Files
MathNotesVersion2/基于考研的学习/数学一/知识点构建/24-专背清单-概率论-第3讲-多维随机变量.md
T
Yimu 8c4b35a709 概率论专背清单:六讲 231 条口袋卡(21—27)
背诵版 16—20 是讲义态(一讲 1.2—2.3 万字符),复习一次 40 分钟且看完记不住。
用户反馈「不是不理解,是背的东西太多,靠逻辑推演速度太慢」,故另做记忆态清单。

- 21 总纲:收录标准(只收推不出或推起来超十秒的)、五型标签(式/表/判/模/反)、
  三轮刷法、六张跨讲对照(除数账本、独立四种说法、标准化三次、自由度账本、
  三对易混、两类错误)
- 22—27 六讲:32/44/41/36/25/53 条,合计 231 条,全刷 32 分钟
- 每册末「十秒自检」四条到六条,作为过关判据
- 考前三天只看「反」型(不成立断言与反例)与「表」型
- README 加 §四·五 说明分工:清单卡住 → 背诵版查全 → 在学练习看推导
- 总览目录树补入知识点构建(此前遗漏)
- 顺带修两处公式内伪链接(f'[...](b-a)、[x+(n-1)a](x-a)),check_md_links 归零
2026-11-17 20:09:09 +08:00

9.6 KiB
Raw Blame History

tags, 专题, 日期, 状态, 来源, 关联笔记
tags 专题 日期 状态 来源 关联笔记
数学一
知识点构建
专背清单
概率论
二维随机变量
卷积
概率论 · 第3讲 多维随机变量及其分布 · 专背清单 2026-11-17 41 条(式 17 / 表 4 / 判 8 / 模 3 / 反 9) 知识点构建 17 背诵版;在学练习第3讲七点;真题库 chapter 17
21-专背清单-概率论-00-总纲与跨讲对照
17-背诵版-概率论-第3讲-多维随机变量及其分布

第 3 讲 多维随机变量 · 专背清单

41 条。本讲的背诵重心不是公式,是三条判定:支撑是不是矩形、能不能分离、卷积的积分限从哪到哪。这三件事推起来慢、错起来狠。

一、联合分布与边缘(9 条)

L3-01 式 联合分布函数:F(x,y)=P\{X\le x,\ Y\le y\} 。  └ 两个不等号都朝右,缺一不可。

L3-02 表 联合 F 的五条性质(比一维多两条):

# 性质
① 对每个变量单调不减
② 对每个变量右连续
③ F(-\infty,y)=F(x,-\infty)=0
④ F(+\infty,+\infty)=1
⑤ 矩形概率非负(这是二维独有的一条)

L3-03 式 矩形概率:

P\{x_1<X\le x_2,\ y_1<Y\le y_2\}=F(x_2,y_2)-F(x_2,y_1)-F(x_1,y_2)+F(x_1,y_1).

 └ 记法:右上减两个、左下加回。符号就是"选了几个坐标"。

L3-04 式 边缘分布函数:F_X(x)=F(x,+\infty) ,F_Y(y)=F(+\infty,y) 。  └ 就是把另一个变量"放到最右"。

L3-05 式 边缘密度:f_X(x)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dy ,f_Y(y)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dx 。  └ 积掉谁,就得到另一个的边缘。这句反过来说最容易错。

L3-06 模 求边缘密度的真实难点是定积分限:画支撑集,固定 x ,看 y 被夹在哪两条曲线之间。  └ 若上限随 x 变,边缘就是 x 的函数;若夹法随 x 变(如 0<x<1 与 x>1 两种夹法),必须分段。

L3-07 式 归一化:\iint_Df(x,y)\,\mathrm dx\,\mathrm dy=1 ,用来求待定常数。  └ 二维题的第一步几乎都是它。

L3-08 判 联合密度存在要求 F 二阶混合偏导存在且 f=\frac{\partial^2F}{\partial x\partial y} 。  └ 判断题的错项常给一个"F 有跳跃"的例子。

L3-09 坑 边缘密度不唯一决定联合密度。同一个 f_X 与 f_Y 可以配出无穷多个联合密度。  └ 所以"给两个边缘求联合"是错题;必须再加独立或条件信息。

二、条件分布(6 条)

L3-10 式 条件密度:f_{Y\mid X}(y\mid x)=\dfrac{f(x,y)}{f_X(x)} ,要求 f_X(x)>0 。  └ 固定 x 后它关于 y 的积分为 1,是一个新的密度。

L3-11 式 条件分布律:p_{j\mid i}=P\{Y=y_j\mid X=x_i\}=\dfrac{p_{ij}}{p_{i\cdot}} 。  └ 分母是行和。

L3-12 式 条件分布函数:F_{Y\mid X}(y\mid x)=\dfrac{\int_{-\infty}^{y}f(x,t)\,\mathrm dt}{f_X(x)} 。  └ 分子是"沿竖线积分",不是二重积分。

L3-13 判 由条件反解联合:f(x,y)=f_X(x)\,f_{Y\mid X}(y\mid x) 。  └ 若题给"Y\mid X=x 服从某分布"(如 U(x,1) ),就是从这里进。2022·10、2024·9 都是这个套路。

L3-14 式 条件期望:E(Y\mid X=x)=\int y\,f_{Y\mid X}(y\mid x)\,\mathrm dy ,它是 x 的函数。  └ 把 x 换回 X 就成随机变量 E(Y\mid X) 。

L3-15 反 f_{Y\mid X} 与 f_{X\mid Y} 不是倒数关系,它们的分母不同。  └ 关系由贝叶斯给出:f_{Y\mid X}=\frac{f_{X\mid Y}f_Y}{f_X} 。

三、独立性(7 条)

L3-16 式 独立三等价(按类型选一个用):F(x,y)=F_X(x)F_Y(y) ;p_{ij}=p_{i\cdot}p_{\cdot j} ;f(x,y)=f_X(x)f_Y(y) 。

L3-17 判 判断独立的三步(按顺序,能早停就停):

步 动作 结论
① 画支撑集 非矩形 ⟹ 必不独立,结束
② 支撑是矩形时,看 f 能否写成 g(x)h(y) 能 ⟹ 独立
③ 写不成 ⟹ 算边缘,验证 f\overset{?}{=}f_Xf_Y 不等 ⟹ 不独立

L3-18 反 支撑不是矩形,一定不独立(即使 f 看起来能分离)。  └ 反例:f=2 在三角形 0<y<x<1 上。f 是常数"看起来能分离",但支撑是三角形,X 的取值范围依赖 Y ,故不独立。

L3-19 反 支撑是矩形、f 也能分离,才独立。两个条件缺一不可。  └ 反例:f=\frac65(x+y^2) 在单位正方形上——支撑是矩形,但 f 分不开,不独立。

L3-20 式 独立的两条推论:E(XY)=EX\,EY ;D(X\pm Y)=DX+DY 。  └ 反向都不成立(见第 4 讲 L4-24)。

L3-21 式 独立时的卷积退化为乘积:f(x,y)=f_X(x)f_Y(y) ,联合分布函数直接相乘。  └ 求 P\{X\le a,Y\le b\} 时不必二重积分,两个 \Phi 或两个 F 相乘即可。

L3-22 判 独立性的函数封闭:X,Y 独立时,g(X) 与 h(Y) 独立(对任意可测 g,h )。  └ 用途:X^2 与 Y^2 独立、\max 与 \min 的独立性判定都靠这条。

四、两类特殊二维分布(6 条)

L3-23 式 二维均匀:f(x,y)=\dfrac{1}{S_D} (在区域 D 内),S_D 是面积。  └ 于是概率 = 面积比。这是二维均匀题的唯一入口。

L3-24 判 二维均匀下 X,Y 独立 \iff D 是边平行于坐标轴的矩形。  └ 圆盘、三角形、环域都不独立。

L3-25 表 二维正态 N(\mu_1,\mu_2;\sigma_1^2,\sigma_2^2;\rho) 的五条性质:

# 性质
① 两个边缘都是正态:X\sim N(\mu_1,\sigma_1^2) 、Y\sim N(\mu_2,\sigma_2^2)
② **独立 \iff \rho=0 **(唯一有此性质的分布族)
③ 任意线性组合 aX+bY 仍正态
④ 条件分布仍正态
⑤ 密度等高线是椭圆,\rho 决定倾斜方向

L3-26 式 二维正态的条件分布(必背,考过两次):

Y\mid X=x\ \sim\ N\!\left(\mu_2+\rho\frac{\sigma_2}{\sigma_1}(x-\mu_1),\ \sigma_2^2(1-\rho^2)\right).

 └ 条件期望是 x 的线性函数(回归直线),条件方差与 x 无关且等于 \sigma_2^2(1-\rho^2) 。

L3-27 反 边缘都正态 不推出 联合正态。  └ 反例:X\sim N(0,1) ,Y=\pm X (等概率取号),边缘都是 N(0,1) 但 (X,Y) 不服从二维正态(支撑是两条线)。

L3-28 式 二维正态的独立性判据:\rho=0 。不建议去算 f=f_Xf_Y ,太慢。

五、函数分布(9 条)

L3-29 表 四条路线怎么选:

Z 的形态 方法
Z=X+Y ,X,Y 独立 卷积公式
Z=g(X,Y) 一般,或非独立 分布函数法(二重积分)
(U,V)=(u(X,Y),v(X,Y)) 双向可解 雅可比
Z=\max 或 \min 直接用 F 的乘积式

L3-30 式 和的卷积:f_Z(z)=\int_{-\infty}^{+\infty}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。这一步是卷积唯一的技术活。

L3-31 式 差的分布:Z=X-Y 时 f_Z(z)=\int f_X(x)f_Y(x-z)\,\mathrm dx 。  └ 或记成 X+(-Y) 的卷积,-Y 的密度是 f_Y(-y) 。

L3-32 式 商的分布:Z=\dfrac XY 时

f_Z(z)=\int_{-\infty}^{+\infty}f_X(yz)\,f_Y(y)\,\lvert y\rvert\,\mathrm dy.

 └ \lvert y\rvert 不能丢,它就是雅可比。

L3-33 式 积的分布:Z=XY 时 f_Z(z)=\int f_X\!\left(\frac zy\right)f_Y(y)\frac{1}{\lvert y\rvert}\,\mathrm dy 。

L3-34 式 雅可比变换:f_{U,V}(u,v)=f\big(x(u,v),y(u,v)\big)\,\lvert J\rvert ,J=\dfrac{\partial(x,y)}{\partial(u,v)} 。  └ J 是 (x,y) 对 (u,v) 的,不是反过来的。这是最高频的错。

L3-35 式 极值分布(独立时):

F_{\max}(z)=\prod_{i=1}^nF_i(z),\qquad F_{\min}(z)=1-\prod_{i=1}^n\big(1-F_i(z)\big).

 └ 同分布时 F_{\max}=[F(z)]^n ,F_{\min}=1-[1-F(z)]^n 。先写 F 再求导,别直接背 f 。

L3-36 式 同分布时的极值密度:

f_{\max}(z)=n[F(z)]^{n-1}f(z),\qquad f_{\min}(z)=n[1-F(z)]^{n-1}f(z).

 └ 记忆:n 倍、n-1 次方、再乘原密度。

L3-37 坑 最值题里"第 k 大"(次序统计量)的密度是

f_{(k)}(z)=\frac{n!}{(k-1)!(n-k)!}[F(z)]^{k-1}[1-F(z)]^{n-k}f(z).

 └ 只需要会代 k=1,n 两个端点,中间的靠这个式子写。

L3-38 判 混合型(离散 + 连续):先按离散变量分层,每层内用连续的全概率:

F_Z(z)=\sum_ip_i\,F_{Z\mid I=i}(z).

 └ 2020·22 的形态。分层权重是离散那部分的概率。

六、坑与反(3 条)

L3-39 反 X,Y 独立 \Rightarrow X+Y 的密度是卷积;但反过来不成立——卷积公式给出的结果像"独立",不能倒推独立。

L3-40 坑 求 P\{(X,Y)\in D\} 时,若 D 是圆或三角形,先画图再定限,别急着套累次积分。定限错的方向有两种:内外层搞反、上下限写成常数。

L3-41 反 D(X+Y)=DX+DY 不足以说明独立,只说明不相关。  └ 这条与 L4-24 合看:协方差为零是"线性无关",不是"独立"。

十秒自检

  1. 说出判断独立的三步,以及"支撑非矩形"时为什么一定不独立。
  2. 默写二维正态的条件分布(均值与方差两处)。
  3. 卷积公式的积分限怎么定——一句话说清。
  4. Z=X/Y 的密度里为什么有 \lvert y\rvert 。
  5. 雅可比 J 是哪个方向的偏导。

五条全过,本讲过关。