Files
MathNotesVersion2/基于考研的学习/数学一/专项突破/10-多维随机变量/03c-解析-拔高.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

250 lines
13 KiB
Markdown
Raw Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
tags: [数学一, 专项突破, 解析, 多维随机变量]
专题: 多维随机变量
日期: 2026-11-11
状态: 第二版 C 组解析,A/B 组见 03a 与 03b
关联笔记: ["[[02-试题]]", "[[01-考点地图]]", "[[03b-解析-中等]]", "[[04-答疑笔记]]"]
---
# 解析(拔高)· 多维随机变量 C 组
**这一组高于真题**,用来防"考场出新"。八题里 C1、C5、C7 最可能是命题人换方向的落点:区域从单连通换成环域、变量从同分布换成混合分布、计数从二项换成泊松分裂。
## 答案速查
| 题 | 核心答案 |
|---|---|
| C1 | $f=\frac1{3\pi}$ ;$f_X$ 两段;$f_Z=\frac13\ (1<z<4)$ ;$P\{X^2+Y^2\le2\}=\frac13$ |
| C2 | $\frac16$ ;$f_{X_{(2)}}=6z(1-z)$ ,$E=\frac12$ ;$\frac12$ |
| C3 | $N(1.2x,2.56)$ ;$E(Y^2\vert X=1)=4$ ;$1.44+2.56=4$ ;$W\sim N(1,2.56)$ 且独立 |
| C4 | $f_Z=\frac12$ 与 $\frac1{2z^2}$ ;$\frac34$ ;$EZ$ 不存在 |
| C5 | $F_Y$ 三段;$f_Y$ 两段;$EY=\frac74$ ,$P\{Y\le1\}=1-\frac{\mathrm e^{-1}}4$ |
| C6 | $Y=X^2$ 型反例;$Z=XY$ 非正态;断言要分"支撑内"与"全平面" |
| C7 | $M\sim P(\lambda p)$ ,$N-M\sim P(\lambda(1-p))$ ,相互独立 |
| C8 | 对:2、5、7、9、3(有前提);错:1、4、6、8、10 |
---
### 题 C1 · 环域均匀:边缘一定要分段
**怎么想**:环域面积 $\pi(2^2-1^2)=3\pi$ 。边缘密度分段的临界值来自"竖线与内圆相切",即 $\vert x\vert=1$ :$|x|\le1$ 时竖线只穿过环的外圈部分,$|x|>1$ 时要挖掉中间的空洞。
**解**:
(Ⅰ)$S_D=3\pi$ ,
$$f(x,y)=\frac{1}{3\pi},\qquad 1\le x^2+y^2\le4 .$$
(Ⅱ)固定 $x$ ,竖线被 $x^2+y^2\le4$ 截出 $y\in[-\sqrt{4-x^2},\sqrt{4-x^2}]$ ,被 $x^2+y^2\ge1$ 挖去 $y\in(-\sqrt{1-x^2},\sqrt{1-x^2})$ 。
$|x|\le1$ 时只需外圈:
$$f_X(x)=\frac1{3\pi}\cdot2\sqrt{4-x^2},\qquad \vert x\vert\le1 .$$
$1<\vert x\vert\le2$ 时挖洞:
$$f_X(x)=\frac1{3\pi}\cdot2\Big(\sqrt{4-x^2}-\sqrt{1-x^2}\Big),\qquad 1<\vert x\vert\le2 .$$
(Ⅲ)$Z=X^2+Y^2$ 只取 $(1,4)$ 内的值,且
$$F_Z(z)=P\{X^2+Y^2\le z\}=\frac{\pi(z-1)}{3\pi}=\frac{z-1}{3},\qquad 1\le z<4 .$$
故 $f_Z(z)=\dfrac13$ ($1<z<4$ ),其余为 $0$ —— **均匀分布**。
(Ⅳ)$P\{X^2+Y^2\le2\}=\dfrac{(2-1)\pi}{3\pi}=\dfrac13 .$
> **归因**:C 类——$f_X$ 只写一段。环域、圆盘挖洞一类的区域,边缘密度的分段临界值就是内圆/内边界与外框的交点,一定要先画图找它。
---
### 题 C2 · 次序统计量:对称性省掉一大半计算
**怎么想**:三个 iid 连续变量有 $3!=6$ 种大小顺序,等可能,这一条能秒杀第(Ⅰ)问。第(Ⅱ)问用"至少两个不超过 $z$ ",第(Ⅲ)问用极差的分布。
**解**:
(Ⅰ)$X_1,X_2,X_3$ 严格互不相等(连续型),六种顺序等可能,故
$$P\{X_1<X_2<X_3\}=\frac{1}{6}.$$
(Ⅱ)$X_{(2)}\le z$ 等价于"三个里至少两个不超过 $z$ ":
$$F_{X_{(2)}}(z)=P\{\text{恰两个}\le z\}+P\{\text{三个都}\le z\}=3z^2(1-z)+z^3=3z^2-2z^3,$$
$$f_{X_{(2)}}(z)=6z-6z^2=6z(1-z),\qquad 0<z<1 .$$
它关于 $z=\frac12$ 对称,故 $E X_{(2)}=\frac12$ (也可积分:$\int_0^16z^2(1-z)\mathrm dz=\frac12$ )。
(Ⅲ)极差 $R=X_{(3)}-X_{(1)}$ 。用次序统计量的联合密度 $6$ (在 $0<x_1<x_2<x_3<1$ 上),按"三点全落在某个长为 $r$ 的窗口内"分两块:
$$P\{R\le r\}=6\int_0^{1-r}\mathrm dx_1\int_{x_1}^{x_1+r}\mathrm dx_2\int_{x_2}^{x_1+r}\mathrm dx_3+6\int_{1-r}^1\mathrm dx_1\int_{x_1}^1\mathrm dx_2\int_{x_2}^1\mathrm dx_3 .$$
第一块的内两层给出 $\frac{r^2}{2}$ ,故为 $6\cdot\frac{r^2}{2}(1-r)=3r^2(1-r)$ ;第二块给出 $6\cdot\frac{r^3}{6}=r^3$ (这里 $x_1+r$ 已超过 $1$ ,上限被截断,正是容易漏的那部分)。相加
$$F_R(r)=3r^2(1-r)+r^3=3r^2-2r^3,\qquad 0<r<1 .$$
于是
$$P\{R>1/2\}=1-\Big(3\cdot\frac14-2\cdot\frac18\Big)=1-\frac12=\frac12 .$$
> **归因**:B 类——把 $P\{X_1<X_2<X_3\}$ 当 $\frac{1}{3}$ 。是 $3!$ 里的一个,不是"最大值的三种可能"。
---
### 题 C3 · 非独立正态:条件方差是常数
**怎么想**:$\operatorname{Cov}=\rho\sigma_1\sigma_2=0.6\times1\times2=1.2$ ,条件均值 $\mu_2+\rho\frac{\sigma_2}{\sigma_1}(x-\mu_1)=1.2x$ ,条件方差 $\sigma_2^2(1-\rho^2)=4\times0.64=2.56$ ,与 $x$ 无关——这一条是第(Ⅱ)(Ⅲ)问的关键。
**解**:
(Ⅰ)$Y\mid X=x\sim N\big(1.2x,\ 2.56\big)$ 。
(Ⅱ)$E(Y^2\mid X=1)=D(Y\mid X=1)+\big[E(Y\mid X=1)\big]^2=2.56+1.2^2=2.56+1.44=4 .$
(Ⅲ)$DY=E\big[D(Y\mid X)\big]+D\big[E(Y\mid X)\big]=2.56+1.2^2\cdot DX=2.56+1.44\times1=4$ ✓(题设 $DY=\sigma_2^2=4$ )。
(Ⅳ)$\operatorname{Cov}(W,X)=\operatorname{Cov}(Y,X)-1.2DX=1.2-1.2=0$ ,而 $(W,X)$ 是 $(X,Y)$ 的线性变换、仍服从二维正态,故 $W$ 与 $X$ **独立**。
$EW=EY-1.2EX=1-0=1$ ,
$$DW=DY+1.2^2DX-2\times1.2\operatorname{Cov}(X,Y)=4+1.44-2.88=2.56,$$
故 $W\sim N(1,\ 2.56)$ 。(这正是"把 $Y$ 中与 $X$ 线性相关的部分扣掉,剩下就是残差、与 $X$ 正交且独立"。)
> **归因**:A 类——以为残差 $W$ 与 $X$ 只是"不相关"。正交(不相关)加联合正态才等于独立,这两个条件缺一不可。
---
### 题 C4 · 商的分布与"期望不存在"
**怎么想**:$Z=\frac XY$ 的密度必须分段——$y<zx$ 这条直线的两侧形状随 $z$ 变。第(Ⅲ)问是概念题:密度存在不等于期望存在。
**解**:
(Ⅰ)$z\le0$ 时 $f_Z=0$ 。设 $0<z<1$ ,直线 $x=zy$ 的斜率 $\frac1z>1$ ,在正方形内它把左下角切出来:固定 $y$ 时 $x$ 从 $0$ 到 $zy$ (因为 $zy<y<1$ ,不会超过 $1$ ),
$$F_Z(z)=\int_0^1zy\,\mathrm dy=\frac z2\ \Longrightarrow\ f_Z(z)=\frac12 .$$
设 $z>1$ ,此时斜率小于 $1$ ,$zy$ 在 $y>\frac1z$ 后会超过 $1$ ,须分两块:
$$F_Z(z)=\int_0^{1/z}zy\,\mathrm dy+\int_{1/z}^1 1\,\mathrm dy=\frac1{2z}+1-\frac1z=1-\frac1{2z}\ \Longrightarrow\ f_Z(z)=\frac{1}{2z^2}.$$
合起来
$$f_Z(z)=\begin{cases}\dfrac12, & 0<z<1,\\[4pt] \dfrac{1}{2z^2}, & z\ge1 .\end{cases}$$
验归一:$\frac12+\int_1^\infty\frac{\mathrm dz}{2z^2}=\frac12+\frac12=1$ ✓。
(Ⅱ)$P\{Z<2\}=\dfrac12+\displaystyle\int_1^2\frac{\mathrm dz}{2z^2}=\frac12+\frac12\Big(1-\frac12\Big)=\frac34 .$
(Ⅲ)$EZ$ **不存在**。因为
$$E\vert Z\vert=\int_0^1z\cdot\frac12\mathrm dz+\int_1^\infty z\cdot\frac{1}{2z^2}\mathrm dz=\frac14+\frac12\int_1^\infty\frac{\mathrm dz}{z}=+\infty .$$
> **归因**:A 类——"有密度就有期望"。期望的存在性取决于 $\int\vert z\vert f_Z$ 是否收敛,$z\ge1$ 那段按 $\frac1z$ 发散,正是许多"比值型"变量的通病。
---
### 题 C5 · 混合型的分布函数与密度
**怎么想**:$Y=X_1+X_2$ ,$X_1$ 是两点、$X_2$ 连续,所以 $Y$ 的分布是两段的加权:$\frac14$ 份"照原样"、$\frac34$ 份"右移 $1$ "。这类题只需老老实实写 $F_Y(y)=\frac14F_{X_2}(y)+\frac34F_{X_2}(y-1)$ 。
**解**:
(Ⅰ)由全概率,$F_Y(y)=P\{X_1=0\}F_{X_2}(y)+P\{X_1=1\}F_{X_2}(y-1)$ ,$F_{X_2}(t)=1-\mathrm e^{-t}$ ($t>0$ ),否则为 $0$ 。故
$$F_Y(y)=\begin{cases}0, & y<0,\\[2pt] \frac14\big(1-\mathrm e^{-y}\big), & 0\le y<1,\\[2pt] \frac14\big(1-\mathrm e^{-y}\big)+\frac34\big(1-\mathrm e^{-(y-1)}\big), & y\ge1.\end{cases}$$
(Ⅱ)对 $y$ 求导(分段求):
$$f_Y(y)=\begin{cases}\frac14\mathrm e^{-y}, & 0<y<1,\\[2pt] \frac14\mathrm e^{-y}+\frac34\mathrm e^{-(y-1)}, & y>1,\\[2pt] 0, & \text{其他}.\end{cases}$$
**不是**指数分布:$y\in(0,1)$ 段的系数是 $\frac14$ ,$y>1$ 段变成 $\frac14+\frac{3\mathrm e}{4}$ ,两段不成比例,且密度在 $y=1$ 处跳变。
(Ⅲ)$EY=EX_1+EX_2=\frac34+1=\frac74$ 。
$$P\{Y\le1\}=\frac14\big(1-\mathrm e^{-1}\big)+\frac34\cdot1=1-\frac{\mathrm e^{-1}}{4}\approx0.908 .$$
> **归因**:D 类——$F_Y(y-1)$ 的"旧支撑"处理错。$y-1>0$ 才用 $1-\mathrm e^{-(y-1)}$ ,即 $y>1$ ,这正是分段点 $1$ 的来源。
---
### 题 C6 · 反例要有细节,不能只报名字
**怎么想**:第(Ⅰ)问要"连续 $+$ 函数关系"这一对矛盾体;第(Ⅱ)问用四阶矩否掉正态;第(Ⅲ)问的关键是"对一切"三个字。
**解**:
(Ⅰ)取 $X\sim U(-1,1)$ ,$Y=X^2$ 。则
$$\operatorname{Cov}(X,Y)=E(X^3)-EX\cdot EX^2=0-0\cdot\frac13=0 .$$
但 $Y$ 由 $X$ 完全决定,不独立。验证一格:$P\{X\le0,\ Y\le\frac14\}=P\{X\le0\}=\frac12$ (因 $X\le0$ 时 $X^2\le1$ 必然),而
$$P\{X\le0\}\,P\Big\{Y\le\frac14\Big\}=\frac12\cdot P\Big\{\vert X\vert\le\frac12\Big\}=\frac12\cdot\frac12=\frac14\ne\frac12 .$$
(Ⅱ)$Z=XY$ 不是正态。$\operatorname{Cov}(X,Z)=E(X^2Y)=0$ ,$DZ=E(X^2Y^2)=EX^2\cdot EY^2=1$ ,
$$EZ^4=E(X^4)E(Y^4)=3\times3=9 .$$
若 $Z\sim N(0,1)$ 则 $EZ^4=3(DZ)^2=3\ne9$ ,矛盾。所以 $Z$ 不是正态。
这个例子否定了"独立正态变量的函数仍服从正态",也否定了"边缘正态 $\Rightarrow$ 联合正态"($(X,Z)$ 的 $Z$ 这一侧就不是正态)。
(Ⅲ)断言**为真**,但关键在"对一切 $(x,y)$ 成立":此时 $f\ne0$ 的区域恰是 $\{g\ne0\}\times\{h\ne0\}$ ,自动是矩形,两边对 $x,y$ 分别积分即得 $f(x,y)=f_X(x)f_Y(y)$ 。
若把条件弱化成"**在支撑内**可写成 $f=g(x)h(y)$ ",则断言**为假**:反例 $f(x,y)=8xy$ ($0<y<x<1$ )在支撑内是 $x$ 与 $y$ 的乘积,但支撑是三角形,$X$ 与 $Y$ 不独立。这也是 [A5](03a-解析-基础.md) 第三例为什么必须真算边缘。
> **归因**:A 类——反例只说"$Y=X^2$ "不验证。考场上要拿分,必须把 $\operatorname{Cov}=0$ 与"不独立"两件事都算出来。
---
### 题 C7 · 泊松分裂:独立性的完整证明
**怎么想**:第(Ⅰ)(Ⅱ)问用全概率把二项概率与泊松概率套在一起,求和时凑成 $\mathrm e^{\lambda q}$ ;第(Ⅲ)问把联合分布律直接乘开,看能不能分解。
**解**:
(Ⅰ)$M\mid N=n\sim B(n,p)$ ,对 $k=0,1,2,\dots$
$$P\{M=k\}=\sum_{n\ge k}\mathrm e^{-\lambda}\frac{\lambda^n}{n!}\binom nk p^k q^{n-k},\qquad q=1-p .$$
用 $\binom nk\dfrac{1}{n!}=\dfrac{1}{k!\,(n-k)!}$ ,令 $m=n-k$ :
$$P\{M=k\}=\mathrm e^{-\lambda}\frac{(\lambda p)^k}{k!}\sum_{m\ge0}\frac{(\lambda q)^m}{m!}=\mathrm e^{-\lambda}\frac{(\lambda p)^k}{k!}\,\mathrm e^{\lambda q}=\mathrm e^{-\lambda p}\frac{(\lambda p)^k}{k!}.$$
故 $M\sim P(\lambda p)$ 。
(Ⅱ)同理(把 $p$ 与 $q$ 对调)$N-M\sim P(\lambda q)$ 。
(Ⅲ)对任意 $k,j\ge0$ ,事件 $\{M=k,\ N-M=j\}$ 等价于"总数 $k+j$ 次,其中恰 $k$ 次涉及出租车":
$$P\{M=k,\ N-M=j\}=\mathrm e^{-\lambda}\frac{\lambda^{k+j}}{(k+j)!}\cdot\frac{(k+j)!}{k!\,j!}p^kq^j=\mathrm e^{-\lambda p}\frac{(\lambda p)^k}{k!}\cdot\mathrm e^{-\lambda q}\frac{(\lambda q)^j}{j!},$$
恰好等于 $P\{M=k\}P\{N-M=j\}$ ,故相互独立。
(B7 的第(Ⅲ)问就是 $p=\frac14$ 、$\lambda=8$ 的特例。)
> **归因**:C 类——第(Ⅰ)问求和时把 $\binom nk$ 留在里面不敢动。把 $\frac{1}{n!}\binom nk$ 拆成 $\frac{1}{k!(n-k)!}$ ,剩下的恰好是 $\mathrm e^{\lambda q}$ 的泰勒展开。
---
### 题 C8 · 十个断言逐条判
**怎么想**:这类题不计算,考的全是边界条件。判完要能给一句"为什么",否则考场变体(换个说法)就错。
**解**:
1. **错**。反例见 C6(Ⅰ):$X\sim U(-1,1)$ 、$Y=X^2$ 不相关但不独立。只有二维正态下才对。
2. **对**。这是二维正态专有的性质,因为它的联合密度在 $\rho=0$ 时正好分解成两个边缘之积。
3. **对,但前提是"对一切 $(x,y)$ "**(此时支撑自动是矩形)。若只在支撑内可分离,则**错**:$f=8xy$ ($0<y<x<1$ )。
4. **错**。两个 $U(0,1)$ 之和是三角分布,密度 $z$ 与 $2-z$ ,不是常数。
5. **对**。独立时 $E(XY)=EX\cdot EY$ ,协方差必为 $0$ 。这是单向蕴涵。
6. **错**。取 $X\sim N(0,1)$ 、$Z$ 与 $X$ 独立且 $P\{Z=\pm1\}=\frac12$ ,令 $Y=ZX$ ,则 $Y\sim N(0,1)$ ,但 $(X,Y)$ 只在两条直线 $y=\pm x$ 上有质量、不是二维正态。
7. **对**。矩形支撑是独立的必要条件:独立时 $f=f_Xf_Y$ 的非零域必须是两个一维集合的乘积,即矩形。三角形不是,故一定不独立。
8. **错**。$X$ 离散时 $F(x,y)$ 沿 $x$ 方向有跳跃,不绝对连续,联合密度不存在。只能写 $P\{X=x_i\}f_{Y\mid X=x_i}(y)$ 。
9. **对**。独立性等价于"对任意可测函数 $g,h$ ,$g(X)$ 与 $h(Y)$ 独立",取 $g(x)=x^2$ 、$h(y)=y^2$ 即得。
10. **错**。取 $X\sim N(0,1)$ 、$Y\sim N(0,4)$ 且独立,则 $Y-X$ 关于 $0$ 对称,$P\{X<Y\}=\frac12$ ,但两者方差不同。所以 $\frac12$ 只说明"中位数相等",不说明同分布。
> **归因**:A 类——第 3、7 两条最容易判反。记住一句话:**独立的关键是"支撑是矩形 + 密度可分离",两个条件缺一不可**;"支撑不是矩形"可以直接否掉独立,但"密度不可分离"只能说明判据失效,还得算。