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

307 lines
18 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, 考点地图, 多维随机变量]
专题: 多维随机变量
日期: 2026-11-11
状态: 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](../../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)。
### 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](../../在学练习/概率论-第3讲-多维随机变量及其分布/README.md):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。