考研笔记

随机变量的条件分布

🏠 第18章概念导航

核心问题

第16章的条件概率 有个硬前提：。

可连续型随机变量的 概率恒为 ——分母是零，公式当场崩溃。但”已知 时 的分布”这句话在直觉上明明有意义（体重 70kg 的人身高是什么分布？）。

条件密度就是为了绕开这个零除法而定义的：

分子联合，分母边缘。 它不是 的直接翻版，而是通过极限重新定义出来的——但形式上恰好一致，这也是它好记的原因。

核心定义 / 定理 / 结论

一、三个密度，一条乘法公式

这是第16章乘法公式 的密度版。三个方向都要会走：

已知求做法
联合边缘积掉一个
联合 + 边缘条件除掉一个
边缘 + 条件联合相乘

记忆钩子：加法（积分）降维，除法归一化。

二、离散型：就是第16章的条件概率

没有任何新东西——分母是正概率事件，第16章的公式直接用。

三、条件密度的严格定义（理解用，不必背）

先用一个”薄条”（正概率！）算条件概率，再让厚度趋于 0。 结果恰好是 。

四、几何意义：切一刀，再拉高到面积 1

固定 ，在曲面 上沿这条直线切一个竖直剖面——得到的曲线形状就是条件密度的形状；除以 只是把它竖直拉伸到积分为 1。

推论（考场极常用）：

联合密度是常数每个条件分布都是均匀分布

因为剖面是水平线段，归一化后就是 该切片的两端。二维均匀分布的条件分布永远是一维均匀分布，区间端点由支撑集的边界给出。

五、 与 ：两条完全不同的路

条件该用什么公式
条件密度
普通条件概率

两者答案通常不同——见 1000 基础 3-10，同一道题里 与 并列。

六、二维正态的条件分布（必背）

：

两条招牌：条件均值是 的一次函数（回归直线），条件方差是常数（与 无关）。

条件方差 边缘方差（因 ）——“知道了 ， 的不确定性只会减少”。 时条件方差为 ， 被 完全确定。

典型题型

  1. 由联合求条件——先求边缘，再相除，必须写出自变量的范围；
  2. “给定 后 服从…”——直接给了 ，第一步永远是乘出联合密度；
  3. 由两个条件密度反求联合（二维正态）——比较系数解五个参数；
  4. 两种条件概率的对比——分清 与 。

图示 / 直觉

把二维密度想成一座山。

  • 边缘密度 = 从侧面看这座山的轮廓（沿一个方向压扁）；
  • 条件密度 = 用一把刀沿某个方向竖切，切面的形状（再归一化）。

压扁丢掉了位置信息，切开保留了位置信息——这就是边缘与条件的本质区别。

为什么切完还要归一化？ 因为切面下的面积是 （不是 1），它衡量”这一刀切到了多少概率”。除掉它，才是一个合法的概率密度。

常见误用

四个高频错误

  1. 写了 却不写 的范围 ——这个式子单看是与 无关的常数，不写范围就成了”在整条实轴上取常值”，积分发散。范围来自支撑集在这一刀上的切片，这才是条件分布的全部信息量。

  2. ——连续型下分子分母都是 ，这个式子无意义。必须用条件密度积分。

  3. 把 当成 的函数去积分 ——它是关于 的密度，；对 积分没有意义。

  4. 绕过联合密度直接算 ——题目给”边缘 + 条件”时，第一步必须乘出 ，支撑集由两层范围叠加得到。跳过这一步几乎必错。

与旧知识的连接

  • 第16章的条件概率与乘法公式 → 本页的密度版，形式完全平行；
  • 第16章的全概率公式 → 连续版 ，就是”边缘 = 条件的加权平均”；
  • 第16章的贝叶斯公式 → 连续版 ，第22章的贝叶斯估计正是用这个；
  • 第17章的均匀分布 → 二维均匀的每个条件切片都是一维均匀。

Borel 悖论：为什么"条件在一条线上"要小心

的值依赖于你用哪个变量来描述那条线。同一条几何直线，写成 和写成 ，得到的条件分布可以不同——因为两种”薄条”的取极限方式不同。 考研范围内不会考这个，但它解释了为什么教材要强调” 是相对于 这个变量定义的”。

题型训练

链接

反向链接