今日学习内容#

2.5h 多维连续型随机变量的函数分布

薄弱点#

1. 对多维连续型随机变量函数分布的求解逻辑理解不透彻，容易混淆分布函数法与卷积公式的适用场景
2. 当联合概率密度为分段函数时，无法准确根据参数z的取值划分积分区间，导致积分计算错误
3. 对于Z=max(X,Y)、Z=min(X,Y)这类拓展函数的分布推导，容易记错独立随机变量下的分布函数公式

AI知识点带复盘#

该考点是考研数学数一二三的高频核心考点之一，常以选择题、解答题形式出现，分值约4-12分，复盘核心内容如下：

1. 通用解法：分布函数法 标准步骤为：① 确定随机变量$Z=g(X,Y)$的取值范围；② 写出Z的分布函数$F_Z(z)=P(Z\leq z)=P(g(X,Y)\leq z)=\iint_{g(x,y)\leq z} f(x,y)dxdy$，其中$f(x,y)$为$(X,Y)$的联合概率密度；③ 对z求导得到概率密度$f_Z(z)=F_Z'(z)$。 易错提醒：需要结合$g(x,y)\leq z$的几何意义准确确定积分上下限，当联合密度存在分段定义时，必须分区间讨论z的取值再计算积分，避免遗漏分段情况。
2. 简化解法：卷积公式 仅适用于$Z=X+Y$的场景，当X、Y相互独立时，卷积公式为$f_Z(z)=\int_{-\infty}^{+\infty} f_X(x)f_Y(z-x)dx$，也可转换为$\int_{-\infty}^{+\infty}f_X(z-y)f_Y(y)dy$。使用时需要结合X、Y的定义域锁定有效积分区间，减少冗余计算。
3. 拓展题型：最值函数分布 当X、Y相互独立时： $Z=\max(X,Y)$的分布函数为$F_{\max}(z)=F_X(z)F_Y(z)$，概率密度为$f_{\max}(z)=f_X(z)F_Y(z)+f_Y(z)F_X(z)$； $Z=\min(X,Y)$的分布函数为$F_{\min}(z)=1-[1-F_X(z)][1-F_Y(z)]$，概率密度为$f_{\min}(z)=f_X(z)[1-F_Y(z)]+f_Y(z)[1-F_X(z)]$。 经典考研例题复盘：设X、Y独立同分布于$U(0,1)$，求$Z=X+Y$的概率密度，通过卷积公式可得：当$0\leq z\leq1$时$f_Z(z)=z$，当$1<z\leq2$时$f_Z(z)=2-z$，其余情况为0，该三角分布题型为历年真题高频原型。

今日小结#

今日花费2.5小时系统梳理多维连续型随机变量函数分布的核心考点，从基础的分布函数法入手理清了推导逻辑，随后针对性练习了$Z=X+Y$、$Z=\max(X,Y)$两类高频题型。学习过程中暴露了分段积分时容易混淆积分上下限的问题，后续计划通过5道配套强化题巩固分段讨论的思维习惯，同时整理卷积公式与最值函数的推导模板，进一步夯实当日学习成果。

💡 碎碎念：稳步积累，持续提升。

文档内容由 AI 辅助生成