906 字
2 分钟
考研数学学习记录2026-05-20
2026-05-20

考研数学学习记录 | 2026-05-20#

今日学习内容#

今天累计学习考研数学4小时,核心学习内容分为两大部分:一是多维随机变量的分布函数体系,重点攻克了卷积公式的应用难点;二是随机变量的数字特征,涵盖一维、二维随机变量的期望与方差,以及协方差、相关系数的核心概念与公式推导。

薄弱点#

  1. 卷积公式积分区间确定困难:当两个随机变量的取值范围并非全体实数时,容易混淆积分上下限的拆分逻辑,比如已知XU(0,1)、YU(0,1)求Z=X+Y的概率密度时,需要分0≤z<1和1≤z≤2两种情况讨论,不少考生容易漏分区间或写错积分范围。
  2. 概念混淆问题:容易将协方差为0和随机变量独立划等号,忽略仅当(X,Y)服从二维正态分布时,二者才完全等价;同时也会记错方差的推广公式,在计算D(X±Y)时忘记加上协方差的倍数项。
  3. 边缘分布函数求解易错:在通过联合分布函数求边缘分布时,容易遗忘对另一个变量取正无穷的操作步骤,导致结果推导错误。

AI知识点带复盘#

多维随机变量分布函数与卷积公式#

  1. 基础定义复盘:二维随机变量(X,Y)(X,Y)的分布函数F(x,y)=P{Xx,Yy}F(x,y)=P\{X\leq x,Y\leq y\},几何意义是随机点落在以(x,y)(x,y)为右上顶点的无穷矩形区域内的概率。边缘分布函数可通过极限得到:FX(x)=limy+F(x,y)F_X(x)=\lim_{y\to+\infty}F(x,y)FY(y)=limx+F(x,y)F_Y(y)=\lim_{x\to+\infty}F(x,y)
  2. 卷积公式核心考点:当X和Y为独立连续型随机变量时,Z=X+YZ=X+Y的概率密度为卷积形式: fZ(z)=+fX(x)fY(zx)dx=+fX(zy)fY(y)dyf_Z(z)=\int_{-\infty}^{+\infty}f_X(x)f_Y(z-x)dx=\int_{-\infty}^{+\infty}f_X(z-y)f_Y(y)dy 考研中常考察非均匀分布的卷积计算,关键步骤是根据X和Y的取值范围联立不等式确定积分上下限,再分情况讨论Z的取值区间后完成积分。

数字特征体系复盘#

  1. 一维数字特征:期望E(X)E(X)是随机变量的加权平均,方差D(X)=E(X2)[E(X)]2D(X)=E(X^2)-[E(X)]^2,可通过变形公式快速简化计算。
  2. 二维数字特征
    • 二维期望:E(X)=R2xf(x,y)dxdyE(X)=\iint_{\mathbb{R}^2}xf(x,y)dxdyE(Y)=R2yf(x,y)dxdyE(Y)=\iint_{\mathbb{R}^2}yf(x,y)dxdy
    • 协方差:Cov(X,Y)=E(XY)E(X)E(Y)\text{Cov}(X,Y)=E(XY)-E(X)E(Y),用于衡量两个随机变量的线性相关程度;
    • 相关系数:ρXY=Cov(X,Y)D(X)D(Y)\rho_{XY}=\frac{\text{Cov}(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}},取值范围为[1,1][-1,1]ρXY=1|\rho_{XY}|=1对应严格线性相关,ρXY=0\rho_{XY}=0仅代表无线性相关,不代表独立;
    • 方差推广公式:D(X±Y)=D(X)+D(Y)±2Cov(X,Y)D(X\pm Y)=D(X)+D(Y)\pm2\text{Cov}(X,Y),独立时协方差为0,公式可简化为D(X±Y)=D(X)+D(Y)D(X\pm Y)=D(X)+D(Y)
  3. 考研常考题型:通过联合分布计算边缘/条件密度、利用卷积公式求随机变量和的分布、结合实际背景计算期望方差、判断变量相关性与独立性。

今日小结#

今天完成了4小时的专项学习,系统梳理了多维随机变量与数字特征的核心知识点,重点突破了卷积公式的应用逻辑。虽然已经理清基本公式,但在非均匀分布的卷积区间拆分、易混淆概念辨析上仍存在不足,后续需要通过10-15道配套习题强化练习,确保做题时能够快速准确应用知识点。

💡 碎碎念:稳步积累,持续提升。

文档内容由 AI 辅助生成

分享

如果这篇文章对你有帮助,欢迎分享给更多人!

考研数学学习记录2026-05-20
https://elysiaweb.vercel.app/posts/math/5-20/
作者
程翊雪
发布于
2026-05-20
许可协议
Unlicensed

部分信息可能已经过时

目录