核心知识点梳理#

1. 联合密度函数的基本性质：二维连续型随机变量$(X,Y)$的联合密度$f(x,y)$需满足非负性$f(x,y)\geq0$和规范性$\iint_{\mathbb{R}^2}f(x,y)dxdy=1$，联合分布函数$F(x,y)=\int_{-\infty}^x\int_{-\infty}^y f(u,v)dudv$，二者可通过积分或求导互推。
2. 边缘密度的求解逻辑：$X$的边缘密度$f_X(x)=\int_{-\infty}^{+\infty}f(x,y)dy$，求解时需先明确$f(x,y)$的非零区域，将积分限限定在区域内关于$y$的投影范围，避免在全体实数域上盲目积分。
3. 条件密度的核心定义：当$f_X(x)>0$时，$Y$在$X=x$条件下的条件密度为$f_{Y|X}(y|x)=\frac{f(x,y)}{f_X(x)}$，条件密度同样满足密度函数的规范性要求。
4. 考研高频考点复盘
   • 题型1：已知联合密度求边缘密度、条件密度，或计算$P((X,Y)\in D)$，关键是准确确定积分区域与积分限；
   • 题型2：已知边缘密度与条件密度推导联合密度，或通过规范性求解联合密度中的未知参数；
   • 题型3：二维均匀分布，事件概率与区域面积成正比，需优先绘制积分区域判断范围；
   • 题型4：二维正态分布，$(X,Y)\sim N(\mu_1,\mu_2,\sigma_1^2,\sigma_2^2,\rho)$，则$X\sim N(\mu_1,\sigma_1^2),Y\sim N(\mu_2,\sigma_2^2)$，且$X$与$Y$独立当且仅当$\rho=0$，为历年真题高频考点。

易错点修正#

本次复盘重点纠正了“忽略联合密度非零区域直接积分”的常见错误，明确了非矩形区域下积分限的拆分原则，同时强化了二维正态分布独立条件的记忆，避免与一维分布性质混淆。