起因:01 重排时核验发现线上残留 $ 243 个,追查后确认 10-27/11-17 写的这批文件
都有同样问题——收尾 $ 后面紧跟中文标点,Gitea 整对不渲染,正文里直接露出
$\lim_{x\to0}...$ 源码,所以整页看着糊成一团。
- 02—20(背诵版)共插入 2550 处空格,逐文件二次运行均插入 0(幂等)
- 21—27(专背清单)另修 24 处「加粗以公式收尾」:公式被移出加粗范围
(`**…$f$ **` → `**…** $f$ `),否则补的空格落在 `**` 内侧,星号会原样露出
- 09/11 等 4 处一个加粗里连着两个公式,迭代剥两次才对
- 01 已在上一提交(da4c938)单独处理,网页残留 0
全部经 fix_text 幂等核验;链接 28 文件 0 异常。
352 lines
28 KiB
Markdown
352 lines
28 KiB
Markdown
---
|
||
tags: [数学一, 知识点构建, 背诵版, 概率论, 多维随机变量]
|
||
专题: 概率论 · 第3讲 多维随机变量及其分布 · 背诵版
|
||
日期: 2026-10-27
|
||
更新: 2026-11-08(v2 重构:分块排版 + 二维正态密度补全 + 真题地图对齐 sqlite + 纯题干题单)
|
||
状态: 背诵版 v2(考点分块完整呈现 + B 题型考点 + 27 题纯题干清单;题单已对齐在学练习七点分册)
|
||
来源: 在学练习/概率论-第3讲-多维随机变量及其分布(七点分册 27 题)| 参考仓库 knowledge/{2 多维部分, 3}、exercise/{2, 3}|真题库 kaoyan_math1.db(chapter 17)
|
||
关联笔记: ["[[README]]", "[[16-背诵版-概率论-第1-2讲-随机事件与一维随机变量]]", "[[18-背诵版-概率论-第4讲-数字特征]]"]
|
||
---
|
||
|
||
# 概率论 · 第3讲 多维随机变量及其分布 · 背诵版
|
||
|
||
> **范围**:参考仓库 `knowledge/2` 的**多维部分** + `knowledge/3` 的二维数字特征(一维部分见 [[16-背诵版-概率论-第1-2讲-随机事件与一维随机变量|第1+2讲]],不重复)。
|
||
> **用法**:§0 搭骨架 → 逐节闭卷回忆 → §B 过题型 → 题单自测(只有题干)。
|
||
|
||
## 0 骨架(先背这张图)
|
||
|
||
### 0.1 一句话与四条主线
|
||
|
||
**一句话**:**降维靠积分(边缘)、升级靠全概率/卷积(函数分布)、判独立看乘积、算相关看协方差。**
|
||
|
||
**依赖链**:联合分布函数 → 二维离散/连续 → 边缘与条件 → 独立性 → 函数分布(分布函数法 / 雅可比 / 卷积)→ 数字特征耦合。
|
||
|
||
**四条主线**(本讲所有题都落在这四条上):
|
||
|
||
| 主线 | 动作 | 触发信号 |
|
||
|---|---|---|
|
||
| ① 降维 | 边缘:对另一变量求和/积分 | "求 $f_X$ ""求边缘分布" |
|
||
| ② 升级 | 函数分布:分布函数法、雅可比、卷积 | "求 $Z=g(X,Y)$ 的分布" |
|
||
| ③ 判独立 | 比 $f$ 与 $f_Xf_Y$ (或看区域形状) | "是否独立" |
|
||
| ④ 算数字特征 | $E(g)$ 、$\operatorname{Cov}$ 、$D(aX\pm bY)$ | "求相关系数""求方差" |
|
||
|
||
### 0.2 十年真题地图(sqlite:多维随机变量章,2016–2025)
|
||
|
||
| 年份·题号 | 考点 | 分值 | 本章归属 |
|
||
|---|---|---|---|
|
||
| 2025·8 | 二维正态线性组合的方差最值 | 5 | §3.4 二维正态 |
|
||
| 2024·9 | 条件分布 + 协方差 | 5 | §3.3 条件分布 |
|
||
| 2022·10 | 条件正态分布 → 相关系数 | 5 | §3.3 + §6 |
|
||
| 2021·22 | 随机变量函数的分布与期望(分线段) | 12 | §5 函数分布 |
|
||
| 2020·22 | 混合型:$Y=X_3X_1+(1-X_3)X_2$ | 11 | §5.6 混合型 |
|
||
| 2019·22 | $Z=XY$ 的密度 + 不相关 + 独立性 | 11 | §5 + §6 |
|
||
| 2019·8 | 正态差的分布(与 $\mu$ 无关) | 4 | §5.2 差的分布 |
|
||
| 2018·22 | $\operatorname{Cov}(X,Z)$ + $Z=XY$ 的分布 | 11 | §5 + §6 |
|
||
| 2017·22 | $Z=X+Y$ (一离散一连续)的密度 | 11 | §5.1 + §5.5 |
|
||
| 2016·22 | 二维均匀 + 离散化 + 独立性与函数分布 | 11 | §3.4 + §4 + §5 |
|
||
|
||
> **命题规律**:**年年一道 11–12 分解答题**,结构高度固定:**给二维密度 ⟹ 求某个函数的分布 ⟹ 顺带问协方差或独立性**。选填则偏爱**条件分布 + 协方差/相关系数**(2024·9、2022·10)与**二维正态**(2025·8、2019·8)。近十年 10 题 86 分,是概率各章里分值最重的一章。
|
||
|
||
### 0.3 考点树(与在学练习七点分册一一对应)
|
||
|
||
| 节 | 考点 | 在学练习 | 题数 |
|
||
|---|---|---|---|
|
||
| §1 | 联合分布函数与四性质、边缘分布函数 | 点 1 | 4 |
|
||
| §2 | 二维离散:联合/边缘/条件分布律、多项分布 | 点 2 | 3 |
|
||
| §3 | 二维连续:密度、边缘、条件、二维均匀、二维正态 | 点 3 | 5 |
|
||
| §4 | 独立性三等价、独立与不相关 | 点 4 | 4 |
|
||
| §5.1–5.3 | 函数分布两条路:分布函数法、雅可比 | 点 5 | 4 |
|
||
| §5.4–5.5 | 四则运算与最值:卷积、和差积商、max/min | 点 6 | 4 |
|
||
| §5.6 | 混合型与全概率 | 点 7 | 3 |
|
||
| §6 | 二维期望、协方差、$D(aX\pm bY)$ 、条件分布求相关 | 点 3/6 共用 | — |
|
||
|
||
## 1 联合分布与边缘分布(点 1)
|
||
|
||
### 1.1 定义
|
||
|
||
$X,Y$ 定义在**同一样本空间** $\Omega$ 上,则 $(X,Y)$ 为二维随机变量。**联合分布函数**
|
||
|
||
$$F(x,y)=P\{X\le x,\ Y\le y\}.$$
|
||
|
||
几何意义:以 $(x,y)$ 为**右上角**、向左下无限张开的无界矩形 $(-\infty,x]\times(-\infty,y]$ 上的概率。
|
||
|
||
### 1.2 四条性质(比一维多一条)
|
||
|
||
① **对每个变量单调不减**;② **对每个变量右连续**;③ **有界**:$F(-\infty,y)=F(x,-\infty)=0$ ,$F(+\infty,+\infty)=1$ ;④ **二维特有:矩形增量非负**
|
||
|
||
$$P\{x_1<X\le x_2,\ y_1<Y\le y_2\}=F(x_2,y_2)-F(x_2,y_1)-F(x_1,y_2)+F(x_1,y_1)\ge0 .$$
|
||
|
||
> **为什么 ④ 不能省**:存在满足 ①②③ 但矩形增量为负的二元函数。考"能否作联合分布函数"时,前三条只是必要条件。
|
||
|
||
### 1.3 边缘分布函数
|
||
|
||
$$F_X(x)=F(x,+\infty),\qquad F_Y(y)=F(+\infty,y).$$
|
||
|
||
**口诀(参考仓库)**:**求谁不积谁,不积先定限;限内画条线,先交写下限,后交写上限。**
|
||
|
||
## 2 二维离散型(点 2)
|
||
|
||
### 2.1 联合分布律
|
||
|
||
$p_{ij}=P\{X=x_i,\ Y=y_j\}$ ,充要条件 $p_{ij}\ge0$ 且 $\sum_i\sum_jp_{ij}=1$ 。列表是一个**二维表**:
|
||
|
||
| $X\backslash Y$ | $y_1$ | $y_2$ | $\cdots$ | $p_{i\cdot}$ |
|
||
|---|---|---|---|---|
|
||
| $x_1$ | $p_{11}$ | $p_{12}$ | $\cdots$ | $p_{1\cdot}$ |
|
||
| $x_2$ | $p_{21}$ | $p_{22}$ | $\cdots$ | $p_{2\cdot}$ |
|
||
| $p_{\cdot j}$ | $p_{\cdot1}$ | $p_{\cdot2}$ | $\cdots$ | $1$ |
|
||
|
||
### 2.2 边缘与条件
|
||
|
||
- **边缘**(行和、列和):$p_{i\cdot}=\sum_jp_{ij}=P\{X=x_i\}$ ,$p_{\cdot j}=\sum_ip_{ij}=P\{Y=y_j\}$ ;
|
||
- **条件**:$P\{X=x_i\mid Y=y_j\}=\dfrac{p_{ij}}{p_{\cdot j}}$ ($p_{\cdot j}>0$ );
|
||
- **区域概率**:$P\{(X,Y)\in G\}=\sum_{(x_i,y_j)\in G}p_{ij}$ 。
|
||
|
||
### 2.3 多项分布(真题接口 2016·8)
|
||
|
||
$n$ 次独立试验,每次落入 $r$ 个互斥类别的概率为 $p_1,\dots,p_r$ ,记 $X_i$ 为落入第 $i$ 类的次数,则
|
||
|
||
$$P\{X_1=k_1,\dots,X_r=k_r\}=\frac{n!}{k_1!\cdots k_r!}p_1^{k_1}\cdots p_r^{k_r},\qquad \operatorname{Cov}(X_i,X_j)=-np_ip_j\ (i\ne j).$$
|
||
|
||
> **负协方差的理解**:各类次数此消彼长(总数固定),故必负相关。由此可直接读相关系数 $\rho=\frac{-np_ip_j}{\sqrt{np_i(1-p_i)}\sqrt{np_j(1-p_j)}}$ 。
|
||
|
||
## 3 二维连续型与两类分布(点 3)
|
||
|
||
### 3.1 联合概率密度
|
||
|
||
存在 $f\ge0$ 使 $F(x,y)=\int_{-\infty}^{x}\int_{-\infty}^{y}f(u,v)\,\mathrm dv\,\mathrm du$ 。充要条件
|
||
|
||
$$f(x,y)\ge0,\qquad \iint_{\mathbb R^2}f(x,y)\,\mathrm dx\,\mathrm dy=1 .$$
|
||
|
||
**三条推论**:① 连续点处 $\dfrac{\partial^2F}{\partial x\partial y}=f(x,y)$ ;② 区域概率 $P\{(X,Y)\in G\}=\iint_Gf$ (**画图定限是全部功夫**);③ 在 $f$ 的连续点与边界上改有限个点的值不影响分布。
|
||
|
||
### 3.2 边缘密度
|
||
|
||
$$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dy,\qquad f_Y(y)=\int_{-\infty}^{+\infty}f(x,y)\,\mathrm dx .$$
|
||
|
||
> ⚠️ **联合决定边缘,边缘不决定联合**。反例:同一对边缘可以配出无数种联合。
|
||
|
||
### 3.3 条件概率密度
|
||
|
||
$$f_{Y\mid X}(y\mid x)=\frac{f(x,y)}{f_X(x)}\quad(f_X(x)>0),$$
|
||
|
||
乘法公式 $f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=f_Y(y)f_{X\mid Y}(x\mid y)$ 。
|
||
|
||
**求条件密度的标准动作**:① 先求 $f_X(x)$ (**这一步最容易忘**);② 把 $f(x,y)$ 中的 $x$ 当常数,除以 $f_X(x)$ ;③ **写清 $y$ 的条件范围**(依赖 $x$ ,别写成全局范围)。
|
||
|
||
**条件分布函数**:$F_{Y\mid X}(y\mid x)=P\{Y\le y\mid X=x\}=\int_{-\infty}^{y}f_{Y\mid X}(v\mid x)\,\mathrm dv$ 。
|
||
|
||
### 3.4 两种常用的二维分布
|
||
|
||
**二维均匀分布**:$(X,Y)$ 在区域 $D$ (面积 $S_D$ )上均匀,
|
||
|
||
$$f(x,y)=\begin{cases}\dfrac1{S_D},&(x,y)\in D,\\[4pt]0,&\text{其他}.\end{cases}$$
|
||
|
||
概率 = 面积占比:$P\{(X,Y)\in G\}=\dfrac{S_{G\cap D}}{S_D}$ (几何概型的升维)。
|
||
|
||
**二维正态分布** $(X,Y)\sim N(\mu_1,\mu_2;\sigma_1^2,\sigma_2^2;\rho)$ :
|
||
|
||
$$f(x,y)=\frac{1}{2\pi\sigma_1\sigma_2\sqrt{1-\rho^2}}\exp\left\{-\frac{1}{2(1-\rho^2)}\left[\frac{(x-\mu_1)^2}{\sigma_1^2}-\frac{2\rho(x-\mu_1)(y-\mu_2)}{\sigma_1\sigma_2}+\frac{(y-\mu_2)^2}{\sigma_2^2}\right]\right\}.$$
|
||
|
||
**五条必背性质**:
|
||
|
||
| # | 性质 |
|
||
|---|---|
|
||
| ① | 边缘仍是正态:$X\sim N(\mu_1,\sigma_1^2)$ 、$Y\sim N(\mu_2,\sigma_2^2)$ (**与 $\rho$ 无关**) |
|
||
| ② | $\rho$ 就是相关系数:$\rho=\dfrac{\operatorname{Cov}(X,Y)}{\sigma_1\sigma_2}$ |
|
||
| ③ | 任意线性组合 $aX+bY$ (不全为 0)仍服从正态 |
|
||
| ④ | 条件分布仍是正态,$E(Y\mid X=x)=\mu_2+\rho\dfrac{\sigma_2}{\sigma_1}(x-\mu_1)$ ,$D(Y\mid X=x)=\sigma_2^2(1-\rho^2)$ |
|
||
| ⑤ | **不相关 $\iff$ 独立**(二维正态的专属特权,一般情形不成立) |
|
||
|
||
**识别技巧**:若 $F(x,y)=\varPhi(\cdot)\varPhi(\cdot)$ (两个一维分布函数之积),立刻能读出两变量独立且各自正态——2025·8 的 $D(aX+bY)=a^2+b^2+2ab\rho=1+2ab\rho$ ($a^2+b^2=1$ ),在 $ab=\frac12|\sin2\theta|$ 型处取到最大值 $1+|\rho|$ 。
|
||
|
||
## 4 独立性(点 4)
|
||
|
||
### 4.1 三等价定义
|
||
|
||
$$F(x,y)=F_X(x)F_Y(y)\iff f(x,y)=f_X(x)f_Y(y)\iff p_{ij}=p_{i\cdot}p_{\cdot j}.$$
|
||
|
||
(离散用第三式,连续用第二式,$F$ 式通用。)
|
||
|
||
### 4.2 性质
|
||
|
||
- 独立 ⟹ $f(X)$ 与 $g(Y)$ 独立(任意可测函数);
|
||
- 独立 ⟹ 任意子组独立;
|
||
- 独立 ⟹ $E(XY)=EX\cdot EY$ ,$\operatorname{Cov}(X,Y)=0$ ,$D(aX\pm bY)=a^2DX+b^2DY$ ;
|
||
- **独立同分布可加**:$B(n_1,p)+B(n_2,p)=B(n_1+n_2,p)$ ;$P(\lambda_1)+P(\lambda_2)=P(\lambda_1+\lambda_2)$ ;$N(\mu_1,\sigma_1^2)+N(\mu_2,\sigma_2^2)=N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)$ ;$\chi^2(n_1)+\chi^2(n_2)=\chi^2(n_1+n_2)$ 。
|
||
|
||
### 4.3 判断独立的三步
|
||
|
||
① 求两个边缘;② 看**取值区域是否矩形**(且 $x,y$ 的范围互不牵连);③ 比 $f$ 与 $f_Xf_Y$ 。
|
||
|
||
> **一眼判不独立的形状**:圆域、三角域($0<y<x$ )、$x^2+y^2\le1$ 、$0<y<\sqrt x$ ——**非矩形区域一定不独立**(因为 $Y$ 的取值范围依赖 $X$ )。
|
||
|
||
### 4.4 独立 vs 不相关
|
||
|
||
| 命题 | 是否成立 | 说明 |
|
||
|---|---|---|
|
||
| 独立 ⟹ 不相关 | ✓ | $\operatorname{Cov}=E(XY)-EXEY=0$ |
|
||
| 不相关 ⟹ 独立 | ✗(一般) | 反例 $X\sim U(-1,1)$ ,$Y=X^2$ :$\operatorname{Cov}=0$ 但不独立 |
|
||
| 不相关 ⟺ 独立 | ✓(仅二维正态) | 性质 ⑤ |
|
||
|
||
**经典反例**:$X\sim U(-1,1)$ 、$Y=X^2$ ——$E(XY)=E(X^3)=0$ 、$EX=0$ ,故 $\operatorname{Cov}=0$ ;但 $P\{Y\le\frac14\mid X>\frac12\}=0\ne P\{Y\le\frac14\}$ 。
|
||
|
||
## 5 函数分布:两条路与四则运算(点 5–7)★
|
||
|
||
### 5.1 三条路线怎么选(点 5)
|
||
|
||
| 路线 | 何时用 | 关键 |
|
||
|---|---|---|
|
||
| **分布函数法**(定义法) | 给联合密度、求**单个**函数 $Z=g(X,Y)$ 的分布 | $F_Z(z)=\iint_{g\le z}f\,\mathrm dx\,\mathrm dy$ ,再求导 |
|
||
| **雅可比变换** | 求**多个新变量**的联合密度,或变换可显式反解 | $f_{UV}=f(x(u,v),y(u,v))\cdot\vert J\vert$ |
|
||
| **卷积公式** | $X,Y$ **独立**、求 $Z=X\pm Y$ | 把二重积分降成一重 |
|
||
|
||
**选择口诀**:**单个函数 → 定义法;多变量/显式反解 → 雅可比;独立且求和差 → 卷积。**
|
||
|
||
### 5.2 分布函数法(点 5)
|
||
|
||
① 写 $F_Z(z)=P\{g(X,Y)\le z\}$ ;② 在 $xy$ 平面上画出区域 $\{(x,y):g(x,y)\le z\}$ ;③ 按 $z$ 的取值**分段**积分;④ 对 $z$ 求导得 $f_Z(z)$ 。
|
||
|
||
> **分段点是关键**:区域边界与 $D$ 的交点随 $z$ 变化,分段的临界值就是"边界扫过 $D$ 的顶点"的 $z$ 。
|
||
|
||
### 5.3 雅可比行列式变换(点 5)
|
||
|
||
设 $u=u(x,y),v=v(x,y)$ 有唯一逆变换、连续偏导、$J\ne0$ ,则
|
||
|
||
$$f_{UV}(u,v)=f_{XY}\big(x(u,v),y(u,v)\big)\cdot|J|,\qquad J=\frac{\partial(x,y)}{\partial(u,v)} .$$
|
||
|
||
**注意**:$J$ 是**反解**(用 $u,v$ 表示 $x,y$ )的行列式;写成 $\frac{\partial(u,v)}{\partial(x,y)}$ 要取倒数。
|
||
|
||
**求单个 $Z=g(X,Y)$ 的增补变量三步**:① 增补 $V=X$ (或 $Y$ )凑成一一变换;② 求 $f_{UV}=f\cdot|J|$ ;③ 对辅助变量积分得 $f_Z$ 。
|
||
|
||
**三条常用变换(把 $|J|$ 记熟)**:
|
||
|
||
| 目标 | 增补 | 反解 | $\vert J\vert$ | 密度 |
|
||
|---|---|---|---|---|
|
||
| 和 $Z=X+Y$ | $V=X$ | $x=v,\ y=z-v$ | $1$ | $\int f(v,z-v)\,\mathrm dv$ |
|
||
| 积 $Z=XY$ | $V=X$ | $x=v,\ y=z/v$ | $\frac1{\vert v\vert}$ | $\int\frac1{\vert v\vert}f(v,\frac zv)\,\mathrm dv$ |
|
||
| 商 $Z=Y/X$ | $V=X$ | $x=v,\ y=zv$ | $\vert v\vert$ | $\int\vert v\vert f(v,zv)\,\mathrm dv$ |
|
||
|
||
**一一性的坑**:$Z=X^2$ 、$Z=X^2+Y^2$ 这类非一一映射,要么**按分支求和** $\sum_kf(x_k)|x_k'(z)|$ ,要么改用分布函数法。
|
||
|
||
**极坐标**(圆域专用):$x=r\cos\theta$ ,$y=r\sin\theta$ ,$|J|=r$ ;"到原点距离"的函数一律先转极坐标。
|
||
|
||
### 5.4 和、差、积、商(点 6)
|
||
|
||
| 运算 | 密度公式 | 独立时的简化 |
|
||
|---|---|---|
|
||
| 和 $Z=X+Y$ | $f_Z(z)=\int f(x,z-x)\,\mathrm dx$ | $f_Z=\int f_X(x)f_Y(z-x)\,\mathrm dx$ (**卷积**) |
|
||
| 差 $Z=X-Y$ | $f_Z(z)=\int f(x,x-z)\,\mathrm dx$ | $f_Z=\int f_X(x)f_Y(x-z)\,\mathrm dx$ |
|
||
| 积 $Z=XY$ | $f_Z(z)=\int\frac1{\lvert x\rvert}f(x,\frac zx)\,\mathrm dx$ | 代入 $f_Xf_Y$ |
|
||
| 商 $Z=Y/X$ | $f_Z(z)=\int\lvert x\rvert f(x,zx)\,\mathrm dx$ | 代入 $f_Xf_Y$ |
|
||
|
||
**三个必背结论**:
|
||
|
||
- 两个 $U(0,1)$ 之和 $\sim$ **辛普森(三角)分布**:$f_Z(z)=z\ (0<z<1)$ 、$2-z\ (1\le z<2)$ ;
|
||
- 正态可加:$X+Y\sim N(\mu_1+\mu_2,\sigma_1^2+\sigma_2^2)$ ;$X-Y\sim N(\mu_1-\mu_2,\sigma_1^2+\sigma_2^2)$ ;
|
||
- **同方差正态之差** $X-Y\sim N(0,2\sigma^2)$ ,**与 $\mu$ 无关**(2019·8 就考这个:$P\{|X-Y|<1\}=2\varPhi(1/\sqrt2\sigma)-1$ ,只与 $\sigma^2$ 有关)。
|
||
|
||
### 5.5 最值分布(点 6)
|
||
|
||
$$F_{\max}(z)=F_X(z)F_Y(z),\qquad F_{\min}(z)=1-[1-F_X(z)][1-F_Y(z)] .$$
|
||
|
||
独立同分布时 $f_{\max}(z)=2F(z)f(z)$ 、$f_{\min}(z)=2[1-F(z)]f(z)$ 。
|
||
|
||
### 5.6 混合型与全概率(点 7)
|
||
|
||
$X$ 离散($P\{X=x_i\}=p_i$ )、$Y$ 连续,求 $Z=X+Y$ :
|
||
|
||
$$F_Z(z)=\sum_ip_i\,P\{x_i+Y\le z\}=\sum_ip_iF_Y(z-x_i).$$
|
||
|
||
即**把离散变量的取值当权重,把连续部分的分布函数平移后加权叠加**。
|
||
|
||
**标准例**:$P\{X=0\}=P\{X=1\}=\frac12$ 、$Y\sim U(0,1)$ 独立 ⟹ $F_Z(z)=\frac12F_Y(z)+\frac12F_Y(z-1)$ ,求导得 $f_Z$ 。
|
||
|
||
**混合正态**(2020·22 型):$Y=X_3X_1+(1-X_3)X_2$ ,$X_3$ 取 $0/1$ 。用全概率按 $X_3$ 拆:
|
||
|
||
$$F(x,y)=\sum_kP\{X_3=k\}P\{X_1\le x,\ Y\le y\mid X_3=k\},$$
|
||
|
||
结论往往是"证明 $Y$ 仍服从标准正态"。
|
||
|
||
## 6 与数字特征的耦合(点 3 / 点 6 共用)
|
||
|
||
| 量 | 公式 | 备注 |
|
||
| ------ | --------------------------------------------------------------------- | ------------ |
|
||
| 二维期望 | $E[g(X,Y)]=\sum\sum g\,p_{ij}$ 或 $\iint g\,f\,\mathrm dx\,\mathrm dy$ | **不必先求分布** |
|
||
| 协方差 | $\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY$ | 第二式最常用 |
|
||
| 相关系数 | $\rho=\dfrac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}$ | 分母是**标准差**之积 |
|
||
| 线性组合方差 | $D(aX\pm bY)=a^2DX+b^2DY\pm2ab\operatorname{Cov}(X,Y)$ | 不独立必留交叉项 |
|
||
| 条件期望 | $E(Y\mid X=x)=\int y\,f_{Y\mid X}(y\mid x)\,\mathrm dy$ | 求相关时的桥梁 |
|
||
| | | |
|
||
|
||
**条件分布求相关的标准流程**:① $f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)$ ;② 算 $EX$ 、$EY$ ($EY=\int E(Y\mid X=x)f_X\,\mathrm dx$ );③ 算 $E(XY)$ ;④ 代 $\rho$ 公式。
|
||
|
||
## B 题型考点(怎么想到、为什么、坑在哪)
|
||
|
||
- **B1 拿到二维表的固定动作**:先补边缘(行和/列和),再验 $\sum p_{ij}=1$ ,再判独立($p_{ij}=p_{i\cdot}p_{\cdot j}$ 逐格比)。**坑**:只比一格就下结论。
|
||
- **B2 画图定限是二重积分的全部**:先把 $D$ 画出来,再把 $g(x,y)\le z$ 与 $D$ 求交,最后决定"先 $x$ 后 $y$ "还是反过来。**坑**:不画图直接写限,几乎必错。
|
||
- **B3 非矩形域一眼不独立**:圆、三角、$0<y<x$ 、$y>\sqrt x$ 型,$Y$ 的范围依赖 $X$ ,乘积必然拆不开。**用途**:先判不独立,可省掉一整段积分。
|
||
- **B4 函数分布三路线选择**:单个函数 ⟹ 定义法(万能但分段繁);两个新变量 ⟹ 雅可比;独立求和差 ⟹ 卷积。**选择错会多做一倍计算**。
|
||
- **B5 雅可比的增补技巧**:求 $Z=g(X,Y)$ 时补 $V=X$ 凑成一一变换,再对 $v$ 积分。**坑**:$J$ 用了正变换而非逆变换(差一个倒数),或忘了绝对值。
|
||
- **B6 卷积的适用边界**:卷积要求**独立**;不独立必须回到 $\int f(x,z-x)\mathrm dx$ 。**坑**:$U(0,1)+U(0,1)$ 的区间是 $(0,2)$ ,分段点 $z=1$ 不能漏。
|
||
- **B7 最值分布**:$F_{\max}=\prod F$ 、$F_{\min}=1-\prod(1-F)$ ;独立同分布才化成 $[F]^n$ 、$1-[1-F]^n$ 。**坑**:把 $F_{\max}$ 写成 $[F]^n$ 却忘了独立性前提。
|
||
- **B8 混合型走全概率**:一离散一连续时,把离散的每个取值作为一层,加权叠加平移后的 $F_Y$ 。**坑**:忘了权重之和为 1,或分段时漏掉某个取值。
|
||
- **B9 二维正态的五性质直接调用**:边缘正态、$\rho$ 即相关系数、线性组合正态、条件期望线性、不相关⟺独立。**看到"二维正态"四个字,先写这五条**。
|
||
- **B10 条件分布求相关的两条路**:① 先联合密度再硬算三阶矩;② 用 $E(Y\mid X=x)$ 的线性式直接读 $\rho$ (二维正态专用)。**2022·10、2024·9 都是第 ① 条**。
|
||
|
||
## 7 题目清单(27 题,纯题干,按在学练习七点分册)
|
||
|
||
> 编号沿用「在学练习」第3讲七点分册:`02`–`08` 对应点 1–7,每点内独立编号(题 \(k\)),第二个数字是知识点号。**只列题干,不给答案**。
|
||
|
||
### 点 1 联合分布与边缘分布(题 1–4)
|
||
|
||
- **题 1 · 1.1:联合分布函数的四条性质(★☆☆)**:判断下列说法是否正确,错的举反例:(Ⅰ)若 $F(x,y)$ 对 $x$ 、对 $y$ 都单调不减,且 $F(-\infty,y)=F(x,-\infty)=0$ 、$F(+\infty,+\infty)=1$ ,则 $F$ 必是某二维随机变量的分布函数;(Ⅱ)若 $(X,Y)$ 的联合分布函数为 $F$ ,则 $X$ 的分布函数为 $F(x,+\infty)$ ;(Ⅲ)若 $f(x,y)=g(x)h(y)$ 在矩形 $I\times J$ 上成立,则 $X$ 与 $Y$ 相互独立;(Ⅳ)若 $(X,Y)$ 服从二维正态分布,则 $X$ 与 $Y$ 独立当且仅当 $\rho=0$ 。
|
||
- **题 2 · 1.1:由分布函数算矩形概率(★★☆)**:设 $(X,Y)$ 的联合分布函数为$F(x,y)=\begin{cases}A\left(1-\mathrm e^{-x}\right)\left(1-\mathrm e^{-y}\right),&x>0,\ y>0\\[2pt]0,&\text{其他}\end{cases}$ (Ⅰ)求 $A$ ;(Ⅱ)求边缘分布函数 $F_X(x)$ ,并说明 $X$ 服从什么分布;(Ⅲ)求 $P\{1<X\le2,\ Y>1\}$ 。
|
||
- **题 3 · 1.2:由联合密度求边缘与区域概率(★★☆)**:设 $(X,Y)$ 在区域 $D=\{(x,y):0<y<x<1\}$ 上服从均匀分布。(Ⅰ)写出联合密度;(Ⅱ)求边缘密度 $f_X(x)$ 、$f_Y(y)$ ;(Ⅲ)求 $P\{X+Y<1\}$ 。
|
||
- **题 4 · 1.3:条件密度是一族密度(★★☆)**:设 $(X,Y)$ 的联合密度为$f(x,y)=\begin{cases}\mathrm e^{-y},&0<x<y\\[2pt]0,&\text{其他}\end{cases}$ (Ⅰ)验证它是密度,并求 $f_X(x)$ ;(Ⅱ)求 $f_{Y\mid X}(y\mid x)$ ,并指出它服从什么分布;(Ⅲ)说明"条件密度是一族密度"在这里具体指什么。
|
||
|
||
### 点 2 二维离散型随机变量(题 1–3)
|
||
|
||
- **题 1 · 2.1:不放回抽样的联合分布律(★☆☆)**:袋中有编号 $1,2,3$ 的三个球,从中**不放回**地依次取两个。令 $X$ 为第一次取到的号码,$Y$ 为第二次取到的号码。(Ⅰ)写出 $(X,Y)$ 的联合分布律表;(Ⅱ)求边缘分布律,并判断 $X$ 与 $Y$ 是否独立;(Ⅲ)求 $P\{X+Y=4\}$ 。
|
||
- **题 2 · 2.2:由独立性反解未知概率(★★☆)**:设二维离散型随机变量 $(X,Y)$ 的联合分布律为:$P\{X=0,Y=1\}=0.12$ ,$P\{X=0,Y=2\}=a$ ,$P\{X=0,Y=3\}=0.18$ ;$P\{X=1,Y=1\}=b$ ,$P\{X=1,Y=2\}=0.20$ ,$P\{X=1,Y=3\}=c$ 。已知 $X$ 与 $Y$ 相互独立。(Ⅰ)求 $a,b,c$ ;(Ⅱ)求条件分布律 $P\{Y=j\mid X=0\}$ ;(Ⅲ)求 $P\{X=1\mid Y\ne2\}$ 。
|
||
- **题 3 · 2.3:泊松分解与条件二项(★★☆)**:设 $X\sim P(\lambda_1)$ 、$Y\sim P(\lambda_2)$ 且相互独立,其中 $\lambda_1=2$ 、$\lambda_2=1$ 。(Ⅰ)求 $X+Y$ 的分布;(Ⅱ)在已知 $X+Y=3$ 的条件下,求 $X$ 的分布律;(Ⅲ)求 $P\{X=1\mid X+Y=3\}$ 与 $E(X\mid X+Y=3)$ 。
|
||
|
||
### 点 3 二维连续型与两类特殊分布(题 1–5)
|
||
|
||
- **题 1 · 3.1:归一化与区域概率(★☆☆)**:设 $(X,Y)$ 的联合密度为$f(x,y)=\begin{cases}A(x+y),&0<x<1,\ 0<y<1\\[2pt]0,&\text{其他}\end{cases}$ (Ⅰ)求 $A$ ;(Ⅱ)求 $P\{X+Y<1\}$ ;(Ⅲ)求 $P\{X=Y\}$ 。
|
||
- **题 2 · 3.2:圆域均匀的边缘与矩形判据(★★☆)**:设 $(X,Y)$ 在四分之一圆盘 $D=\{(x,y):x^2+y^2\le1,\ x\ge0,\ y\ge0\}$ 上服从均匀分布。(Ⅰ)写出联合密度;(Ⅱ)求边缘密度 $f_X(x)$ ,并说明它的形状为什么不是常数;(Ⅲ)求 $P\{X<Y\}$ 与 $P\left\{X^2+Y^2\le\frac14\right\}$ ;(Ⅳ)判断 $X$ 与 $Y$ 是否独立。
|
||
- **题 3 · 3.3:条件密度与"族"的含义(★★☆)**:设 $(X,Y)$ 在 $D=\{(x,y):0<y<x<1\}$ 上服从均匀分布(即联合密度为 $2$ )。(Ⅰ)求 $f_{Y\mid X}(y\mid x)$ 与 $f_{X\mid Y}(x\mid y)$ ;(Ⅱ)说明两者的支撑分别是什么,并解释"条件密度是一族密度";(Ⅲ)求 $P\left\{Y<\frac12\ \big|\ X=\frac34\right\}$ 。
|
||
- **题 4 · 3.5:二维正态的六条结论(★★☆)**:设 $(X,Y)\sim N(0,0;1,4;\rho)$ ,其中 $\rho=\frac12$ 。(Ⅰ)写出 $X$ 、$Y$ 的边缘分布;(Ⅱ)求 $X+Y$ 的分布与 $P\{X+Y>0\}$ ;(Ⅲ)求条件分布 $Y\mid X=x$ ;(Ⅳ)判断 $X+Y$ 与 $X-Y$ 是否独立,并说明与"$\sigma_1=\sigma_2$ "的关系。
|
||
- **题 5 · 3.4:矩形支撑才独立(★☆☆)**:设 $(X,Y)$ 在矩形 $D=\{(x,y):0<x<2,\ 0<y<1\}$ 上服从均匀分布。(Ⅰ)写出联合密度与两个边缘密度,并判断独立性;(Ⅱ)用面积比求 $P\left\{X<1,\ Y<\frac12\right\}$ ;(Ⅲ)若把 $D$ 换成三角形 $T=\{0<y<x<2\}$ (仍均匀),判断独立性是否改变。
|
||
|
||
### 点 4 随机变量的独立性(题 1–4)
|
||
|
||
- **题 1 · 4.1:三种说法的一致性(★☆☆)**:判断下列说法是否正确:(Ⅰ)若 $X$ 与 $Y$ 独立,则 $X^2$ 与 $\mathrm e^{Y}$ 独立;(Ⅱ)若 $E(XY)=EX\cdot EY$ ,则 $X$ 与 $Y$ 独立;(Ⅲ)若 $f(x,y)=f_X(x)f_Y(y)$ 在**除一条直线外**处处成立,则 $X$ 与 $Y$ 独立;(Ⅳ)若 $X$ 与 $Y$ 独立且同分布,则 $P\{X<Y\}=\frac12$ (假定 $P\{X=Y\}=0$ )。
|
||
- **题 2 · 4.2:可分离却仍不独立(★★☆)**:设 $(X,Y)$ 的联合密度为$f(x,y)=\begin{cases}8xy,&0<y<x<1\\[2pt]0,&\text{其他}\end{cases}$ (Ⅰ)验证它是密度;(Ⅱ)求 $f_X(x)$ 、$f_Y(y)$ ;(Ⅲ)判断 $X$ 与 $Y$ 是否独立,并说明"$8xy$ 看起来能分离"为什么不足以判独立;(Ⅳ)求 $P\left\{Y<\frac X2\right\}$ 。
|
||
- **题 3 · 4.3:不相关但不独立的反例(★★☆)**:设 $X\sim U(-1,1)$ ,$Y=X^2$ 。(Ⅰ)求 $EX$ 、$EY$ 、$E(XY)$ 与 $\operatorname{Cov}(X,Y)$ ;(Ⅱ)判断 $X$ 与 $Y$ 是否不相关、是否独立;(Ⅲ)举出一个"独立但不相关"以及一个"相关"的例子,说明三者的层次关系。
|
||
- **题 4 · 4.4:独立同分布的四条推论(★★☆)**:设 $X$ 与 $Y$ 相互独立,都服从 $E(1)$ ,令 $M=\max\{X,Y\}$ 、$m=\min\{X,Y\}$ 。(Ⅰ)求 $X+Y$ 的密度,并说明它为什么不是 $E(1)$ ;(Ⅱ)求 $f_M(x)$ 与 $EM$ ;(Ⅲ)求 $Em$ ,并验证 $EM+Em=EX+EY$ ;(Ⅳ)说明"可加性"为什么只对"和"成立,对 $\max$ 不成立。
|
||
|
||
### 点 5 随机变量函数的分布:两条路(题 1–4)
|
||
|
||
- **题 1 · 5.1:分布函数法求和的分布(★★☆)**:设 $X$ 与 $Y$ 相互独立,都服从 $U(0,1)$ ,$Z=X+Y$ 。(Ⅰ)用分布函数法求 $F_Z(z)$ 与 $f_Z(z)$ ;(Ⅱ)说明分段点 $z=0,1,2$ 是怎么来的;(Ⅲ)求 $P\left\{Z<\frac12\right\}$ 。
|
||
- **题 2 · 5.1:区域型支撑上的函数分布(★★☆)**:设 $(X,Y)$ 在 $D=\{(x,y):0<y<x<1\}$ 上服从均匀分布(联合密度为 $2$ ),令 $Z=\dfrac YX$ 。(Ⅰ)求 $Z$ 的取值范围;(Ⅱ)用分布函数法求 $F_Z(z)$ 与 $f_Z(z)$ ;(Ⅲ)求 $E Z$ ,并解释结果为什么"看起来很自然"。
|
||
- **题 3 · 5.2:雅可比法与"顺带判独立"(★★★)**:设 $X$ 与 $Y$ 相互独立,都服从参数为 $1$ 的指数分布。令$U=X+Y,\qquad V=\frac{X}{X+Y} .$ (Ⅰ)求 $(U,V)$ 的联合密度;(Ⅱ)判断 $U$ 与 $V$ 是否独立,并写出各自的分布;(Ⅲ)由此求 $E\!\left(\dfrac{X}{X+Y}\right)$ 。
|
||
- **题 4 · 5.3:四条路的选择(★☆☆)**:下列四题,分别应走哪条路(分布函数法 / 卷积公式 / 雅可比 / 最值公式)?只需说明理由,不必计算。(Ⅰ)$X,Y$ 相互独立,$X\sim E(1)$ 、$Y\sim E(2)$ ,求 $Z=X+Y$ 的密度;(Ⅱ)$X,Y$ 相互独立且都服从 $U(0,1)$ ,求 $Z=X^2+Y^2$ 的密度;(Ⅲ)$X,Y$ 相互独立,求 $U=X+Y$ 与 $W=X-Y$ 的联合密度;(Ⅳ)$X_1,\dots,X_5$ 相互独立且都服从 $E(1)$ ,求 $M=\max X_i$ 的密度。
|
||
|
||
### 点 6 四则运算与最值(题 1–4)
|
||
|
||
- **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。
|
||
- **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。
|
||
- **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 $P\{M>0.9\}$ 。
|
||
- **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。
|
||
|
||
### 点 7 混合型与全概率(题 1–3)
|
||
|
||
- **题 1 · 7.1:两条指数分布的加权(★★☆)**:设随机变量 $X$ 的分布律为 $P\{X=0\}=P\{X=1\}=\dfrac12$ 。在 $X=0$ 的条件下 $Y\sim E(1)$ ;在 $X=1$ 的条件下 $Y\sim E(2)$ 。(Ⅰ)求 $f_Y(y)$ ,并验证它是密度;(Ⅱ)求 $P\{Y>1\}$ ;(Ⅲ)求 $P\{X=0\mid Y=2\}$ 。
|
||
- **题 2 · 7.1:随机个数叠加的复合模型(★★☆)**:某设备在时间区间 $[0,T]$ 内发生故障的次数 $N\sim P(\lambda)$ ,且各次故障的发生时刻在 $[0,T]$ 上**独立且均匀分布**。记 $T_1$ 为**首次故障时刻**(若一次也没发生,规定 $T_1=+\infty$ )。(Ⅰ)求 $P\{T_1>t\}$ ($0\le t\le T$ );(Ⅱ)求 $T_1$ 在 $(0,T)$ 上的密度,并说明 $P\{T_1=+\infty\}$ 是多少;(Ⅲ)求 $P\{N=0\mid T_1>t\}$ 。
|
||
- **题 3 · 7.2:混合正态与总方差(★★★)**:设 $X$ 等可能地取 $1$ 与 $2$ (即 $P\{X=1\}=P\{X=2\}=\frac12$ )。在 $X=k$ 的条件下 $Y\sim N(k,1)$ 。(Ⅰ)写出 $f_Y(y)$ ;(Ⅱ)求 $EY$ 与 $DY$ ;(Ⅲ)说明 $f_Y$ 不是正态密度(不必求导,用取值即可);(Ⅳ)求 $P\{Y<1.5\}$ 。
|
||
|
||
---
|
||
|
||
> **回查入口**:在学练习 [[../在学练习/概率论-第3讲-多维随机变量及其分布/README|第3讲 README]]、[[../在学练习/概率论-第3讲-多维随机变量及其分布/01-知识点盘点|知识点盘点]]、[[../在学练习/概率论-第3讲-多维随机变量及其分布/09-速查卡|速查卡]],分册 `02`–`08` 对应点 1–7;参考仓库 `knowledge/2-random-variables-and-distribution`(§多维各节)、`knowledge/3-digital-features`、`exercise/2`、`exercise/3`。
|