考研笔记

随机变量的独立性

🏠 第18章概念导航

核心问题

独立性是把二维问题降回一维的唯一入口。

第16章定义了事件的独立：。本章把它升级到随机变量：不是某一对事件独立，而是所有事件对都独立。

这个""是关键——两个事件独立远弱于两个随机变量独立。

一旦有了它，联合分布被边缘唯一确定（），全章的计算才有可能。所以每道题都要先交代独立性，它不是废话。

核心定义 / 定理 / 结论

一、三个等价判据

类型等价判据
一般
离散 对每一格
连续 几乎处处

二、连续型的实操判据：分离 + 矩形

且支撑集是矩形

（矩形可以无界，如 或整个 。）

两个条件缺一不可——本章几乎所有独立性考点都源于此。

验完分离后，两个因子各自归一化就是边缘密度，不用再积分：

三、一票否决：支撑集不是矩形 ⟹ 一定不独立

若独立， 的非零区域是 ——两个一维集合的笛卡儿积，必是矩形。

所以看到支撑集是

  • 三角形（、、…）
  • 圆盘、椭圆、菱形
  • 任何” 的范围随 变”的区域

就可以一句话判定不独立，不必算任何积分。这是考场上最省时的一招。

反过来不成立

支撑集是矩形推不出独立——还要式子能分离。见下面的 反例。

四、离散型的特权： 表只需验一个等式

这正是第16章四格表 的翻版，也是线代的二阶行列式。

更一般（）：独立 ⟺ 联合分布矩阵 ，即秩为 1 的外积矩阵。实操上：任意两行成比例即独立。

五、必须记住的三个反例

反例说的是什么
两个边缘都是标准正态，但 不是二维正态、
在 密度表达式里根本不含 ，仍然不独立（支撑集出卖了它）
两两同分布推不出联合同分布，更推不出和同分布

第一个的机关： 是奇函数的乘积，积分时被对称性抹掉，所以不影响边缘；但它是 的耦合项，破坏了可分离性。

第二个的机关：完整的密度是 ——指示函数里藏着 ，还藏着耦合。

六、两条推论

  1. 传递到函数：（任意可测 ）。 反之不成立—— 不需要 。例： 时， 与 不独立，但 与 独立（每个切片都对称）。

  2. 传递到事件： 任意 与 独立。这是把本章接回第16章 事件独立性 的桥。

七、独立 vs 不相关

反之一般不成立

两个例外（此时”不相关”与”独立”等价）：

  1. 二维正态；
  2. 联合分布律（因为 ， 独立）。

（ 的完整理论在第19章，这里先记结论。）

典型题型

  1. 判独立——先看支撑集（一票否决），再看可分离性；
  2. 由独立定参数——填表题里”独立”提供一个方程；
  3. 构造反例——“边缘正态不推出联合正态”是必考的说理题；
  4. 用独立性简化计算——卷积、全集分解、 全靠它。

图示 / 直觉

独立 = 支撑集是矩形 + 曲面是”外积”形状。

想象密度曲面 。独立意味着它可以写成 ——沿任意 常数切出来的剖面，形状都一模一样，只差一个高度倍数。

（与无关）

“所有切片形状相同”就是独立的几何定义。 反过来，只要有两刀切出的形状不同（哪怕只是宽度不同——比如三角形支撑集），就不独立。

常见误用

五个高频错误

  1. “密度里不含 ” 当成 “与 无关” ——支撑集条件是表达式的一部分。

  2. 支撑集是矩形就下结论独立 ——还要可分离。 那个反例的支撑集是整个平面。

  3. 两个边缘正态就说 是二维正态 ——两个标准反例（ 型、 型）都否掉它。

  4. 不独立时用卷积公式 ——通用式永远是 。

  5. “事件 与 独立”推出” 与 独立” ——反例： 时， 与 独立，但 。

与旧知识的连接

  • 第16章的事件独立性 → 本页是它的”全事件族”版本，四格表 原样保留；
  • 第16章的独立六种等价说法 → 本章升级成”三个等价判据”；
  • 第17章的对称性 → “每个切片都对称”是 的常见来源；
  • 线代的秩一矩阵 → 独立 ⟺ 联合分布矩阵秩为 1（外积）。见 第11章 矩阵；
  • 线代的行列式 → 独立判据就是 。见 第10章 行列式。

题型训练

链接

反向链接