Files
MathNotesVersion2/基于考研的学习/数学一/专项突破/10-多维随机变量/01-考点地图.md
T
Yimu ef51115b22 专项10 第二版:难度对齐真题与张宇30讲
- A 组 12 题整体重做:每题仍只练一个动作,但包在真实区域里、都要分段
  (抛物区域归一化与边缘两支、条件均匀的协方差、区域概率、可加性失效四问等)
- B 组 10 题改为照 2016—2025 真题换数字,补上 2025-22 保险赔付与泊松分裂
- C 组 8 题换成环域均匀、次序统计量、非独立正态残差、混合型、泊松分裂五个新方向
- 题源标注:A2/A12 标张宇 30 讲骨架,B1—B10 标真题年份
- 同步 01 考点地图(题目索引、十年真题锚点)、README、专项突破总索引
- 全部数值经 sympy 复核,三处手算错误已订正(A4 的 Cov、C2 的极差、C4 的期望发散)
2026-11-11 13:59:21 +08:00

18 KiB
Raw Blame History

tags, 专题, 日期, 状态
tags 专题 日期 状态
数学一
专项突破
考点地图
多维随机变量
多维随机变量 2026-11-11 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 分布律反解、归一化与边缘分段、条件分布、独立性四判据、区域均匀、二维正态、和分布、最值、雅可比、可加性边界、由 F 反求参数 A1—A12
一圈 指示变量 + 分布函数、两点乘指数、两点乘泊松、随机取点、混合正态、圆盘非均匀、保险赔付、异密度和、全方差与相关、条件均匀反解 B1—B10
二圈 环域均匀、次序统计量、非独立正态残差、商与期望发散、混合型、反例构造、泊松分裂、十断言 C1—C8

难度定位(2026-11-11 第二版):第一版的 A 组偏"套公式",比真题低一档,已整体重做。现在 A 组每题仍只练一个动作,但都包在真实区域里、都要分段;B 组照 2016—2025 年 ch17 的 11 道真题换数字,问法与分段照搬;C 组高于真题。记号:★★☆ 门槛、★★★ 真题档、★★★★ 高于真题。

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。

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。反方向的例子也在同一题里:U=X+Y 与 V=X-Y 换完之后支撑是菱形(非矩形),条件密度仍随 v 变,所以不独立(见 A10)。

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 抛物线区域均匀 + 指示变量 + 分布函数 B1
2017·22 解答 11 离散与连续的和,密度分段 A8、B8
2018·22 解答 11 两点乘泊松,协方差与分布律 B3
2019·8 单选 4 正态差的分布 A7
2019·22 解答 11 指数乘两点,"不相关但不独立" B2
2020·22 解答 11 混合正态的联合分布函数 B5、B9
2021·22 解答 12 随机取点分两段,商的分布 B4
2022·10 单选 5 条件均匀反解 + 相关系数 A4
2023·22 解答 12 圆盘非均匀密度,X^2+Y^2 的分布 B6
2024·9 单选 5 条件均匀与协方差 B10
2025·22 解答 12 截断赔付 + 泊松分裂 B7

合 11 题 105 分,是概率六章里的第一。解答题的形态高度固定:给一个区域上的密度或条件分布 → 求边缘或联合 → 求某个函数的分布 → 顺带算一个数字特征,三四问 11—12 分。2019 年之后几乎每年都用"乘积型"或"条件均匀型"包装(2018、2019、2024),这是最近五年的新增偏好,B2、B3、B10 就是照着这个偏好出的。

六、题目索引

题 考什么 难度 真题/张宇锚点
A1 独立性反解分布律 ★★☆ —
A2 抛物区域归一化 + 边缘两支 ★★☆ 张宇 30 讲 边缘密度例题
A3 条件分布律反解联合 ★★☆ —
A4 条件均匀、协方差、区域概率 ★★★ 2022·10
A5 独立性四判据及各自适用边界 ★★☆ 概念题高频
A6 二维均匀,面积比 ★★☆ 2016·22 区域
A7 二维正态的差与条件分布 ★★☆ 2019·8
A8 离散与连续的和 ★★★ 2017·22
A9 异参数指数的最值 ★★★ 2021·22 变体
A10 雅可比、支撑换元、条件密度 ★★★ —
A11 可加性什么时候失效 ★★☆ 选填常客
A12 由 \Phi 里读出参数 ★★☆ 张宇 30 讲 标准正态化例题
B1 指示变量 + 分段分布函数 ★★★★ 2016·22
B2 两点乘指数:相关但不独立 ★★★★ 2019·22
B3 两点乘泊松:分布律与方差 ★★★★ 2018·22
B4 随机取点,商的分布 ★★★★ 2021·22
B5 混合正态的联合分布函数 ★★★★ 2020·22
B6 圆盘非均匀密度 ★★★★ 2023·22
B7 保险赔付与泊松分裂 ★★★★ 2025·22
B8 异密度混合的和 ★★★ 2017·22 变体
B9 全方差公式与相关系数 ★★★★ 2020·22 变体
B10 条件均匀反解联合 ★★★★ 2024·9
C1 环域均匀,边缘分段 ★★★★ —
C2 次序统计量与极差 ★★★★ —
C3 非独立正态的残差分解 ★★★★ —
C4 商的分布与期望发散 ★★★★ —
C5 混合型的分布函数与密度 ★★★★ —
C6 反例构造三问 ★★★★ 概念题
C7 泊松分裂与独立性证明 ★★★★ 2025·22 推广
C8 十个断言辨析 ★★★★ 概念题

A 组 12 题把 12 个动作各走一遍(但都在真实区域里),B 组是真题原版换数字,C 组是"考场出新"的预演。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: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。