x)}{2}\,\mathrm dx=\frac12\Big(\frac12+\frac13\Big)=\frac5{12} 。
又 EY=\int_0^1-y\ln(1-y)\,\mathrm dy=\frac34 ,EX=\frac12 ,故
\operatorname{Cov}(X,Y)=\frac5{12}-\frac12\cdot\frac34=\frac5{12}-\frac38=\frac1{24}>0 .
归因:\frac{1-x^2}{1-x}=1+x 这一步不约分,直接分部积分会算成一大团。先约分再积分是这类题的标准动作。
题 B5 · 协方差 1/3,相关系数 1/2
怎么想:用题 A3 的表,EXY 就是"每格 i\cdot j\cdot p_{ij} 求和"。\rho\ne0 时不必再验独立性——独立必不相关,逆否即得。
解:
(Ⅰ)只有四格 ij\ne0 :
E(XY)=1\cdot1\cdot\frac16+2\cdot1\cdot\frac16+2\cdot2\cdot\frac1{12}+3\cdot1\cdot\frac18+3\cdot2\cdot\frac18+3\cdot3\cdot\frac1{24}
=\frac16+\frac13+\frac13+\frac38+\frac34+\frac38=\frac73 .
(Ⅱ)题 A3 已得 EX=2 、EY=1 :
\operatorname{Cov}(X,Y)=\frac73-2\times1=\frac13 .
DX=E(X^2)-(EX)^2=\dfrac{1+4+9}{3}-4=\dfrac23 ,同法 E(Y^2)=\dfrac{11+20+9}{24}=\dfrac53 ,DY=\dfrac53-1=\dfrac23 。
\rho_{XY}=\frac{1/3}{\sqrt{(2/3)(2/3)}}=\frac{1/3}{2/3}=\frac12 .
(Ⅲ)不独立。理由:若独立则必有 \operatorname{Cov}=0 ,而此处 \operatorname{Cov}=\frac13\ne0 ,故不独立。"\rho\ne0 \Rightarrow 不独立"永远成立,所以这一方向可以直接下结论。
(Ⅳ)反例:X\sim U(-1,1) ,Y=X^2 。则 EX=0 ,E(XY)=E(X^3)=0 ,故
\operatorname{Cov}(X,Y)=0-0\cdot EY=0,
但 Y 完全由 X 决定(|X| 已知就能定 Y ),不独立。可见反方向不成立。
归因:两个方向要分清——独立 \Rightarrow 不相关(恒真),不相关 \Rightarrow 独立(只有二维正态才对)。题目问"能否判断独立"时,一定要说清用的是哪个方向。
题 B6 · 联合密度可分离,独立
怎么想:这是雅可比的"第二个用途"——变换之后反而独立。算完看能否写成 a(u)b(v) 。
解:
(Ⅰ)反解 x=\frac{u+v}{2} ,y=\frac{u-v}{2} ,|J|=\frac12 (同题 A10)。又
x^2+y^2=\frac{(u+v)^2+(u-v)^2}{4}=\frac{u^2+v^2}{2},
代入 f(x,y)=\dfrac{1}{2\pi}\mathrm e^{-(x^2+y^2)/2} :
f_{U,V}(u,v)=\frac{1}{2\pi}\mathrm e^{-(u^2+v^2)/4}\cdot\frac12=\frac{1}{4\pi}\mathrm e^{-(u^2+v^2)/4},\qquad (u,v)\in\mathbb R^2 .
(Ⅱ)上式 =\dfrac{1}{2\sqrt\pi}\mathrm e^{-u^2/4}\cdot\dfrac{1}{2\sqrt\pi}\mathrm e^{-v^2/4} ,可分离且定义域是全平面,故 U 与 V 独立。
(Ⅲ)f_U(u)=\dfrac{1}{2\sqrt\pi}\mathrm e^{-u^2/4} ,即 U\sim N(0,2) ;同法 V\sim N(0,2) 。
这与直接算一致:
DU=DX+DY=2,且U,V服从二元正态、\operatorname{Cov}(U,V)=DX-DY=0,由二维正态的性质(\rho=0即独立)也得独立。
归因:指数里的 \frac{u^2+v^2}{2} 除以 2 才是 -\frac{u^2+v^2}{4} 。代入 x^2+y^2 时忘掉分母 2,会让结果看起来像 N(0,1) 而自检失败。
题 B7 · 协方差 6,方差 108,概率 0.5
怎么想:D(aX+bY) 三项齐全,中间那项符号随 b 变。b=-3 时协方差项是加号。
解:
(Ⅰ)\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=0.5\times3\times4=6 。
(Ⅱ)
D(2X-3Y)=4DX+9DY+2\cdot2\cdot(-3)\operatorname{Cov}(X,Y)=4\times9+9\times16-12\times6=36+144-72=108 .
(Ⅲ)线性组合仍正态,均值 2\times2-3\times(-1)=7 ,故 2X-3Y\sim N(7,\ 108) 。
(Ⅳ)P\{2X-3Y>7\}=P\{Z>0\}=0.5 ,因为 7 正是均值。
归因:2ab\operatorname{Cov} 中 a=2,b=-3 ,乘积 -6 ,再乘 2 得 -12 。只写 +12\operatorname{Cov} 这一项 会得 36+144+72=252 ,错一倍多。
题 B8 · 最大值密度、最小值服从 E(2)
怎么想:最值只用两条尾概率。M-N 是极差,转成 \vert X-Y\vert 。
解:
(Ⅰ)F_M(z)=\big(1-\mathrm e^{-z}\big)^2 ,求导:
f_M(z)=2\big(1-\mathrm e^{-z}\big)\mathrm e^{-z},\qquad z>0 .
(Ⅱ)P\{N>z\}=P\{X>z\}P\{Y>z\}=\mathrm e^{-2z} ,故 N\sim E(2) ,EN=\frac12 。
(Ⅲ)E(M+N)=EX+EY=1+1=2 。(与(Ⅰ)(Ⅱ)互检:EM=\int_0^\infty\big[1-(1-\mathrm e^{-z})^2\big]\mathrm dz=1+\frac12=\frac32 ,EN=\frac12 ,合计 2 ✓。)
(Ⅳ)M-N>t\iff|X-Y|>t 。指数分布的无记忆性给出
P\{|X-Y|>t\}=2\int_t^{\infty}\!\!\int_0^{x-t}\mathrm e^{-x}\mathrm e^{-y}\,\mathrm dy\,\mathrm dx=\mathrm e^{-t},
故 M-N\sim E(1) ,P\{M-N>1\}=\mathrm e^{-1}\approx0.3679 。
归因:N 的分布直接由尾概率读出,不必先求 F_N 再求导。这一步省下来的时间正好用来算(Ⅳ)。
题 B9 · 三段,概率 1/16
怎么想:两个均匀的支撑长度不同(1 与 2 ),卷积要分三段。临界值是两个端点的和:0+0=0 、0+2=1 、1+0=1 、1+2=3 ,即 1 与 2 。
解:
(Ⅰ)\displaystyle f_Z(z)=\int f_X(x)f_Y(z-x)\,\mathrm dx=\frac12\int_0^1\mathbf 1\{0<z-x<2\}\,\mathrm dx ,被积函数是"区间 (0,1) 与 (z-2,z) 的交集长度":
z 的范围 |
交集 | 长度 | f_Z(z) |
|---|---|---|---|
0<z<1 |
(0,z) |
z |
\dfrac z2 |
1\le z<2 |
(0,1) |
1 |
\dfrac12 |
2\le z<3 |
(z-2,1) |
3-z |
\dfrac{3-z}{2} |
自检:\frac14+\frac12+\frac14=1 ✓。
(Ⅱ)\displaystyle P\{Z>2.5\}=\int_{2.5}^{3}\frac{3-z}{2}\,\mathrm dz=\frac12\cdot\frac{(3-2.5)^2}{2}=\frac1{16} 。
(几何验算:f_Z 在 [2,3] 上是高 \frac12 、底 1 的三角形,z>2.5 那部分是底 \frac12 的小三角形,面积 \frac12\times\frac12\times\frac14=\frac1{16} ✓。)
归因:很多人只分两段(照抄两个 U(0,1) 的结论)。支撑长度不等时分段数变多,这是"异分布"和"同分布"的唯一区别,务必按端点之和列临界值。
题 B10 · 条件密度 (x+y)/(x+1/2),期望 7/12
怎么想:f=x+y 在单位方形上不可分离,所以不独立;但条件密度照样好算,因为分母 f_X 是 x 的一元函数。
解:
(Ⅰ)\displaystyle f_X(x)=\int_0^1(x+y)\,\mathrm dy=x+\frac12 ,0<x<1 。
(Ⅱ)\displaystyle f_{Y\mid X}(y\mid x)=\frac{x+y}{x+1/2} ,0<y<1 。
(Ⅲ)\displaystyle E(Y\mid X=x)=\int_0^1\frac{y(x+y)}{x+1/2}\,\mathrm dy=\frac{\frac x2+\frac13}{x+\frac12} 。
(Ⅳ)\displaystyle EY=\int_0^1\Big(\frac x2+\frac13\Big)\mathrm dx=\frac14+\frac13=\frac7{12} 。
直接验算:\displaystyle EY=\int_0^1\!\!\int_0^1y(x+y)\,\mathrm dy\,\mathrm dx=\int_0^1\Big(\frac x2+\frac13\Big)\mathrm dx=\frac7{12} ✓,与重期望一致。
归因:EY=\frac7{12} 而 EX=\frac7{12} (对称),两个都是 \frac{7}{12} ,不是 \frac12 这个数 ——密度 x+y 把质量推向了右上方,均值必然大于 \frac12 。答 \frac12 说明还在按均匀分布想。