考研概统真题思考 联合概率密度和条件概率密度问题

   在复习考研的过程中，遇到一种类型的考研真题，觉得很有意思，特此记录一下，也希望后来遇到此类困惑的同学能够少走一些弯路
        

        
先附上题目：
(2004年考研数4)
设随机变量 $X$ 在区间 $(0,1)$ 内服从均匀分布,在 $X=x(0<x<1)$ 的条件下. 姢机 荌量 $Y$ 在区间 $(0,x)$ 内服从均匀分布, 求：
(1) 随机变量 $X$ 和 $Y$ 的联合概率密度;
(2) $Y$ 的概率密度;
(3) 概率 P { X + Y > 1 } P\{X+Y>1\} P{X+Y>1} ；
        

        

---------------（分割线）----------------------------------------------------------------
        

        
(2013年考研真题)
设 $(X,Y)$ 是二维随机变量, $X$ 的边橡概率密度为
$f_X(x)=\{\begin{array}{cc}3x^2,& 0<x<1\text{. }\\ 0,& \text{ 其他. }\end{array}$ 在给定 $X=x(0<x<1)$ 的条件下 $Y$ 的条件概率密度为
$$f_{Xx}(y\mid x)=\{\begin{array}{cc}\frac{3y^2}{x^2},& 0<y<x，\\ 0,& \text{ 其他. }\end{array}$$
(1) 求 $(X,Y)$ 的概率密度 $f(x,y)$;
(3) 求 P { X > 2 Y } P\{X>2 Y\} P{X>2Y}

        

        
首先能看出这两个题都是给出条件概率密度求概率密度
自然联想到公式

$$f(x,y)=f_X(x)f_{Y|X}(y|x)$$
对于第二个题来说（第一题也是一样）
直接就这样写了
$$f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=\{\begin{array}{lc}\frac{9y^2}{x},& 0<y<x<1,\\ 0,& \text{ 其他. }\end{array}$$

然而这是错误的

因为什么呢，我们一步步分析

首先题给的条件是在

$X=x(0<x<1)$的条件下Y有一个条件概率密度

所以我们从逻辑上推导，如果我们运用上面的公式求出的联合概率密度，它也是在这个条件下才成立，也就是说，我们不知道不在这个条件下，联合概率密度还是不是我们求得的那个表达式了

比如说我再给一个条件

当 $X=x(x>1)$ 的条件下Y的条件概率密度是0.2

当然这个条件是瞎给的，没有经过验算，所以最终可能算得的联合概率密度f(x,y)不能满足
$${\int }_{-\infty }^{\infty }{\int }_{-\infty }^{\infty }f(x,y)dxdy=1$$
但是不重要，只要我们意识到还存在另外的可能就行

所以我们回到原先的思路上，就是现在我们不确定在其他条件下，y的条件概率密度是不是还有其他的表达式

那我们怎么办呢？
那就先求已有的，先求出来：

$$0<x<1\text{ 时 }f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=\{\begin{array}{cc}\frac{9y^2}{x},& 0<y<x,\\ 0,& \text{ 其他. }\end{array}$$

就是这个，接下来我们想知道这个是不是最终的答案，那么也很简单，就是求一下这个
$${\int }_{-\infty }^{\infty }{\int }_{-\infty }^{\infty }f(x,y)dxdy$$

看它等不等于1，如果等于一，说明其他情况下都等于0，因为如果其他情况下不等于0，那么俩相加肯定大一1，这就不满足密度函数的定义了

所以我们去求，结果还真等于1
那么这个时候就可以写答案了
$$f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)=\{\begin{array}{lc}\frac{9y^2}{x},& 0<y<x<1,\\ 0,& \text{ 其他. }\end{array}$$

看着这个答案和最开始答案是一木一样的，但是中间的思考和证明过程必不可少，会扣分。

---------------（分割线）----------------------------------------------------------------
        

        
接下来附上比较严谨的说明和证明过程：

第一题
说明:
先给出了 $f_{Y|X}(y\mid x)$, 反讨来求 $f(x,y)$.
如果先给 $f(x,y)$, 则求出 $f_x(x)={\int }_{-\infty }^{+\infty }f(x,y)\mathrm{d}y$, 在 $f_X(x)>0$ 的条件下求出
$$f_{Y\mid X}(y\mid x)=\frac{f(x,y)}{f_X(x)},f_X(x)>0$$
如果先给 $f_{YX}(y\mid x)=\frac{f(x,y)}{f_X(x)},f_X(x)>0$, 则 $f(x,y)=f_X(x)f_{Y\mid X}(y\mid x),f_X(x)>0$. 但 $f(x,y)$ 是定义在 $-\infty <x<+\infty ,-\infty <y<+\infty$ 上的, 仅给出 $f_X(x)>0$ 的这部分 是显然不全的.还得补 $f_X(x)=0$ 的部分

现题给 $X\sim U(0,1)$, 即有
$$f_X(x)=\{\begin{array}{cc}1,& 0<x<1,\\ 0,& \text{ 其他. }\end{array}$$
在 $X=x(0<x<1)$ 的条件下, 即有 $f_X(x)>0$ 条件下, $f_{Y\mid X}(y\mid x)\sim U(0,x)$, 所以
$$f_{Y\mid X}(y\mid x)=\{\begin{array}{lc}\frac{1}{x},& 0<y<x,\\ 0,& \text{ 其他. }\end{array}{f}_X(x)>0.$$
由于 $f_X(x)>0$ 等价于 $0<x<1$, 上式我们可以改写成
$$f_{Y\mid X}(y\mid x)=\{\begin{array}{lc}\frac{1}{x},& 0<y<x<1,\\ 0,& 0<x⩽y<1\text{ 或 }y⩽0<x<1.\end{array}$$

根据公式: $f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)0<x<1$;
f Y ( y ) = ∫ − ∞ + ∞ f ( x , y ) d x ; P { X + Y > 1 } = ∬ x + y > 1 f ( x , y ) d x   d y . f_Y(y)=\int_{-\infty}^{+\infty} f(x, y) \mathrm{d} x ; P\{X+Y>1\}=\iint_{x+y>1} f(x, y) \mathrm{d} x \mathrm{~d} y . fY​(y)=∫−∞+∞​f(x,y)dx;P{X+Y>1}=∬x+y>1​f(x,y)dx dy.
不难求得 (1) (2)(3).

        

        

求解过程：
当 $f_X(x)>0$ 时, 即 $0<x<1$ 时, $f(x,y)=f_X(x)f_{Y\mid X}(y\mid x)$. 故 当$0<x<1$ 时
$$f(x,y)=\{\begin{array}{ll}\frac{1}{x},& 0<y<x<1,\\ 0,& 0<x⩽y<1\text{ 或 }y⩽0<x<1,0<x<1⩽y\text{. }\end{array}$$
由于 ${\int }_0^1\mathrm{d}x{\int }_{-\infty }^{+\infty }f(x,y)\mathrm{d}y={\int }_0^1\mathrm{d}x{\int }_0^x\frac{1}{x}\mathrm{d}y={\int }_0^1\mathrm{d}x=1$

又由于 $f(x,y)⩾0,{\int }_{-\infty }^{+\infty }{\int }_{-\infty }^{+\infty }f(x,y)\mathrm{d}x\mathrm{d}y=1$

可知当 $x⩽0$ 或 $x⩾1$ 时, f(x, y)=0
总之
$$f(x,y)=\{\begin{array}{lc}\frac{1}{x},& 0<y<x<1,\\ 0,& \text{ 其他. }\end{array}$$

        

        
        

        
        

        
第二题就不写了，留给读者自证