Files
MathNotesVersion2/基于考研的学习/数学一/在学练习/概率论-第3讲-多维随机变量及其分布/07-点6-四则运算与最值.md
T
Yimu 60f3f394c0 refactor(概率论第3讲): 按「知识点带题」整体重构,三件套改为盘点+七点分册+速查卡
- 删去 01-考点手册 / 02-试题 / 03-解析 / 04-答疑笔记 / 05-试题-中高难度 / 06-解析-中高难度
- 新建 01-知识点盘点(七节 + 覆盖对照 + 相邻讲接口)、02—08 七个点文件、09-速查卡
- 27 题全部原创数字,A/B/C 难度分层;每题带「怎么想 / 解 / 带走结论」与题目级双向链接
- 关键数值用 sympy 复核:P{X+Y<1}=1/3、Cov=4/225、D(3X-2Y)=108、P{X=0|Y=2}=1/(1+2e^-2) 等
- gen_crosslinks 生成 27 条关联行 + §0.4 反查表 + 速查回查表;链接 143 条 0 异常
- 公式预检 0 处待修;18 处「加粗以公式收尾」已改写句式(补空格会让星号外露)
2026-11-07 12:32:42 +08:00

11 KiB
Raw Blame History

tags, 专题, 日期, 状态, 关联笔记
tags 专题 日期 状态 关联笔记
数学一
在学练习
概率论
多维随机变量
卷积
最值分布
概率论 第3讲 · 点6 四则运算与最值 2026-11-07 知识点带题(6.1 和、6.2 差积商、6.3 最值、6.4 成品结论,共 4 题)
README
01-知识点盘点

点 6 四则运算与最值

真题锚点:2019·8(正态差)、2018·22(和与协方差)、2025·22(最值最后一问)|重要度 ★★☆ 依赖:点 5 的分布函数法与卷积思想。盘点对应:§6 全节。

组织原则:点 5 讲"怎么求",这一点讲"已经求好的成品"。四道题分别压:卷积的定限、差的绝对值、最值公式、以及四张"封闭性"表。这一点的价值全在省时间。难度标准:★☆☆ 一题、★★☆ 三题。

知识点 6.1 和的分布与卷积(出处:知识章 §10.2)

X\perp Y 时

f_{X+Y}(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)\,\mathrm dx=\int_{-\infty}^{+\infty}f_X(z-y)f_Y(y)\,\mathrm dy .

定限口诀:两个密度的支撑必须同时非零。若 f_X 在 [a_1,b_1] 非零、f_Y 在 [a_2,b_2] 非零,则被积变量必须同时满足

a_1<x<b_1,\qquad a_2<z-x<b_2\iff z-b_2<x<z-a_2 .

积分限 =\max(a_1,z-b_2) 到 \min(b_1,z-a_2) ,这个区间非空才积,非空条件给出 z 的分段点 a_1+a_2<z<b_1+b_2 。

知识点 6.2 差、积、商的分布(出处:知识章 §10.2)

f_{X-Y}(z)=\int f_X(x)f_Y(x-z)\,\mathrm dx;\qquad f_{XY}(z)=\int f_X(x)f_Y\!\left(\frac zx\right)\frac{\mathrm dx}{\lvert x\rvert}; f_{X/Y}(z)=\int f_X(zy)f_Y(y)\lvert y\rvert\,\mathrm dy .

差的一条常用变形:X-Y=X+(-Y) ,先把 -Y 的密度写出来(f_{-Y}(t)=f_Y(-t) ),再套卷积。这条比记差公式更不容易出错。

商的稳妥做法:先求 F_Z(z)=P\{Y\le zX\} (半平面区域),再求导。绝对值与不等号方向在 z<0 与 z>0 上常常相反,先分段再积。

知识点 6.3 最值分布(出处:知识章 §10.2、§8.2)

独立性是全部前提——"全部 \le z "能拆成乘积,靠的就是独立:

F_{\max}(z)=\prod_{i=1}^{n}F_{X_i}(z),\qquad F_{\min}(z)=1-\prod_{i=1}^{n}\left[1-F_{X_i}(z)\right].

独立同分布时:

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

两个高频结论:X_i\sim U(0,1) 时 EM=\dfrac{n}{n+1} 、Em=\dfrac{1}{n+1} ;X_i\sim E(\lambda) 时 Em=\dfrac{1}{n\lambda} (最小值仍是指数,参数 n\lambda )。

知识点 6.4 四张封闭性表(出处:知识章 §8.4 独立同分布运算)

分布 可加条件 结果
二项 p 相同 B(n_1,p)+B(n_2,p)=B(n_1+n_2,p)
泊松 无 P(\lambda_1)+P(\lambda_2)=P(\lambda_1+\lambda_2)
正态 无(不要求同方差) N(\mu_1,\sigma_1^2)+N(\mu_2,\sigma_2^2)=N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)
\Gamma \lambda 相同 \Gamma(\alpha,\lambda)+\Gamma(\beta,\lambda)=\Gamma(\alpha+\beta,\lambda)

两个"相同"必须记牢:二项要 p 相同,\Gamma 要 \lambda 相同(指数分布是 \alpha=1 的特例,所以不同参数的指数分布相加不再是 \Gamma 分布)。正态最宽容,没有附加条件。


题目(按知识点顺序对应)

题 1 · 6.1:不同区间上均匀分布之和(★★☆)

设 X\sim U(0,1) 、Y\sim U(0,2) 且相互独立,Z=X+Y 。

(Ⅰ)求 f_Z(z) ; (Ⅱ)求 P\{Z<1\} 与 P\{Z>2\} ; (Ⅲ)说明 f_Z 为什么是"梯形"而不是三角形。

怎么想:两个支撑长度不同(1 与 2 ),卷积时"重叠长度"先增后平后减,于是出现三段:斜升、平台、斜降。用"两个区间求交"的定限口诀走一遍即可。

解:

(Ⅰ) f_X=1 在 (0,1) 上,f_Y=\frac12 在 (0,2) 上。卷积

f_Z(z)=\int f_X(x)f_Y(z-x)\,\mathrm dx=\frac12\int_{\max(0,z-2)}^{\min(1,z)}1\,\mathrm dx .
  • 0<z<1 :区间 (0,z) ,长 z ,f_Z=\dfrac z2 ;
  • 1\le z<2 :区间 (0,1) ,长 1 ,f_Z=\dfrac12 ;
  • 2\le z<3 :区间 (z-2,1) ,长 3-z ,f_Z=\dfrac{3-z}{2} ;
  • 其他:0 。

(Ⅱ)

P\{Z<1\}=\int_0^1\frac z2\,\mathrm dz=\frac14,\qquad P\{Z>2\}=\int_2^3\frac{3-z}{2}\,\mathrm dz=\frac14 .

(Ⅲ) 原因是支撑长度不等:Y 的区间(长 2 )比 X 的区间(长 1 )长,所以当 z 从 1 增到 2 时,X 的整段 (0,1) 都能落进 Y 的窗口,重叠长度饱和,密度出现平台。若两者长度相等(点 5 题 1 的情形),平台退化成一点,梯形变三角形。

验算:\int_0^1\frac z2+\int_1^2\frac12+\int_2^3\frac{3-z}{2}=\frac14+\frac12+\frac14=1 ✓;EZ=EX+EY=\frac12+1=\frac32 ,与 \int zf_Z\,\mathrm dz 一致(可直接检验)✓。

带走结论:卷积的形状由"两个支撑长度是否相等"决定:等长 → 三角;不等长 → 梯形(平台长度 = 长度差)。这条能让你不算积分就画出密度草图。

关联 · 盘点 §6.1 和的分布(卷积) | 上游 — | 下游 — | 速查 八 卷积定限


题 2 · 6.2:差的绝对值与"先求 F"(★★☆)

设 X 与 Y 相互独立,都服从 U(0,1) ,令 Z=\lvert X-Y\rvert 。

(Ⅰ)求 F_Z(z) 与 f_Z(z) ; (Ⅱ)求 E Z ; (Ⅲ)若改为求 W=X-Y (不带绝对值),说明它与 Z 的关系。

怎么想:绝对值把"带符号的差"折成"距离"。几何上 |X-Y|\le z 是正方形里夹在两条平行线 y=x\pm z 之间的带状区域,面积 =1-(1-z)^2 ——比积分快。

解:

(Ⅰ) 对 0<z<1 :

F_Z(z)=P\{\lvert X-Y\rvert\le z\}=1-P\{X-Y>z\}-P\{Y-X>z\} .

两个"角上的三角形"各是直角边 1-z 的等腰直角三角形,面积 \frac{(1-z)^2}{2} :

F_Z(z)=1-2\cdot\frac{(1-z)^2}{2}=1-(1-z)^2=2z-z^2 .

求导

f_Z(z)=2-2z=2(1-z),\qquad 0<z<1 .

(Ⅱ)

EZ=\int_0^1z\cdot2(1-z)\,\mathrm dz=2\left(\frac12-\frac13\right)=\frac13 .

(Ⅲ) W=X-Y 的分布是三角形分布(对称,支撑 (-1,1) ):

f_W(w)=1-\lvert w\rvert,\qquad -1<w<1 .

Z 是 W 的"折叠":把 W 的负半轴翻到正半轴再叠加,所以

f_Z(z)=f_W(z)+f_W(-z)=2(1-z)\quad(0<z<1)\ ✓

验算:\int_0^12(1-z)\,\mathrm dz=1 ✓;f_W 的归一化 \int_{-1}^1(1-\lvert w\rvert)\mathrm dw=2\cdot\frac12=1 ✓;EZ=\frac13 与"两个均匀变量的平均距离"一致(可数值验证)✓。

带走结论:绝对值型一律"两角三角形相减",面积 1-(1-z)^2 。而"折叠"关系 f_{|W|}(z)=f_W(z)+f_W(-z) 是通用的——先算无绝对值的密度,再折叠,常常比直接积更快。

关联 · 盘点 §6.2 差、积、商 | 上游 — | 下游 — | 速查 九 差、积、商


题 3 · 6.3:最值分布与期望(★★☆)

设 X_1,\dots,X_5 相互独立,都服从 U(0,1) 。令 M=\max\{X_1,\dots,X_5\} 、m=\min\{X_1,\dots,X_5\} 。

(Ⅰ)求 f_M(z) 与 f_m(z) ; (Ⅱ)求 EM 、Em ,并验证 EM+Em=1 ; (Ⅲ)求 P\{M>0.9\} 。

怎么想:最值公式是"n 个都不超过 z "——独立性把 n 重概率变成 n 次方。U(0,1) 的 F(z)=z ,所以直接是幂函数。

解:

(Ⅰ) F(z)=z (0<z<1 ),故

F_M(z)=z^5,\qquad f_M(z)=5z^4\quad(0<z<1); F_m(z)=1-(1-z)^5,\qquad f_m(z)=5(1-z)^4\quad(0<z<1).

(Ⅱ)

EM=\int_0^1z\cdot5z^4\,\mathrm dz=5\cdot\frac16=\frac56,\qquad Em=\int_0^1z\cdot5(1-z)^4\,\mathrm dz=5\cdot\frac{1}{5\times6}=\frac16 .

(第二个积分用 t=1-z 换元:\int_0^1(1-t)t^4\mathrm dt=\frac15-\frac16=\frac1{30} ,乘 5 得 \frac16 。)

EM+Em=\frac56+\frac16=1\ ✓

为什么必然等于 1 呢:由对称性 X_i 与 1-X_i 同分布,故 M\overset{d}{=}1-m ,于是 EM=1-Em 。

(Ⅲ) 用补事件最快:

P\{M>0.9\}=1-P\{M\le0.9\}=1-(0.9)^5=1-0.59049=0.40951 .

带走结论:U(0,1) 的最值期望分别是 \frac{n}{n+1} 与 \frac{1}{n+1} 这两个数,两者相加为 1 。n=5 时最大值平均已到 0.833 ——这就是"取五次最大"的直观含义。

关联 · 盘点 §6.3 最值 | 上游 — | 下游 — | 速查 十 最值


题 4 · 6.4:可加性四张表(★☆☆)

(Ⅰ)设 X\sim B(10,0.3) 、Y\sim B(5,0.3) 独立,求 X+Y 的分布; (Ⅱ)设 X\sim P(2) 、Y\sim P(3) 独立,求 P\{X+Y=4\} ; (Ⅲ)设 X\sim N(2,1) 、Y\sim N(0,4) 独立,求 P\{X<Y\} ; (Ⅳ)设 X\sim E(1) 、Y\sim E(2) 独立,判断 X+Y 是否服从 \Gamma 分布。

怎么想:四问分别对应表里四行,重点是看清"可加"的附加条件:(Ⅰ)要 p 相同、(Ⅳ)要 \lambda 相同。第(Ⅲ)问用"差仍是正态",避开求密度。

解:

(Ⅰ) p 相同(都是 0.3 ),故

X+Y\sim B(15,\ 0.3).

(Ⅱ) 泊松无附加条件:

X+Y\sim P(5),\qquad P\{X+Y=4\}=\frac{5^4\mathrm e^{-5}}{4!}=\frac{625\,\mathrm e^{-5}}{24}\approx0.1755 .

(Ⅲ) X-Y\sim N(2-0,\ 1+4)=N(2,5) ,故

P\{X<Y\}=P\{X-Y<0\}=\Phi\!\left(\frac{0-2}{\sqrt5}\right)=\Phi(-0.894)\approx0.186 .

(注意方差相加而非相减:D(X-Y)=DX+(-1)^2DY=1+4=5 。)

(Ⅳ) 不服从。\Gamma 的可加性要求相同的 \lambda 值 ,而这里 1\ne2 。具体地,卷积

f_{X+Y}(z)=\int_0^z\mathrm e^{-x}\cdot2\mathrm e^{-2(z-x)}\,\mathrm dx=2\mathrm e^{-z}-2\mathrm e^{-2z}

不是 \Gamma 型的 c\,z^{\alpha-1}\mathrm e^{-\lambda z} 。

验算:\Phi(-0.894)\approx0.186 ,与"EX=2 大于 EY=0 "的直觉一致——既然 X 平均比 Y 大 2 ,P\{X<Y\} 当然远小于 \frac12 ✓;也可用切比雪夫界的思路粗估:标准化后偏离均值 0.894 个标准差,概率在 0.1 —0.2 之间。

带走结论:可加性表要连"条件列"一起背。考场上最常错的是把 E(1)+E(2) 当成 \Gamma(2,?) ,或者把 B(10,0.3)+B(5,0.4) 当成 B(15,\cdot) 。

关联 · 盘点 §6.4 四种运算的"成品结论" | 上游 — | 下游 — | 速查 十一 可加性四张表