根因(读 Gitea 解析器 modules/markup/markdown/math/inline_parser.go 源码确认):
行内公式收尾 $ 的后一个字节必须属于 {空格,换行,行尾,'.','!','?',',',';',':',')','$'},
开头 $ 的左邻不能是 ASCII 字母数字或上述标点。中文与全角标点均为多字节字符
(单字节值 >= 0x80),全部落空,于是整对 $...$ 被当作普通文本原样显示。
本地 PDF 走 KaTeX,无此限制,所以只有网页异常。
处理:
- 新增 .workbuddy/tools/md2pdf/fix_gitea_math.py(检测 + 修复,可 --check/--apply)
- 在收尾 $ 与紧跟的中文字符之间补一个半角空格:23 个文件 1889 处
- 顺带修复加粗失效(收尾 ** 被标点前导、被汉字后继,不满足 CommonMark
right-flanking 规则):10 处,星号不再外露
- 新增 rebuild_prob_pdfs.sh,重生成概率论第3/5/6讲全部 12 个 PDF
范围:概率论在学练习 + 每日小练 + 知识点。试卷/模拟卷/多元函数积分学
仍有 1484 处待修(同规则,可随时跑 --scope 之外的 --apply)。
16 KiB
tags, 专题, 日期, 关联
| tags | 专题 | 日期 | 关联 | ||||||
|---|---|---|---|---|---|---|---|---|---|
|
概率论 第3讲 · 多维随机变量及其分布 · 中高难度卷解析(12 题) | 2026-10-16 | 05-试题-中高难度 · 01-考点手册 |
概率论 第3讲 · 中高难度卷 · 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。
B 组 · 中等
1.(Ⅰ)行和、列和:
X\backslash Y |
0 | 1 | p_{i\cdot} |
|---|---|---|---|
| 0 | 0.2 | 0.3 | 0.5 |
| 1 | 0.4 | 0.1 | 0.5 |
p_{\cdot j} |
0.6 | 0.4 | 1 |
X\sim\begin{pmatrix}0&1\\0.5&0.5\end{pmatrix} ,Y\sim\begin{pmatrix}0&1\\0.6&0.4\end{pmatrix} 。
(Ⅱ) 取 p_{00}=0.2 ,而 p_{0\cdot}p_{\cdot0}=0.5\times0.6=0.3\ne0.2 ,故 X 与 Y 不相互独立。
(Ⅲ) Z=X+Y 只取 0,1,2 ,按对角求和:
P\{Z=0\}=p_{00}=0.2,\quad P\{Z=1\}=p_{01}+p_{10}=0.3+0.4=0.7,\quad P\{Z=2\}=p_{11}=0.1.
Z\sim\begin{pmatrix}0&1&2\\0.2&0.7&0.1\end{pmatrix}
思路:离散"和的分布"= 沿反对角线求和(
X+Y=k的那条线)。 易错点:X,Y不独立不影响求和的分布——求Z的分布律永远只用联合表,与独立性无关。
2.(Ⅰ)独立正态的差仍正态,均值相减、方差相加:
X-Y\sim N\big(1-2,\ 4+9\big)=N(-1,\ 13).
(Ⅱ)
P\{X>Y\}=P\{X-Y>0\}=1-\Phi\!\left(\frac{0-(-1)}{\sqrt{13}}\right)=1-\Phi\!\left(\frac{1}{\sqrt{13}}\right)\approx0.391.
(Ⅲ) 同分布时 X-Y\sim N(0,\ 2\sigma^2) ,故
P\{|X-Y|<2\}=\Phi\!\left(\frac{2}{\sigma\sqrt2}\right)-\Phi\!\left(-\frac{2}{\sigma\sqrt2}\right)=2\Phi\!\left(\frac{\sqrt2}{\sigma}\right)-1.
结果里**不含 \mu 、含 \sigma ** ⟹ 与 \mu 无关,与 \sigma^2 有关(即真题 2019·8 的选项 A)。
思路(中心化):
X-Y的分布只由差的均值(0)与差的方差(2\sigma^2)决定;|X-Y|<2是关于X-Y的对称区间概率,只依赖2\sigma^2。 易错点:D(X-Y)=DX+DY(独立才可加),不是DX-DY;求P\{X>Y\}时别忘减均值-1已含在里面。
3.(Ⅰ)
\iint_{\!D}cxy\,\mathrm dx\mathrm dy=c\int_0^1\!\!\int_0^{1-x}xy\,\mathrm dy\,\mathrm dx=c\int_0^1 x\cdot\frac{(1-x)^2}{2}\,\mathrm dx=c\cdot\frac12 B(2,3)=c\cdot\frac{1}{24}=1\ \Rightarrow\ \boxed{c=24}
(Ⅱ) D 是三角形 x+y<1 ,故
f_X(x)=\int_0^{1-x}24xy\,\mathrm dy=12x(1-x)^2\quad(0<x<1),
f_{Y|X}(y\mid x)=\frac{f(x,y)}{f_X(x)}=\frac{24xy}{12x(1-x)^2}=\frac{2y}{(1-x)^2}\quad(0<y<1-x).
(Ⅲ)
E(Y\mid X=x)=\int_0^{1-x}y\cdot\frac{2y}{(1-x)^2}\,\mathrm dy=\frac{2}{(1-x)^2}\cdot\frac{(1-x)^3}{3}=\frac{2(1-x)}{3}.
再用全期望(对 x 求平均):
E(Y)=E\big[E(Y\mid X)\big]=\int_0^1\frac{2(1-x)}{3}\cdot12x(1-x)^2\,\mathrm dx=8\int_0^1x(1-x)^3\,\mathrm dx=8B(2,4)=8\times\frac{1}{20}=\frac25.
思路:条件密度型问题三步走——先定域(
0<y<1-x)→ 再写条件密度 → 最后算E(Y\mid X=x);求无条件期望用全期望公式,比直接二重积分省一半功夫。 易错点:区域是三角形不是矩形,内层上限是1-x;B(2,4)=\dfrac{1!\,3!}{5!}=\dfrac{1}{20}。
4. f_{XY}(x,y)=1\cdot e^{-y} (0<x<1,\ y>0 )。用商的密度公式(其 |x| 即雅可比):
f_Z(z)=\int_{-\infty}^{+\infty}|x|\,f(x,zx)\,\mathrm dx=\int_0^1 x\,e^{-zx}\,\mathrm dx\quad(z>0).
两次分部积分(或用 \int_0^1xe^{-zx}\mathrm dx=\dfrac{1-(1+z)e^{-z}}{z^{2}} ):
\boxed{\ f_Z(z)=\begin{cases}\dfrac{1-(1+z)e^{-z}}{z^{2}},&z>0\\[6pt]0,&z\le0\end{cases}\ }
自检:z\to0^+ 时分子 \sim\dfrac{z^2}{2} ,故 f_Z\to\dfrac12=\displaystyle\int_0^1x\,\mathrm dx ✓
思路:商
Z=Y/X取辅助变量V=X,|J|=|x|,故公式里出现|x|;本题也可用"先求F_Z再求导":P\{Y\le zX\}=\int_0^1(1-e^{-zx})\mathrm dx,求导结果相同。 易错点:支撑集z>0(公式里e^{-zx}的收敛要求z>0,与Y>0,X>0一致);不要漏掉分母z^2。
5.(Ⅰ)S_D=\dfrac{\pi}{2} (上半圆),故
f(x,y)=\begin{cases}\dfrac{2}{\pi},&x^2+y^2\le1,\ y\ge0\\0,&\text{其他}\end{cases}
(Ⅱ)
f_X(x)=\int_0^{\sqrt{1-x^2}}\frac{2}{\pi}\,\mathrm dy=\frac{2}{\pi}\sqrt{1-x^2}\quad(-1<x<1),
f_Y(y)=\int_{-\sqrt{1-y^2}}^{\sqrt{1-y^2}}\frac{2}{\pi}\,\mathrm dx=\frac{4}{\pi}\sqrt{1-y^2}\quad(0<y<1).
(Ⅲ) f_X(x)f_Y(y)=\dfrac{8}{\pi^2}\sqrt{1-x^2}\sqrt{1-y^2}\ne\dfrac2\pi=f(x,y) ,且取值区域是半圆(非矩形),故 X,Y 不相互独立。
(Ⅳ) 极坐标下 D 对应 \theta\in[0,\pi] 。而
x>y\iff\cos\theta>\sin\theta\iff\theta<\frac{\pi}{4}\quad\Big(\theta\in\Big[0,\frac\pi2\Big]\Big),
故 \{x>y\}\cap D 是扇形 \theta\in\big[0,\frac\pi4\big) ,面积 \dfrac12\cdot1^2\cdot\dfrac\pi4=\dfrac\pi8 。
P\{X>Y\}=\frac{S_{\{x>y\}\cap D}}{S_D}=\frac{\pi/8}{\pi/2}=\frac14.
思路:均匀分布求概率 = 面积比;区域带圆就用极坐标数角度,比硬积分快得多。 易错点:上半圆的面积是
\pi/2不是\pi;\theta\in[\frac\pi2,\pi]那半扇形里x<0\le y,也算进\{x<y\}的补集。
6.(Ⅰ)Z=XY 分两种情形:
Y=1(概率1-p):Z=X\sim U(0,1),密度1落在(0,1);Y=-1(概率p):Z=-X,密度1落在(-1,0)。
f_Z(z)=\begin{cases}1-p,&0<z<1\\p,&-1<z<0\\0,&\text{其他}\end{cases}
自检:\displaystyle\int_{-1}^{0}p\,\mathrm dz+\int_0^1(1-p)\,\mathrm dz=p+(1-p)=1 ✓
(Ⅱ) EX=\dfrac12 ,EX^2=\dfrac13 ,EY=1\cdot(1-p)+(-1)\cdot p=1-2p 。
E(Z)=E(XY)=E(X)E(Y)=\frac{1-2p}{2},\qquad E(XZ)=E(X^2Y)=E(X^2)E(Y)=\frac{1-2p}{3},
\operatorname{Cov}(X,Z)=E(XZ)-EX\cdot EZ=\frac{1-2p}{3}-\frac12\cdot\frac{1-2p}{2}=\frac{(1-2p)}{12}.
(Ⅲ) \operatorname{Cov}(X,Z)=0\iff 1-2p=0\iff \boxed{p=\dfrac12} 。
(Ⅳ)X 与 Z 不相互独立。理由:给定 X=x ,Z=xY 只取 \pm x 两个值,条件分布**依赖 x **(如 P\{Z=x\mid X=x\}=1-p ,P\{Z=-x\mid X=x\}=p ),故不独立。
易错点:
Z的密度是两块拼接(正半轴权重1-p、负半轴权重p),不是常规光滑密度;求E(XZ)必须用独立性拆成E(X^2)E(Y)。 结论:本题与真题同构——"不相关"可以靠调参数凑出来,但"独立"凑不出来。
7.(Ⅰ)\sigma_1=1,\ \sigma_2=2,\ \rho=-0.5 ,\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=-1 。
D(X+Y)=DX+DY+2\operatorname{Cov}(X,Y)=1+4+2(-1)=3\ \Rightarrow\ X+Y\sim N(0,3).
(Ⅱ) D(X-Y)=DX+DY-2\operatorname{Cov}(X,Y)=1+4-2(-1)=7 。
(Ⅲ) 线性组合的协方差(交叉项抵消):
\operatorname{Cov}(X+Y,\ X-Y)=DX-DY=1-4=-3\ne0.
因 (X+Y,\ X-Y) 仍是 (X,Y) 的线性变换,仍服从二维正态,对二维正态"不相关 \iff 独立",故 X+Y 与 X-Y 不相互独立。
易错点:
\operatorname{Cov}(X,Y)=\rho\sigma_1\sigma_2=-1(负号别丢),直接导致D(X+Y)=3而非5。 通用结论:二维正态下 —— 线性组合仍联合正态;不相关即独立;\operatorname{Cov}(aX+bY,\,cX+dY)=ac\,DX+(ad+bc)\operatorname{Cov}+bd\,DY。
C 组 · 拔高
8.(Ⅰ)反解
u=x+y,\quad v=x-y\ \Longrightarrow\ x=\frac{u+v}{2},\qquad y=\frac{u-v}{2}.
雅可比行列式(反解的行列式):
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}\tfrac12&\tfrac12\\[4pt]\tfrac12&-\tfrac12\end{vmatrix}=-\frac14-\frac14=-\frac12,\qquad|J|=\frac12.
定义域一起变换:0<x<1,\ 0<y<1 变成 0<u+v<2 且 0<u-v<2 ,即
|v|<u<2-|v|\iff |v|<1.
于是
f_{UV}(u,v)=\begin{cases}\dfrac12,&|v|<u<2-|v|\\[4pt]0,&\text{其他}\end{cases}
支撑集形状:由四条边 u+v=0,\ u+v=2,\ u-v=0,\ u-v=2 围成的菱形(正方形旋转 45^\circ ),顶点为
(0,0),\ (1,1),\ (2,0),\ (1,-1).
(Ⅱ) 对 v 积分:
0<u<1:v\in(-u,u),长度2u⟹f_{X+Y}(u)=2u\cdot\dfrac12=u;1\le u<2:v\in\big(-(2-u),\,2-u\big),长度2(2-u)⟹f_{X+Y}(u)=2-u。
f_{X+Y}(u)=\begin{cases}u,&0<u<1\\2-u,&1\le u<2\\0,&\text{其他}\end{cases}\quad(\textbf{辛普森三角形分布})
自检:\displaystyle\int_0^1u\,\mathrm du+\int_1^2(2-u)\,\mathrm du=\frac12+\frac12=1 ✓
(Ⅲ)U 与 V 不相互独立。f_{UV} 在菱形上恒为 \dfrac12 (常数),而 f_U(u)=u 在 (0,1) 上并非常数,f_U(u)f_V(v)\ne f_{UV} ,故不独立。
思路(雅可比三步):① 反解
x=x(u,v),y=y(u,v);② 算\left|\dfrac{\partial(x,y)}{\partial(u,v)}\right|;③f_{UV}=f\cdot|J|,定义域一并变换(这一步决定了菱形的四条边)。 易错点:|J|=\tfrac12是常数,很容易被误当成"f_{UV}也是常数所以独立"——判断独立必须比较边缘之积,支撑集是斜菱形这一点就足以否定独立。 与 02-试题 第 19 题的分工:第 19 题练"和非一一→按分支"的比值变换,本题练一一变换 + 支撑集形状。
9.(Ⅰ)(U,V)=(\min,\max) 的取值必满足 0<u<v<1 ,且区域非矩形。用对称性(f(u)f(v)=1 ,两种排列):
f_{UV}(u,v)=2!\,f(u)f(v)=2\quad(0<u<v<1).
自检:\displaystyle\int_0^1\!\!\int_u^1 2\,\mathrm dv\,\mathrm du=2\int_0^1(1-u)\,\mathrm du=1 ✓
(Ⅱ)
f_U(u)=\int_u^1 2\,\mathrm dv=2(1-u)\ (0<u<1),\qquad f_V(v)=\int_0^v 2\,\mathrm du=2v\ (0<v<1).
(Ⅲ) f_U(u)f_V(v)=2(1-u)\cdot2v=4v(1-u)\ne2=f_{UV}(u,v) ,故 U 与 V 不相互独立(支撑集是三角形 u<v ,几何上已排除独立)。
E(U)=\int_0^1u\cdot2(1-u)\,\mathrm du=2\left(\frac12-\frac13\right)=\frac13,\qquad E(V)=\int_0^1v\cdot2v\,\mathrm dv=\frac23.
思路:
n个 iid 连续变量的顺序统计量,联合密度=n!\,f(x_1)\cdots f(x_n)(限在x_{(1)}<\cdots<x_{(n)}上);n=2时系数就是2。 巧记:U(0,1)两样本的\min,\max均值是\frac13,\frac23——正好是[0,1]上两个等分点的位置。
10. 卷积(对 x 积分,注意 f_X 只在 (0,1) 非零):
f_Z(z)=\int_0^1 f_Y(z-x)\,\mathrm dx=\int_0^1 e^{-(z-x)}\,\mathbf 1\{x<z\}\,\mathrm dx.
0<z<1:x\in(0,z),
f_Z(z)=\int_0^ze^{x-z}\,\mathrm dx=\Big[e^{x-z}\Big]_0^z=1-e^{-z};
z\ge1:x\in(0,1),
f_Z(z)=\int_0^1e^{x-z}\,\mathrm dx=e^{-z}(e-1).
\boxed{\ f_Z(z)=\begin{cases}1-e^{-z},&0<z<1\\[4pt](e-1)e^{-z},&z\ge1\\[4pt]0,&z\le0\end{cases}\ }
验证 z=1 处连续:左极限 1-e^{-1}=e^{-1}(e-1)= 右极限 ✓
自检:\displaystyle\int_0^1(1-e^{-z})\mathrm dz+\int_1^{+\infty}(e-1)e^{-z}\mathrm dz=\big[1-e^{-1}\big]+(e-1)e^{-1}=e^{-1}+1-e^{-1}=1 ✓
思路:卷积的分段点来自两个支撑集边界(
x的上限取\min(1,z)),本题分界点就是z=1。 易错点:0<z<1段的积分上限是z(不是1)——因为f_Y(z-x)要求z-x>0。
11. 先写联合密度:f_X(x)=1\ (0<x<1) ,f_{Y|X}(y\mid x)=\dfrac1x\ (x<y<2x) ,故
f(x,y)=\frac1x\quad(0<x<1,\ x<y<2x).
三个期望 + 一个混合矩:
E(Y\mid X=x)=\frac{x+2x}{2}=\frac{3x}{2}\ \Rightarrow\ E(Y)=E\!\left(\frac{3X}{2}\right)=\frac34;
E(Y^2\mid X=x)=\frac{x^2+2x^2+4x^2}{3}=\frac{7x^2}{3}\ \Rightarrow\ E(Y^2)=\frac79;
E(XY)=E\big[X\,E(Y\mid X)\big]=E\!\left[\frac{3X^2}{2}\right]=\frac{3}{2}\cdot\frac13=\frac12.
又 EX=\dfrac12,\ EX^2=\dfrac13,\ DX=\dfrac1{12} ;DY=\dfrac79-\left(\dfrac34\right)^2=\dfrac{31}{144} 。于是
$$\operatorname{Cov}(X,Y)=\frac12-\frac12\cdot\frac34=\frac18,\qquad
\rho_{XY}=\frac{1/8}{\sqrt{\dfrac1{12}\cdot\dfrac{31}{144}}}=\frac{3\sqrt3}{\sqrt{31}}=3\sqrt{\frac{3}{31}}\approx0.933.$$
思路:条件分布型永远先写
f=f_Xf_{Y|X};求E(XY)用条件期望最快——E(XY)=E[X\,E(Y\mid X)]。 易错点:U(x,2x)的E(U^2)=\dfrac{x^2+2x^2+4x^2}{3}(均值不一定对称时别写错,此式只在a=x,b=2x时代入);分界x<y<2x是最小支撑集,y的上限含x。 真题骨架:🟨2022·10 / 2024·9(条件分布 → 相关系数),本题把U(0,x)换成U(x,2x)。
12.(Ⅰ)串联 T_1=\min(X,Y) :
F_{T_1}(t)=1-P\{X>t\}P\{Y>t\}=1-\big(e^{-\lambda t}\big)^2=1-e^{-2\lambda t}\ (t>0),
\boxed{f_{T_1}(t)=2\lambda e^{-2\lambda t}\ (t>0)}\ \Longrightarrow\ T_1\sim E(2\lambda),\qquad E(T_1)=\frac{1}{2\lambda}.
结论:独立同分布指数取 min 仍是指数,参数相加——"最短寿命"是串联系统的招牌性质。
(Ⅱ) 并联 T_2=\max(X,Y) :
$$F_{T_2}(t)=\big(1-e^{-\lambda t}\big)^2\ (t>0),\qquad
f_{T_2}(t)=2\big(1-e^{-\lambda t}\big)\lambda e^{-\lambda t}=2\lambda e^{-\lambda t}\big(1-e^{-\lambda t}\big).$$
用期望的可加性(\max+\min=X+Y ):
E(T_2)=E(X)+E(Y)-E(T_1)=\frac1\lambda+\frac1\lambda-\frac{1}{2\lambda}=\frac{3}{2\lambda}.
(Ⅲ) 门槛 \dfrac{1.5}{\lambda}=\dfrac{3}{2\lambda} :
E(T_1)=\frac{1}{2\lambda}<\frac{3}{2\lambda},\qquad E(T_2)=\frac{3}{2\lambda}\ \text{恰好达标}\ \checkmark
并联方案达标(且恰好取等)。
思路(最省力的期望算法):恒等式
\max(X,Y)+\min(X,Y)=X+Y两边取期望即可,不必再做一次积分。 易错点:E(\max)不能写成\max(EX,EY);E(\min)\ge与\le的方向记牢:串联寿命更短。 真题骨架:🟨2025·22("分段赔付额 + 复合模型"的应用建模风格),本题改为可靠性工程情境。
附 · 出题质量报告
一、与既有 19 题的分工(不重复号、不重复数字)
| 本章已被 02-试题 覆盖 | 本卷的定位 |
|---|---|
均匀域离散化(15)、条件均匀相关系数(16)、混合正态(17)、圆域 X^2+Y^2 (18)、雅可比比值(19) |
避开上述结构,改从下述真题空档切入 |
二、真题覆盖(对照 ch17 的 11 题)
| 真题 | 考法 | 对应题 | 说明 |
|---|---|---|---|
| 2016·22 | 均匀域 + 离散化 + 函数分布 | 5 | 同域精神,改为半圆 |
| 2017·22 | 混合型 Z=X+Y |
1、10 | 离散型(1)+ 卷积(10) |
| 2018·22 | Z=XY + 协方差 |
— | 已由 02-试题 第 9 题覆盖 |
| 2019·8 | **正态差 \lvert X-Y\rvert ** |
2 | ✅ 本卷重点补 |
| 2019·22 | 离散×连续乘积 + 不相关 + 独立 | 6 | ✅ 完整复刻考法 |
| 2020·22 | 混合正态证明 | — | 已由 02-试题 第 17 题覆盖 |
| 2021·22 | 取点分段 + 商分布 | 4 | 商分布换分布组合(U(0,1) 与 E(1) ) |
| 2022·10 / 2024·9 | 条件分布 → 相关系数 | 3、11 | 条件期望(3)+ 相关系数(11) |
| 2023·22 | 圆域 + Cov + 独立 + 函数分布 | 5、7 | 拆到"边缘 + 独立"与"二维正态线性组合" |
| 2025·22 | 复合分布应用建模 | 12 | ✅ 本卷重点补 |
三、手法覆盖
离散和分布(1)、正态差(2)、条件密度与条件期望(3、11)、商分布(4)、非矩形域均匀 + 面积比(5)、离散×连续乘积(6)、二维正态线性组合与协方差(7)、雅可比一一变换 + 菱形支撑集(8)、顺序统计量(9)、卷积分段(10)、min / max 与期望恒等式(12)。
四、相对 02-试题 新填的 5 个缺口
- 离散型二维函数分布(两离散变量之和的表格题)→ 第 1 题;
\lvert X-Y\rvert正态差的完整选择题(2019·8)→ 第 2 题;- 条件期望 / 全期望递推 → 第 3、11 题;
- 一般二维函数的联合分布(雅可比 + 支撑集形状)→ 第 8 题;
- 2025·22 式应用建模 → 第 12 题。
仍未覆盖(留作三轮):二维离散与连续的混合卷积(需同时用两种全概率)、二维正态的密度形式推导(
\rho的实际含义)。