概率论与数理统计这门课很多同学平时听课觉得“都会”一到期末做卷子看到“设二维随机变量 (X,Y) 的联合密度函数为……求边缘密度并判断 X 与 Y 是否相互独立”当场就卡壳。这类题正是期末考试里性价比最高、也最容易拉开差距的题型联合分布、边缘密度、独立性判定三个知识点永远是绑在一起考的一道大题 10 到 15 分丢分丢得特别冤。这篇内容就是针对期末冲刺阶段写的把这三块拆开揉碎讲清楚它们之间的逻辑链条再配上可以直接照做的解题步骤和避坑清单。不管是还在云里雾里的初学者还是想最后阶段快速提分的考生都能照着这个路径练。我教这门课也带过好几轮习题课改过几百份卷子最清楚学生在哪儿摔跟头。下面这套内容不绕弯子直接按考试命题逻辑走你把它当一份“考前突击手册”来用就行。1. 期末命题逻辑三大考点为什么总绑在一起考1.1 试卷上的真实权重与题型分布翻一翻近五年的期末试卷你会发现一个规律只要考到多维随机变量这一章联合分布函数、边缘密度、独立性判断这三块内容几乎必然出现在同一道大题里极少单独考某一个知识点。原因很简单这三者是层层递进的关系——联合分布是“总信息”边缘分布是“从总信息里提取单变量信息”独立性则是“判断两个变量之间有没有关联”。命题老师一道题就能同时考察你对“分布函数—密度函数—边缘化—独立性”整条链路的掌握程度性价比极高。从分值看这类综合题通常占 10 到 15 分如果加上选择填空题里涉及的概念辨析这章的间接分值能到 20 分左右。更关键的是这章的内容直接关系到后面章节——比如数字特征协方差、相关系数的计算而数字特征又是期末的另一个大考点。换句话说联合分布这块学不透后面做协方差题也会连坐至少再丢 5 到 8 分。1.2 一条线串起整章知识从联合到边缘再到独立我上课时经常给学生打一个比方联合分布就像一份“全班同学身高和体重的完整名单”边缘分布则是从名单里单独统计“身高分布”或者“体重分布”而独立性就是判断“身高和体重之间有没有必然联系”。这个类比能帮你理解三者的关系边缘分布只关心单个变量它把另一个变量“忽略”掉了独立性则是在问知道一个变量的取值到底能不能给另一个变量的判断提供额外信息。所以复习的时候不要把三个知识点割裂开背公式。你要建立一条完整的问题链已知联合分布函数 F(x,y)能不能求概率 P{X≤x, Y≤y}已知联合密度 f(x,y)怎么“扔掉”一个变量得到 f_X(x) 和 f_Y(y)得到了边缘分布怎么判断 X 和 Y 是否独立这三步就是期末大题的标准流程。下面我从最基础的联合分布函数开始一步一步带你走通。2. 联合分布从函数定义到概率计算的完整链条2.1 二维分布函数的基本性质与判定二维随机变量 (X,Y) 的联合分布函数定义是$$F(x,y)P{X \le x, Y \le y}$$它表示随机点落在以 (x,y) 为右上角顶点的“左下无穷矩形区域”里的概率。理解这个几何意义特别重要因为后面所有性质都可以从“一块矩形区域”的角度来理解。一个函数要成为某个二维随机变量的分布函数必须满足四条性质第一单调性。对固定 yF(x,y) 关于 x 单调不减对固定 xF(x,y) 关于 y 单调不减。第二有界性。0 ≤ F(x,y) ≤ 1。第三极限性质。F(-∞, y) 0F(x, -∞) 0F(-∞, -∞) 0而 F(∞, ∞) 1。这些极限式子看起来很枯燥但你只要记住“有一个变量趋向负无穷事件就不可能发生概率为 0两个变量都趋向正无穷必然事件概率为 1”就够了。第四矩形增量非负。对任意 abcd有$$P{a X \le b, c Y \le d} F(b,d) - F(a,d) - F(b,c) F(a,c) \ge 0$$这条性质最容易被忽略但它经常出现在判断题里。一个常见的陷阱是给出一个看起来光滑对称的二元函数前三条性质都满足但矩形增量在某些区间为负这时候它不是合法的分布函数。判别方法很简单——代一组具体的 a,b,c,d 进去算如果出现负数直接排除。2.2 由联合分布函数计算矩形区域概率期末如果考分布函数通常不是让你背性质而是给你一个具体的 F(x,y)让你求某个矩形区域的概率。这时就直接用矩形增量公式$$P{x_1 X \le x_2, y_1 Y \le y_2} F(x_2,y_2) - F(x_1,y_2) - F(x_2,y_1) F(x_1,y_1)$$注意公式前面是“左上角减右上角减左下角加右下角”非常容易记混。我教学生一个笨办法先画一个矩形标出四个点然后记住“大端减去两个混合端再加回小端”。这里“大端”是 (x₂, y₂)“小端”是 (x₁, y₁)。做题时先别急着代公式先在草稿纸上把四个点标出来再套公式错误率能降低一半。还有一种考法是给出联合密度 f(x,y)求联合分布函数 F(x,y)。这时用二重积分$$F(x,y) \int_{-\infty}^{y} \int_{-\infty}^{x} f(u,v), du, dv$$很多同学拿到这个积分就硬算结果在积分区间上翻车。核心技巧是先画出 f 的非零区域再根据 (x,y) 落在不同位置分段讨论。我改卷时见过太多人把积分上下限和变量 x,y 混在一起最后算出来的 F 根本不满足极限性质。每算完一段用 F(-∞, y)0 和 F(∞, ∞)1 验证一下立刻能发现错误。2.3 分布律与密度函数两种常见考查载体联合分布函数的载体有两种离散型的联合分布律和连续型的联合密度函数。期末大题通常默认考连续型但选择填空会穿插离散型的判断。离散型联合分布律用表格表示p_ij P{Xx_i, Yy_j}满足两个条件非负、总和为 1。它和分布函数的关系很简单F(x,y) 就是把所有满足 x_i≤x, y_j≤y 的 p_ij 累加。连续型则是用密度函数 f(x,y)满足非负、在全平面上的二重积分为 1。这两类载体在“求边缘”和“判独立”时操作方法不同下面两节分别讲。3. 边缘密度算不对积分区间一切都白搭3.1 离散型边缘分布律本质是行求和与列求和离散型的边缘分布律没什么技术含量纯粹是“加法”要求 X 的边缘分布律就把联合分布律表中每一行加起来要求 Y 的边缘分布律就把每一列加起来。公式写成$$p_{i\cdot} P{Xx_i} \sum_j p_{ij}, \quad p_{\cdot j} P{Yy_j} \sum_i p_{ij}$$这里容易出问题的地方是题目给的联合分布表格里某些格子可能是字母表示的未知量并且额外给了“X 与 Y 独立”这个条件让你反解字母。这种题本质上是在考“独立性 求和归一”几个方程联立就能解出来。后面第 4 节我会专门讲操作方法。还有一个小陷阱有些题目给出的不是完整的联合分布律表而是条件分布或其他变形信息。遇到这种情况不要慌先回到定义——边缘分布就是把另一个变量的所有可能取值全部“边缘化”掉。所谓边缘化就是求和或积分。3.2 连续型边缘密度口诀“求谁边缘先确定区间”连续型边缘密度的公式很简单$$f_X(x) \int_{-\infty}^{\infty} f(x,y), dy, \quad f_Y(y) \int_{-\infty}^{\infty} f(x,y), dx$$公式一个积分符号就写完但真正难的是积分区间。我给学生的口诀是求谁边缘就用谁的变量做主变量另一个变量做被积变量被积变量的范围由联合密度的非零区域决定。具体来说求 f_X(x) 时x 被看作常数先画出 f(x,y) 的非零区域然后看在这个区域内 y 的范围这个范围就是积分的上下限。举一个最典型的例子联合密度为$$f(x,y) \begin{cases} 8xy, 0 \le x \le y \le 1 \ 0, \text{其他} \end{cases}$$这个非零区域是三角形由 0≤x≤y≤1 给出。求 f_X(x) 时固定 x看 y 的范围。因为 x≤y≤1所以 y 从 x 积分到 1于是$$f_X(x) \int_x^1 8xy, dy 4x(1 - x^2), \quad 0 \le x \le 1$$求 f_Y(y) 时固定 y因为 0≤x≤y所以 x 从 0 积分到 y$$f_Y(y) \int_0^y 8xy, dx 4y^3, \quad 0 \le y \le 1$$注意 f_Y(y) 的结果和 y 的立方成正比而 f_X(x) 是 x 的二次函数形状形式上就差很多——这其实暗示了两个变量不独立后面会验证。这里有个必须养成的习惯每算完一个边缘密度立即在草稿纸上验证归一化。比如上面的 f_X(x)对它做 ∫0^1 4x(1-x²) dx结果必须等于 1。如果不等说明积分上下限或计算有误。很多同学考试时算完不验证一步错步步错后面判断独立性的过程全白写。3.3 经典三角区域例题0≤x≤y≤1 的完整手算上面那道题我每年都会在习题课上带学生手算一遍因为它几乎集中了本章所有易错点。再展开一点除边缘密度外往往还会让你求 P{XY≤1}。这类“落在某条曲线一侧”的概率本质是在联合密度的非零区域内再画一条线确定新的积分区域。对于 0≤x≤y≤1 且 xy≤1先画图三角形区域 0≤x≤y≤1与直线 xy1 下方的公共部分。由 x≤y 和 xy≤1 可得 0≤x≤1/2x≤y≤1-x。于是$$P{XY \le 1} \int_0^{1/2} \int_x^{1-x} 8xy, dy, dx$$先对 y 积分$$\int_x^{1-x} 8xy, dy 4x[(1-x)^2 - x^2] 4x(1 - 2x)$$再对 x 积分$$\int_0^{1/2} 4x(1 - 2x), dx \int_0^{1/2} (4x - 8x^2), dx \left[2x^2 - \frac{8}{3}x^3\right]_0^{1/2} \frac{1}{2} - \frac{1}{3} \frac{1}{6}$$每一步都很基础但合在一起就是一道 10 分大题。考试时这类题的关键不是“会不会积”而是“区域画没画对”。4. 独立性判定定义法、公式法、快速判断法三管齐下4.1 三类判定公式与适用场景独立性判定是本节的最终落点。教材上给出的定义是如果对任意 x,y 都有 F(x,y) F_X(x)F_Y(y)则 X 与 Y 相互独立。但实际操作中我们很少真的用分布函数来判断而是分两种情形离散型对所有 i,j 验证 p_ij p_i· p_·j。连续型验证 f(x,y) f_X(x) f_Y(y)或者在“定义域是矩形区域”的前提下验证 f(x,y) 能否写成 g(x)h(y) 的形式。这里我要特别强调“定义域是否矩形区域”这个前提。很多学生只记了“联合密度能分离变量就独立”忘了检查定义域结果碰到三角形区域直接翻车。比如上一节的 f(x,y)8xy在 0≤x≤y≤1 上确实能写成 8xy(8x)(y)属于分离变量形式但它的定义域是个三角形不是矩形所以 X 和 Y 并不独立。这一点是期末考核的高频陷阱几乎每届都有人在这里丢分。4.2 离散型独立性检查的完整流程离散型独立性检查虽然只是乘法验证但有个细节容易被忽略必须验证表格里所有格子不能只挑几个点。我建议按以下流程走第一步把联合分布表格补齐。所有 p_ij 的和必须为 1这是最基本的检查。第二步计算行和与列和得到边缘分布律。第三步逐格验证 p_ij p_i· × p_·j。只要发现一个格子不满足立即判定不独立后面的格子不用再验。实际操作中如果表格里所有 p_ij 都能写成“行因子 × 列因子”的形式而且行因子只与 i 有关、列因子只与 j 有关那么理论上就是独立的。例如X\Y12行和01/61/95/1811/32/95/9列和1/21/31验证一下p_001/6而 (5/18)×(1/2)5/36不相等所以不独立。这种题选填出现得多注意别把“某几个格子成立”当成“所有格子成立”。4.3 连续型独立性分离变量 矩形区域缺一不可对于连续型判断独立性有一条非常好用的快速路径。如果联合密度 f(x,y) 在某个矩形区域比如 a≤x≤b, c≤y≤d上能写成$$f(x,y) g(x) \cdot h(y)$$并且在矩形区域外取 0那么 X 和 Y 独立。反之如果非零区域不是矩形即使函数形式能分离变量也不独立。还有更直接的验证方式先求出两个边缘密度 f_X(x) 和 f_Y(y)再验证 f(x,y) 是否等于 f_X(x) × f_Y(y)。这种方法虽然计算量大但不容易漏掉定义域问题因为边缘密度本身已经包含了非零区间信息。期末大题建议用这个稳妥方法快速判断法用于选择填空节省时间即可。下面用两个例子说明。例一f(x,y)8xy0≤x≤y≤1。前面算过 f_X(x)4x(1-x²)f_Y(y)4y³。乘积是 16xy³(1-x²)显然不等于 8xy不独立。例二f(x,y)4xy0≤x≤1, 0≤y≤1。分离变量形式为 (4x)(y)矩形区域独立。也可以求出 f_X(x)2xf_Y(y)2y乘积 4xy 恰好等于联合密度。4.4 二维正态分布的特殊结论ρ0如果随机变量服从二维正态分布独立性的判定有一个非常特殊的结论X 与 Y 独立的充要条件是相关系数 ρ 0。这个结论只对正态分布成立对一般分布而言“不相关”推不出“独立”。期末选择题特别喜欢在这个地方挖坑出“若 ρ0则 X 与 Y 一定独立”这种判断题正确率经常不到一半。再补充一个易错点二维正态的两个边缘分布都服从一维正态分布但反过来如果 X 和 Y 分别服从正态分布它们的联合分布不一定是二维正态分布。这个结论考试偶尔会考判断题记住“边缘正态推不出联合正态”。5. 期末真题实战两大高频题型完整推演5.1 第一类已知联合密度求边缘密度并判定独立性这类题的完整流程其实很固定按四步走基本不会丢分。题目通常是设二维随机变量 (X,Y) 的联合密度函数为$$f(x,y)\begin{cases} C(2xy), 0\le x\le 1,\ 0\le y\le 2 \ 0, \text{其他}\end{cases}$$第一步求常数 C。利用归一化条件 ∫∫ f(x,y) dxdy 1$$\int_0^2 \int_0^1 C(2xy), dx, dy 1$$先对 x 积分$$\int_0^1 (2xy), dx 1 y$$再对 y 积分$$\int_0^2 C(1y), dy C\left[y \frac{1}{2}y^2\right]_0^2 C(22) 4C 1$$所以 C 1/4。第二步求边缘密度。求 f_X(x) 时注意 y 的范围是 0 到 2$$f_X(x) \int_0^2 \frac14(2xy), dy \frac14\left[2xy \frac12 y^2\right]_0^2 \frac14(4x2) x \frac12, \quad 0\le x\le 1$$求 f_Y(y) 时x 的范围是 0 到 1$$f_Y(y) \int_0^1 \frac14(2xy), dx \frac14\left[x^2 xy\right]_0^1 \frac14(1y), \quad 0\le y\le 2$$第三步判断独立性。用 f_X(x) × f_Y(y)$$\left(x\frac12\right)\left(\frac14(1y)\right) \frac14\left(x\frac12\right)(1y)$$展开后等于 (1/4)(x xy 1/2 y/2)显然不等于原来的 (1/4)(2xy)所以 X 与 Y 不独立。第四步如果题目还要求 P{XY≤1}就要画图确定新区域。这个矩形区域和 xy≤1 的交集是 0≤x≤10≤y≤1-x注意 y 的上限被直线截断不再是 2 了于是$$P{XY\le1} \int_0^1 \int_0^{1-x} \frac14(2xy), dy, dx$$这一步不再展开算但必须提醒一定不要忘记把非零区域和事件区域同时画出来取交集这是本题最后一个失分点。5.2 第二类由边缘分布与独立性反推联合分布另一类高频题是反向赋值题目直接告诉你 X 和 Y 相互独立并给出各自的边缘分布让你写出联合分布。这类题的核心就一句话独立条件下联合概率等于边缘概率的乘积。例如设 X~P(λ₁)Y~P(λ₂)且 X 与 Y 独立求 (X,Y) 的联合分布律。直接写$$P{Xi,\ Yj} e^{-\lambda_1}\frac{\lambda_1^i}{i!} \cdot e^{-\lambda_2}\frac{\lambda_2^j}{j!}, \quad i0,1,2,\dots,\ j0,1,2,\dots$$这类题看着简单但每年都有学生在“归一性”上出错。两个泊松分布相乘后所有 i,j 的概率和应该等于 1$$\sum_{i0}^{\infty}\sum_{j0}^{\infty} e^{-(\lambda_1\lambda_2)}\frac{\lambda_1^i \lambda_2^j}{i!, j!} e^{-(\lambda_1\lambda_2)} \cdot e^{\lambda_1} \cdot e^{\lambda_2} 1$$如果你写出的联合分布算出来总概率不是 1说明边缘分布写错或独立条件没用对。这个验证方法务必掌握。还有一种变体是给联合分布表的部分空格并告诉你 X 和 Y 独立让你填表。这本质上就是设未知数、列方程。假设 p_{22} 未知已知行和 p_{1·}0.4列和 p_{·2}0.3则$$p_{22} p_{2\cdot} \times p_{\cdot2}$$联合表格中每一行、每一列的和都等价于边缘概率利用独立条件 p_ij p_i· p_·j就可以把空格全部反解出来。必须注意利用独立条件建立的方程可能不止一个多列几个方程交叉验证会更稳。6. 我做助教改卷时见到的十大高频错误与考场避坑清单6.1 高频错误排行榜与原因解剖我带习题课这几年批改过的期末卷子加起来有几百份。学生在联合分布、边缘密度、独立性判定这三块上的错误其实高度集中几乎没有新花样。我按出现频率排个序你可以拿来自查排名错误内容错误原因后果1求边缘密度时积分区间错误没有画联合密度非零区域图边缘密度直接算错归一化验证不过2判定独立性只验部分点离散型只验了几个格子就下结论结论错误整题失分3密度函数能分离变量就说独立忽略三角形等非矩形定义域独立性判断反了4分布函数的矩形增量公式符号记反记成“右上减左上减左下减右下”概率算成负的5连续型归一化求常数 C 时积分限代错没有看清非零区域C 错了后面全错6边缘密度忘记分段写清非零范围只写积分表达式不写定义域过程不完整被扣分7二维正态分布中“不相关”与“独立”混淆不知道这个等价仅限正态分布选填判断出错8F(x,y) 对 x、y 求混合偏导时忽略不连续点密度函数存在冲激项的情形连续型密度求错9已知 f(x,y) 求 P{XY≤1} 时没画事件区域只用了非零区域没和事件区域取交集积分上下限错10反向推联合分布时不验证归一化只乘完就完事出错不知道这十个错误里1、3、9 都和“图”有关。我最想强调的一点是凡是二维连续型题目拿到题先画图画出非零区域再画事件区域然后才动笔写积分。画图这步花 30 秒能帮你避免至少 5 分钟的无效计算和大量失分。6.2 考前 48 小时怎么利用这份攻略做最后的查漏补缺如果你离考试还有两天我强烈建议不要从头开始刷教材了而是按下面的检查路线走一遍第一步拿一张白纸凭记忆默写联合分布函数定义、四条性质矩形概率公式边缘密度公式独立性判定的三种情形。默写不出来就翻书看直到能完整默出为止。这个过程是建立知识骨架一般花 1 个小时。第二步刷 3 到 5 道综合大题。不要只挑简单的题一定要包含一个“三角形区域”或“梯形区域”的联合密度题因为这类题最能检验积分区间和独立性的掌握程度。每道题做完立即用边缘密度归一化验证。第三步整理自己的错题清单。把你平时作业或模拟卷里所有跟二维随机变量相关的错题翻出来对照上面表格里的十类错误看自己容易犯哪几类重点标记。考前最后一天只看这些标记内容不要再做新题。第四步关于考场时间分配。这种综合大题如果 10 分钟之内没头绪说明你对区域的判断卡住了先画图冷静一下画完图还卡就先做后面的题最后再回来。千万别在一道题上死磕超过 15 分钟。我自己复习备考时还有一个习惯把每一个公式都写成一个“为什么”。比如边缘密度公式为什么是“把另一个变量积分掉”引入独立性时为什么验证密度函数乘积成立这样问自己几遍你会发现知识点慢慢就织成网了而不是孤立的一个个公式。这套方法我用在答疑和带学生上都很有效。考试周拼的不只是努力更是方法。这套“联合分布—边缘密度—独立性判定”的三步走你把它练熟了上考场碰到这类大题心里就有底了。