Files
Yimu 82f15e18d9 feat(在学练习): 概率论第3讲四件套 + 数列小练加强版/审计;修复 .gitignore 失效规则
新增
- 在学练习/概率论-第3讲-多维随机变量及其分布/:README + 01考点手册 + 02试题 + 03解析 + 04答疑笔记
- 每日小练/02-数列-加强版.md、02-数列-知识点复习.md、02-数列-质量审计.md、02-数列.md
- .workbuddy/memory/2026-10-13.md(工作记忆)

更新
- 每日小练/README.md:02 状态、新增"复习手册"节、frontmatter 双链
- 总览.md:目录结构同步(在学练习/、每日小练新增文件)
- .gitignore:原先将注释写在行尾,导致 solutions/、papers/images/、papers/*.md 等排除规则
  全部失效(约 205MB 图片/PDF 处于待推送状态)。改为行首注释,并新增忽略 参考仓库/(嵌套仓库)

移除
- 数学一/知识点/ 下 8 个笔记与 以题带点/2023-17-微分方程建模.md(本地已删除,按用户确认同步)
2026-10-14 12:23:11 +08:00

12 KiB
Raw Blame History

tags, 专题, 日期, 关联
tags 专题 日期 关联
数学一
在学练习
概率论
多维随机变量
解析
概率论 第3讲 · 多维随机变量及其分布 · 解析(19 题) 2026-10-13 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。