本章目录
考纲考试要求（逐条对照） 知识框架图 二维随机变量与联合分布函数 二维离散型：联合分布律、边缘与条件分布 二维连续型：联合密度、边缘与条件密度 二维均匀分布与二维正态分布 随机变量的独立性与不相关性 两个随机变量函数的分布 高频考点与易错点 常用结论速记表
一、考纲考试要求（逐条对照）
# 考试要求 对应考点 1 理解多维随机变量的概念，理解多维随机变量的分布的概念和性质，理解二维随机变量的边缘分布和条件分布，理解随机变量的独立性和不相关性的概念，掌握随机变量相互独立的条件 3.1 / 3.2 / 3.3 / 3.5 2 掌握二维均匀分布，了解二维正态分布的概率密度，理解其中参数的概率意义 3.4 3 会求两个随机变量简单函数的分布，会求多个相互独立随机变量简单函数的分布 3.6
二、知识框架图
第三章 多维随机变量及其分布
├─ 二维 (X,Y)：联合分布函数 F(x,y)=P{X≤x, Y≤y}
├─ 离散型：联合分布律 pᵢⱼ → 边缘分布 pᵢ·、p·ⱼ → 条件分布
├─ 连续型：联合密度 f(x,y) → 边缘密度 f_X、f_Y（对另一变量积分）→ 条件密度
├─ 特殊分布：二维均匀（面积倒数）/ 二维正态（参数含 ρ）
├─ 独立性：F=fₓfᵧ 或 f=fₓfᵧ ⟺ X、Y 独立；独立 ⇒ 不相关（反之不一定）
└─ 函数分布：Z=X+Y（卷积）、max/min、Z=XY、Z=X/Y
主线提示： 本章所有计算围绕两条主线：①「联合 → 边缘 → 条件」的三种分布相互转化；②「和的分布」用卷积/分布函数法，这是概率论大题的固定压轴题。独立性判断的核心是"联合能否拆成边缘之积"。
三、二维随机变量与联合分布函数
1. 联合分布函数 必考
F(x,y) = P{X ≤ x, Y ≤ y}，−∞<x,y<+∞
性质： ① 关于 x、y 分别单调不减；② 0≤F≤1，F(−∞,y)=F(x,−∞)=0，F(+∞,+∞)=1；③ 关于 x、y 分别右连续；④ 对任意 a<b、c<d：P{a<X≤b, c<Y≤d} = F(b,d)−F(a,d)−F(b,c)+F(a,c) ≥ 0（非负性）。
易错： 联合分布函数的"非负矩形增量"性质（上面第④条）是选择题判断"是否可作为联合分布函数"的题眼；只要求单调且有界不够。边缘分布函数：F_X(x)=F(x,+∞)，F_Y(y)=F(+∞,y)。
四、二维离散型：联合分布律、边缘与条件分布 必考
联合分布律：P{X=xᵢ, Y=yⱼ} = pᵢⱼ ≥ 0，ΣᵢΣⱼ pᵢⱼ = 1
注意： 边缘分布律就是把"行或列"的概率加起来（表格中行和、列和）；条件分布律是"同行/同列归一化"。条件分布律本身仍是分布律（非负且和为 1）。
五、二维连续型：联合密度、边缘与条件密度 必考（大题）
f(x,y) ≥ 0，∫∫(R²) f(x,y) dxdy = 1边缘密度： f_X(x) = ∫(−∞→+∞) f(x,y) dy；f_Y(y) = ∫(−∞→+∞) f(x,y) dx条件密度： f_{Y|X}(y|x) = f(x,y)/f_X(x)（f_X(x)>0）
做题流程（大题标准步骤）： ① 由 ∫∫f=1 求参数；② 画区域图确定积分限，求边缘密度（注意分段写清 x、y 的取值范围）；③ 求条件密度（先写出分母 f_X(x) 非零的范围）；④ 验证独立性；⑤ 求函数分布。
易错： ① 边缘密度的积分限要由联合密度的非零区域 确定，不是盲目 0 到 +∞；② 条件密度的定义域依赖条件变量的取值；③ f(x,y) 的非零区域是分段的，积分结果必须分段写完整，缺一段丢分；④ 求边缘密度时先固定 x 再对 y 积分，积分上、下限要在区域图上找准。
六、二维均匀分布与二维正态分布
1. 二维均匀分布 高频
区域 D 面积 S_D > 0，则 f(x,y) = 1/S_D（(x,y)∈D），其余为 0。
2. 二维正态分布 中频
(X,Y) ~ N(μ₁, μ₂, σ₁², σ₂², ρ)，密度：
参数意义： EX=μ₁，EY=μ₂，DX=σ₁²，DY=σ₂²，ρ=Cov(X,Y)/(σ₁σ₂) 为相关系数。重要性质： ① 边缘分布：X~N(μ₁,σ₁²)，Y~N(μ₂,σ₂²)（边缘仍是正态，且与 ρ 无关）；② 若 ρ=0，则 X、Y 独立（二维正态中"不相关 ⟺ 独立"）；③ 线性组合 aX+bY 仍服从正态分布；④ 条件分布 X|Y=y 仍为正态。
易错： ① 二维正态的边缘分布与 ρ 无关——"由边缘正态不能推出联合正态"；② 一般分布中"不相关 ⇏ 独立"，但二维正态中两者等价（ρ=0 ⟺ 独立）；③ 参数的 ρ 是相关系数不是协方差。
七、随机变量的独立性与不相关性
1. 独立性判定 必考
X、Y 独立 ⟺ 对一切 x,y：F(x,y) = F_X(x)·F_Y(y)
若 X、Y 独立，则 g(X)、h(Y) 独立；对独立变量有 E[g(X)h(Y)]=E[g(X)]E[h(Y)]。
独立性 ⇒ 不相关（ρ=0），但不相关 ⇏ 独立（一般情形）。
易错： ① "边缘乘积=联合"必须在全部 取值/区域上成立，一个点不满足就不独立；② 连续型判断独立性时，联合密度的非零区域必须是"矩形（可分离）"结构，若区域是三角形、圆域，往往不独立；③ 不相关只说明线性关系为零，仍可能有非线性关系（反例：X~N(0,1)，Y=X²，则 Cov=0 但 Y 由 X 完全决定）。
2. 不相关 中频
不相关 ⟺ Cov(X,Y)=0 ⟺ ρ=0 ⟺ E(XY)=E(X)E(Y)。详见第四章协方差部分。
八、两个随机变量函数的分布 必考（大题）
1. Z=X+Y（卷积公式）
连续型：f_Z(z) = ∫(−∞→+∞) f(x, z−x) dx = ∫(−∞→+∞) f(z−y, y) dy
正态可加性： X~N(μ₁,σ₁²)、Y~N(μ₂,σ₂²) 独立 ⇒ X+Y~N(μ₁+μ₂, σ₁²+σ₂²)。泊松可加性： X~P(λ₁)、Y~P(λ₂) 独立 ⇒ X+Y~P(λ₁+λ₂)。二项可加性： X~B(n₁,p)、Y~B(n₂,p) 独立（同 p）⇒ X+Y~B(n₁+n₂,p)。χ² 可加性： X~χ²(n₁)、Y~χ²(n₂) 独立 ⇒ X+Y~χ²(n₁+n₂)。分布函数法（万能）： F_Z(z)=P{X+Y≤z}=∬(x+y≤z) f(x,y) dxdy，再求导得 f_Z。
2. max 与 min 分布（多个独立变量） 必考
X₁,…,Xₙ 独立同分布，F(x) 为公共分布函数：
记忆： 最大值 = "全都 ≤ z"（乘方）；最小值 = "至少一个 ≤ z" 的对立 = "全都 > z" 的对立（1−乘方）。推广到不同分布时：F_max(z)=F₁(z)…Fₙ(z)；F_min(z)=1−[1−F₁(z)]…[1−Fₙ(z)]。
3. Z=XY、Z=X/Y 等 了解方法
Z=XY：F_Z(z)=∬(xy≤z) f dxdy，或对独立情形用变量替换雅可比
注意： Z=X/Y、Z=XY 考研多考查离散型组合或与具体区域结合的可积情形，掌握"分布函数法 + 画区域定限"即可，不必死记雅可比公式。
九、高频考点与易错点
考点 1：二维离散型全表
由部分 pᵢⱼ 反求未知概率；求边缘、条件分布律并验证独立性。
考点 2：二维连续型求参数
∫∫f=1 定常数；画区域图写积分限；求 P{(X,Y)∈D}。
考点 3：边缘与条件密度
先定区域再积分；条件密度 = 联合/边缘，注意分母非零范围。
考点 4：独立性判断
f=fₓ·fᵧ 全局成立才独立；区域非矩形通常不独立。
考点 5：Z=X+Y 的分布
卷积公式 / 分布函数法；正态、泊松、二项可加性直接用。
考点 6：max/min 分布
F_max=Fⁿ、F_min=1−(1−F)ⁿ；"系统可靠性"模型题。
易错点清单（考前必看）
联合分布函数性质④（矩形增量非负）常作为"是否联合分布函数"的判断标准。
边缘密度的积分限由联合密度非零区域 决定，不是想当然的 ±∞。
条件密度 f_{Y|X}(y|x) 的定义域与分母 f_X(x)≠0 的范围一致，别漏。
二维正态中"不相关 ⟺ 独立"（ρ=0），一般分布不成立。
边缘正态不保证联合正态；二维正态的边缘与 ρ 无关。
独立性必须在所有点验证 f=fₓfᵧ，区域非"矩形分离"结构即不独立。
卷积公式的积分限要结合 f 的非零区域分段 写，常见错误是上下限写错。
max/min 分布要求"独立"；不同分布时分别乘各自的 F 或 1−F。
Z=X+Y 的分布函数法：先求 F_Z(z) 再求导，注意 z 的分段区间。
离散型 Z=X+Y 合并同类项后概率相加，仍要归一化检查。
十、常用结论速记表
结论 记忆要点 F(x,y)=P{X≤x,Y≤y} 联合分布函数，矩形增量非负 f_X(x)=∫f(x,y)dy 边缘密度=对另一变量全积分 f_{Y|X}=f(x,y)/f_X(x) 条件密度=联合/边缘 独立 ⟺ f=fₓfᵧ（或 F=FₓFᵧ） 联合可拆成乘积 二维均匀 f=1/S_D 概率=面积比 二维正态 ρ=0 ⟺ 独立 二维正态中不相关=独立 独立正态之和仍正态 N(μ₁+μ₂, σ₁²+σ₂²) 独立泊松之和仍泊松 P(λ₁+λ₂)；二项、χ² 同理 max：F_M=Fⁿ 全部 ≤z min：F_N=1−(1−F)ⁿ 至少一个 ≤z 的对立