跳至正文

多维随机变量

多维随机变量

核心定义

多维随机变量 研究多个随机变量的联合分布，核心概念包括 联合分布函数、边缘分布、条件分布 和 独立性。

联合分布函数：F(x,y)=F(x,y)= P(X≤x,Y≤y)P(X\le x,Y\le y)，决定整体概率结构；边缘分布决定单个变量的行为。

联合密度 f(x,y)f(x,y) 满足 f(x,y)≥0f(x,y)\ge 0 且 ∬f(x,y) dx dy=\iint f(x,y)\,dx\,dy= 11。

边缘密度由联合密度积分消元得到：fX(x)=∫−∞+∞f_X(x)=\int_{-\infty}^{+\infty} f(x,y) dyf(x,y)\,dy，本质是对另一变量做 积分投影。

条件密度：fX∣Y(x∣y)=f_{X|Y}(x|y)= f(x,y)fY(y)\dfrac{f(x,y)}{f_Y(y)}，前提是 fY(y)>0f_Y(y)>0。

独立性充要条件：联合密度能拆成边缘密度的 乘积，即 f(x,y)=f(x,y)= fX(x)fY(y)f_X(x)f_Y(y)，对离散型则要求 pij=p_{ij}= pi⋅pjp_i\cdot p_j。

注意：独立一定推出 协方差 为零（不相关），但协方差为零 不能推出独立——独立比不相关更强。

关键细节 / 操作步骤

  1. 第一步：先写出 联合分布 或联合密度的完整表达式，包括 定义域。
  2. 第二步：再求 边缘分布，必要时对另一变量做 积分消元。
  3. 第三步：若题目问条件分布，用公式 fX∣Y(x∣y)=f(x,y)fY(y)f_{X|Y}(x|y)=\dfrac{f(x,y)}{f_Y(y)} 做 归一化。
  4. 第四步：若题目问独立性，检查联合密度是否能写成 乘积形式。
  5. 第五步：若题目问概率计算，先画 二维区域 再决定积分次序。
  6. 第六步：若题目给联合分布函数，先看能否直接求导得到联合密度。
  7. 第七步：若题目问变量变换 (X,Y)→(U,V)(X,Y)\to (U,V)，关注 雅可比因子 和新的取值区域。
  8. 第八步：若题目问相关性，先算协方差 Cov⁡(X,Y)=E(XY)−\operatorname{Cov}(X,Y)=E(XY)- E(X)E(Y)E(X)E(Y)。
  9. 第九步：若题目问独立与不相关的区别，记住独立是 结构可分解，不相关只是 线性无关。
  10. 第十步：若题目给二维均匀分布，先确定区域再按面积归一。

⚠️ 易错辨析

  1. 联合密度 ≠\neq 边缘密度——边缘是联合对另一变量积分后的结果，不是”删掉一个变量”。
  2. 独立性判断必须看 f(x,y)=fX(x)fY(y)f(x,y)=f_X(x)f_Y(y) 是否成立，不能凭”图像像不像独立”来判断。
  3. 条件分布需要先有 边缘分布，不能直接凭感觉写——反例：联合均匀分布中条件分布未必均匀。
  4. 独立 ≠\neq “没有关系”——独立是指联合结构可以 因子分解，独立一定不相关，反之不成立。
  5. 变换时漏掉 雅可比行列式 是常见失分点，务必检查变换的行列式绝对值。

💡 技巧与口诀 口诀：先联合，后边缘；要独立，看能否拆乘积。

应用场景：题目只要出现”二维密度""联合分布函数""条件概率”，就按”联合 →\to 边缘 →\to 条件 →\to 独立”顺序处理。

若题目给区域积分，先画区域再决定 积分次序——通常先对密度非零区域画边界。

二维均匀分布的概率直接按 面积比 算，不必硬积分。

📝 真题闭环 设 (X,Y)(X,Y) 的联合密度为 f(x,y)={2e−(x+2y),x>0,y>00,其他f(x,y)=\begin{cases}2e^{-(x+2y)},&x>0,y>0\\0,&\text{其他}\end{cases}，判断 XX 与 YY 是否独立。

解题思路：审题抓”判断独立”，切入点是 因子分解；先求边缘密度 fX(x)=∫0∞2e−(x+2y) dy=f_X(x)=\int_0^\infty 2e^{-(x+2y)}\,dy= e−xe^{-x}（x>0x>0），fY(y)=∫0∞2e−(x+2y) dx=f_Y(y)=\int_0^\infty 2e^{-(x+2y)}\,dx= 2e−2y2e^{-2y}（y>0y>0）；检查 f(x,y)=f(x,y)= fX(x)⋅fY(y)f_X(x)\cdot f_Y(y) 是否成立。

答案：f(x,y)=e−x⋅2e−2y=fX(x)fY(y)f(x,y)=e^{-x}\cdot2e^{-2y}=f_X(x)f_Y(y)，因此 XX 与 YY 独立。

cd ..