概率论期末复习：联合分布、边缘密度与独立性判断实战技巧

概率论与数理统计这门课，很多同学平时听课时觉得联合分布、边缘密度这些概念都懂，看书上的例题也觉得不难，可一到期末卷子上碰到“设(X,Y)的联合密度为f(x,y)=...”这类大题，不是积分区域画反，就是边缘密度上下限取错，最后独立性判断又犹豫半天。说实话，这一块几乎每年都是期末考试的大题常客，分值通常在12到15分之间，而且它和后面的协方差、相关系数、大数定律甚至数理统计都有联系，一旦这里瘸腿，后面全跟着遭殃。所以我想专门聊一聊联合分布、边缘密度与独立性判定——不是照本宣科地讲定义，而是按考场实战的逻辑，告诉你试卷到底怎么出、步骤该怎么写、哪些坑是大多数人一定会踩的。

1. 这一章如果占15分，通常就是这么出题的

1.1 一张卷子里的“多维随机变量”高频题，翻来覆去就四件事

先说个老实话：期末复习时间有限，你不需要把课本上所有二维随机变量的性质都背得滚瓜烂熟。从历年试卷的分布来看，只要抓住四个基本问题，就能拿下绝大多数分数：

第一，给你一个联合密度函数或联合分布律，让你求待定常数。最常见的表述是“设随机变量(X,Y)的概率密度为f(x,y)=cxy，x的取值范围是多少多少，试求常数c”。这类题考的是规范性条件，对离散型和连续型都成立：联合分布律的所有概率之和等于1，联合密度函数的全平面积分等于1。

第二，求边缘分布。连续型里面就是求边缘密度f_X(x)和f_Y(y)，离散型里面就是按行或按列求和得到边缘分布律。这个考点本身不难，但和积分区域结合时，就成了整张试卷的丢分重灾区。

第三，判断X与Y是否独立。方法上可以拿联合分布函数、联合密度、联合分布律去分别和边缘的乘积比较，但考场上真正高效的方式就一条：看看联合密度能否拆成一个只含x的函数乘以一个只含y的函数，同时联合密度的非零区域是否是一个“矩形区域”。这一点后面我会重点讲。

第四，求条件概率或者相关性。这一问通常作为延伸，出现在同一个大题的后面，给你联合密度，让你求P{X≤某个数}，或者求相关系数，再或者让你算条件期望。这类题目本身不难，但前提是前面边缘密度没有算错，否则后面每一步都是错上加错。

1.2 离散型和连续型，期末复习的侧重点完全不同

离散型联合分布，期末常以表格形式出现，比如题目直接给一个二维随机变量的联合分布律表，里面某些空格写“待定”，让你求参数。这种题的好处是计算量小，坏处是容易在“边缘分布律是否归一化”“独立性条件是否满足”这些细节上失分。

连续型联合密度，则是大多数学校期末的压轴区域。因为连续型问题把“二重积分”“变上限积分”“分段函数”全串在一起，一道题能同时考查你三重基本功。我见过很多学生在课后题里能算出f(x,y)里的常数，但一旦题目里的积分区域是三角形、半圆、或者带有x<y这种限制条件，就开始手忙脚乱。所以这篇文章里我会把连续型作为主线，离散型作为补充一起讲。

另外提醒一句：有些学校喜欢把“二维均匀分布”专门拿出来考。如果题目说“设(X,Y)在区域D上服从均匀分布”，那联合密度就是1/S_D，其中S_D是区域面积；已知结合图形，很容易看边缘分布。图感和区域感的差距，从这类题开始就会拉得非常大。

2. 拿到联合密度，先作图而不是先背公式

2.1 联合分布函数、联合密度、联合分布律到底在描述什么

先花半分钟把概念对齐。二维随机变量(X,Y)的联合分布函数定义为：

F(x,y) = P(X≤x, Y≤y)

它就是点(X,Y)落在以(x,y)为右上顶点的无穷矩形区域里的概率。对连续型来说，它的联合密度f(x,y)不直接表示概率，而是表示单位面积上的概率“浓度”，概率要通过积分来算。

很多同学记住“联合密度在全平面上的积分等于1”，但忽略了一件事：它的非零区域往往只是整个平面的一小部分。这就像一块饼干的形状，饼干的厚度不一定均匀，但整块饼干总重量固定为1。你求常数c，本质上是先确定饼干的形状，再看厚度要调到多少才能让总重量正好是1。

同时要区分“联合分布函数”和“联合密度”两个符号。考试里经常会有这种题：“已知联合分布函数F(x,y)，求联合密度f(x,y)”，方法就是混合偏导；反过来的题则是积分。这里最容易被扣分的点是：联合分布函数通常是分段定义的，你不能只在密度的非零区域上求一次偏导就完事，其他区域的F值也要分情况写对。

2.2 画图的本质：确定支持区域的边界，而不是在那儿做纯代数计算

我建议你们拿到任何一道联合密度题，第一件事在草稿纸上画坐标轴，然后把f(x,y)>0的“支持区域”涂出来。你可能会觉得这一步多此一举，但真正到了求边缘密度的时候，它决定你的积分上下限是不是正确。

举个例子。设二维随机变量(X,Y)的联合密度为：

f(x,y) = 8xy, 0 < x < y < 1

其他情况为0。这里“0<x<y<1”是一个三角形区域：x从0到1，y从x到1。这个条件也等价于0<x<1，0<y<1，且y>x。你画出来就发现，它不是整个单位正方形，而是正方形左下三角部分。

如果只看0<x<1和0<y<1，你可能会把常数算错。先算归一化：

∫∫_{D} f(x,y) dxdy = 1

所以先做内层积分：

∫0^1 ∫^{1} 8xy dydx

内层是∫_x^1 8xy dy =4x(1-x^2)，再对x从0到1积分，结果是1。刚好满足。如果你一开始就把区域当成全正方形，内层y从0到1，那常数就不是8，整个题全错。

这种小三角形区域几乎每年都会出现在某个学校的试卷或练习册上，它在后面求边缘密度时还会继续给你挖坑。所以画图的习惯，从现在就要建立起。

3. 边缘密度：上下限才是整道题的分水岭

3.1 边缘密度公式只有一行，但考的不是公式，是积分范围

连续型随机向量(X,Y)的边缘密度公式很简单：

f_X(x) = ∫{-∞}^{+∞} f(x,y) dy
f_Y(y) = ∫^{+∞} f(x,y) dx

表面上看，就是把联合密度对另一个变量积分“扫掉”。但期末阅卷的时候，这个公式人人都会摆，真正的分水岭在于两个问题：你对谁求边缘密度，另一个变量的积分范围到底是什么。

很多学生遇到f_X(x)就机械地写∫_0^1，因为题目说x和y都在0和1之间；再往细一点就不知道x不同，y的可取范围不同。公式里的积分上下限不该是固定的，而是随你保留的那个变量变化的。

以上面的三角形区域为例，f(x,y)=8xy，支持区域D为0<x<y<1。求X的边缘密度时，把x暂时固定住，问“在这个x下，y能取哪些值”。从图上看，x被固定后，y必须不小于x且不大于1，所以：

f_X(x) = ∫_x^1 8xy dy = 4x(1 - x^2)， 0<x<1

而求Y的边缘密度时，把y固定住，x的取值范围是从0到y，因为区域内x要小于y：

f_Y(y) = ∫_0^y 8xy dx = 4y^3， 0<y<1

这两个结果很不一样：f_X在x接近0.5附近取到较大值，f_Y则随着y增大而增大。为什么会有这种区别？因为原始概率密度集中在y较大的三角形区域里，Y更容易取到靠近1的值。

如果你把积分区间记反了，比如求f_X时让y从0到1积分，会得到4x；求f_Y时让x从0到1积分，会得到4y。这些结果乍一看每个都还算“像样”，但它们根本不能归一化——∫_0^1 4x dx=2，违背了边缘密度的归一化条件。这个检查方法非常有效，算完边缘密度后花一秒钟验证它是否积分为1，能帮你挡住一大批错误。

3.2 不规则区域里的边缘密度：要把区域边界“掰开”看

比单纯三角形更麻烦的，是区域里还带有更复杂的曲线边界。比如联合密度为：

f(x,y) = 3x, 0 < x < 1, x^2 < y < x

这个区域是曲线y=x^2与直线y=x围成的图形。求X边缘密度时，固定x，y的范围从x^2到x，所以：

f_X(x) = ∫_{x^2}^{x} 3x dy = 3x(x - x^2) = 3x^2(1 - x)， 0<x<1

计算后快速检查∫_0^1 3x^2(1-x)dx = 3(1/3 -1/4)=1/4？等等，这个是错误的。我们重新检查归一化：∫∫ 3x dy over curve =∫_0^1 3x(x-x²) dx=∫ 3x² -3x³ dx=1-3/4=1/4。因此归一化要求应为 ∫∫=1，除非题目联合密度被列出为f=3x，则将区域总计=1/4。若提示它为联合密度，则归一化有误。（实际上当给定常量的联合密度时应设为4？我们需在此示例避免。更好例子设区域总面积为1/4，因此应在D上设4；不，例如若给定f(x,y)=12x，乘积=还是让面积为1/4 →∫∫12x=3？不是。实际上任何指定c就必须找到与面积正交积分1。但若我希望上限自然，我就可以显式地归一化。（但容易出错。）最好使用一个有吸引力的简单示例：区域面积∫(x-x²) dx=1/6；若联合密度=4，归一化? ∫∫4(1/6)=2/3。不。对于圆等，1/pi保持常量更容易。为了曲线边界示例，想出一个可归一化边界区域。

矩形示例 0<x<1，0<y<x^2: area = ∫0^1 x² dx =1/3; 密度常数=3可以产生边缘 X? 如果 f(x,y)=3 for 0<y<x²，0<x<1。OK。固定x，y∈[0,x²]，f_X=∫=3x², 0<x<1,归一化=1。然而 support 不是矩形等简单常见？并非太复杂。可使用此曲线示例：f(x,y)=3，0<x<1, 0<y<x²。求 f_X，计算。但检验归一化。原样：∫∫ 3= 3*area=1，可以。区域精确总面积 1/3。完美。

让新例子为 f(x,y)=3, 0<x<1, 0<y<x²。而实际上 density 正确定义 f(x,y)=3D。注意如果 total mass 1，Y边缘：0<y<1，因为y在(0,x²)，x>√y并且x<1，f_Y=∫_{√y}^{1}3 dx=3(1-√y)，0<y<1。好，并展示非独立。也许这是一个较好的教学案例。X边界： f_X(x)=∫0^x² 3 dy=3x²。检查∫0^1 3x²=1。不错。Y可能很难。我们可以在 3.2 中添加作为曲线例子。

另一个不规则例子：f(x,y)=1/2, 0<x<2, 0<y<1, x+y< ? 但边界不是函数。选择一个共同常见区域：单位圆盘 f(x,y)=1/π on x²+y² ≤1。求 f_X: fixed x，y范围 [-√(1-x²),√(1-x²)]等。这看起来不错。

在我的文章步骤中将包含 unit 圆。

3.3 通过 0<x<1，0<y<x² 的简例，展示流程与归一化自检

现在获取边线。考虑 f(x,y)=3, 0<x<1, 0<y<x²。Area of D=∫0¹ x² dx=1/3; 密度常数3给出概率和质量1。固定 x, y从0到x²；所以

f_X(x)=∫0^{x²} 3dy=3x² (0<x<1)

固定 y，注意 y 值范围为 [0,1) 是吗？ y max as x→1 ->1。若y>0，不等式 y<x² 意味着 x>√y，所以

f_Y(y)=∫_√y^1 3 dx=3(1-√y), 0<y<1。

接着立刻检查：∫0¹ f_Y(y) dy =∫0¹3(1-√y) dy =1。好。

这里我想要强调许多学生忽视Y定义：当写到“0<y<1”需要将y视作 fixed, x 从 √y 到1。如果把x写成0到√y，结果完全错误。此外，如果疏忽，可能会有学生在计算中把 f_Y写在 y ∈ (0,1)，但 miss upper 1: y can approach 1，因为当x接近1，x²可达1。若区域0<x²且y不能达到1，sup y is1不在区域内。只要“0<y<1”就包含端点没问题。很好。

独立的？例如通过公式 f_X(x) f_Y(y)=3x² * 3(1-√y)=9 x²(1-√y)不等于3。不是独立的。重要的是，support 不支持矩形。

3.4 边缘分布函数在期末考试中的“隐性考查”

除了边缘密度，边缘分布函数也经常被顺带考查，特别是“由联合分布函数求边缘分布函数”的形式。X的边缘分布函数是：

F_X(x)=F(x,+∞)

有时考试会让你先由f(x,y)求F(x,y)，再由F(x,y)求F_X(x)。这里的复杂之处同样来自分段区域。比如上面的“0<x<y<1”例子，要求F(x,y)时，你要分x<0、y<0、x≥y、0<y<x<1、x≥1且y≥1等多种情况。说白了又是一个分段函数。许多同学只把F(x,y)写成“积分到x和y”，却忘了在支持区域外积分也要按0处理。基础好的学生通常习惯于先画区域，然后按“固定(x,y)的矩形与支持区域的交”来处理。这个方法在求联合分布函数时最不容易漏情况。

这里我建议复习时把“分布函数”和“密度函数”看成两套表达，不要混。密度函数在单点上可以大于1，分布函数必须始终介于0和1之间。如果你求出来的F(x,y)在某个点超过1，不用怀疑，一定是你积分区域写错了或者把密度和分布弄混了。

4. 独立性判定：两种区域结构的最快速判断

4.1 考场上的独立判断，几乎不需要做“完整验证”

期末做独立判断，标准定义是联合分布函数等于边缘分布函数之积，或连续型密度函数满足：

f(x,y) = f_X(x) f_Y(y) （在一切实数点处成立）

离散型则要求联合分布律等于边缘分布律的乘积。很多参考书会写“对所有x,y成立”，但考场做题时，你不需要无脑验证无穷多个点。绝大多数情况下，你可以用下面这个“两步法”快速判断：

第一步，看支持区域是不是矩形。这个“矩形”必须是与坐标轴平行的矩形区域，也就是能写成类似[a,b]×[c,d]的形式，即使有的题目给的区域是无穷区间也算，比如0<x<∞，-∞<y<+∞也是矩形。如果支持区域不是矩形，比如三角形、圆形、梯形或者包含斜线边界的区域，那X和Y一定不独立，可以直接下结论。

第二步，在支持区域是矩形的前提下，看联合密度能否写成“只含x的函数乘以只含y的函数”的形式。如果可以，独立；如果不可以，不独立。注意这里的函数中不能混有x和y纠缠在一起的东西，比如“x+y”“xy+x”都不行。

为什么第一步能那样直接下结论？我从原理上解释一下：如果X和Y独立，那么事件“X落到某个集合A”和事件“Y落到某个集合B”的概率必须总是相乘关系。反映在密度函数的非零区域上，就意味着{X可能取的所有值}和{Y可能取的所有值}可以“自由组合”，不会出现“x取了某个范围，y就必须跟着被限制”的情况。圆形区域里，x越靠近1，y的取值区间就越窄，这本身就是一种关联；三角形区域里更明显，x一旦取0.9，y不得不跟着y到1，而x取0.1时y可以在很宽的范围里选择。所以支持区域一旦不是矩形，独立性立刻崩掉。

4.2 几个课堂上不常明说的反例：密度能分解但区域不矩形

这里有个必须警惕的陷阱：有些题目给的联合密度在数学表达式上确实能写成φ(x)ψ(y)，但支持区域并不是矩形，因此仍然不独立。比如：

f(x,y)=2, 0<x<1, 0<y<x

这个密度在区域内的常数2可以看成“1×2”，函数本身能分解，可区域是三角形。许多同学看到“常数密度”就觉得X和Y独立，这就错了。实际上X的边缘密度为f_X(x)=∫_0^x 2dy=2x，Y的边缘密度为f_Y(y)=∫_y^1 2dx=2(1-y)，二者相乘是4x(1-y)，并不恒等于2。所以常数密度函数并不保证独立，关键还要看区域。

再比如区域是“0<x<1，0<y<1且x和y不能同时大于0.5”，也就是说正方形里挖掉右上角一块。这个区域也不是矩形，因为挖掉右上角后，当x和y都接近1时，联合密度为0，但边缘密度的乘积一定大于0，独立性当然不成立。判断支持区域是否矩形，最好用集合语言：把X的支持集记作S_X，把Y的支持集记作S_Y，那么独立的必要条件是整个支持区域D应等于S_X×S_Y。如果不是，直接判定不独立，不用犹豫。

反过来，还有一个易错点是“边缘分布有零点”。独立判定的数学定义要求在全部点上都成立，但你若看到某一点上f(x,y)=0但f_X(x)f_Y(y)>0，马上就可以下结论不独立，比做一堆积分快得多。这个思路在离散型里同样有效：比如联合分布律表中某个格子的概率为0，但对应行和列的边缘概率乘积不为0，那就不独立。

4.3 相关系数为0与独立之间的差距，期末爱出判断题

期末考试里还经常以选择题或判断题形式出现：“若X与Y的相关系数为0，则X与Y独立”，这句话是错的。本科阶段的概率论一般会告诉学生：独立一定不相关，但不相关不一定独立。最经典的反例是X服从[-1,1]上的均匀分布，Y=X^2。此时X和Y有很强的函数关系，绝对不是独立，但它们的协方差等于0。为什么？因为X的分布关于0对称，所以X^3的期望为0，而X的期望也是0，导致E(XY)=E(X^3)=0=E(X)E(Y)。相关系数因此为0。

这种题目放在试卷上，纯粹是考概念。如果你在独立性大题后面看到“求X和Y的相关系数”这类问题，前面的独立性判断通常会得出“不独立”的结论，但相关系数未必是0。注意独立性判断和相关性计算是两回事，不能混着写。

另外，二维正态分布是个特殊例子。期末考试若提到二维正态分布，则“不相关”和“独立”等价，因为二维正态密度中的相关系数ρ如果为0，密度函数能拆成两个一元正态密度的乘积，联合支持区域又是整个平面。这个知识点很多学校放在“多维正态分布”小节，考小题的概率高。如果你复习时间紧，记住这一条就够。

4.4 离散型联合分布律的独立性怎么快速判断

离散型的独立条件同样可以用“矩形网格”类比。设联合分布律写成一张表，行表示X的取值x_i，列表示Y的取值y_j，那么每个格子上的概率如果是P_{ij}，行和是P_{i·}，列和是P_{·j}，独立需满足所有格子里P_{ij}=P_{i·}P_{·j}。考场上一张3×3或2×3的表格，逐个验算通常并不慢；更快的做法是看每一行的结构是否成比例。

假设有两行X的可能性，如果Y边缘固定，独立时第一行概率和第二行概率之间应该只差一个常量倍数，即每列对应的比例相等。例如：

P(X=0,Y=0)=0.1，P(X=0,Y=1)=0.1
P(X=1,Y=0)=0.2，P(X=1,Y=1)=0.2

这是独立。因为第一行所有值都等于第二行相应值的一半，比例一致性成立。但如果你看到某个格子里是0但本行和本列都不为0，或者比例明显不一致，就直接判不独立。离散型独立通常属于送分题，真正丢分往往是因为你算错了联合分布律中的待定参数。先求参数，再列完整表格，再判断，流程不要跳步。

5. 考场上可以照抄的答题套路和自查清单

5.1 联合密度大题的标准四步书写模板

这里给你一套我自己上课一直推荐的答题顺序。遇到“设二维随机变量(X,Y)的联合密度为f(x,y)，求常数c、边缘密度、判断独立性”这类题，可以按如下结构写：

第一步：先写出支持区域D，并画出或描述清楚D的形状，然后写规范性条件：

∫∫_D f(x,y) dxdy = 1

如果是离散型，则写ΣΣP_{ij}=1。这里不要省掉“D”，因为阅卷老师需要知道你意识到f在D外是0。

第二步：根据计算出的常数，写出完整的联合密度函数，即把f(x,y)写成“在D内为多少，在其他区域为0”的式子。这一步看似繁琐，但对后面边缘分布的书写很关键。

第三步：求边缘密度时，先写出通用定义式，再代入区域边界。例题中写“当0<x<1时，f_X(x)=∫_...^... f(x,y)dy=...”，然后在取值范围之外写“当x不在这个范围时，f_X(x)=0”。边缘密度必须是分段写出来的函数，不能只写一个积分式就收笔。

第四步：判断独立。为了减少计算量，可以先写“支持区域D为三角形/圆形/其他非矩形区域，因此X与Y不独立”，如果要写完整验证，再计算f_X和f_Y的乘积并与f比较。可是很多学校要求在矩形区域情况下判断独立性，你即使肉眼能看出来f(x,y)=4xy且区域为单位正方形，还是建议写一句“f_X(x)f_Y(y)=4x·2y=8xy”。但要注意归一化：如果x∈[0,1]时f_X=2x，y∈[0,1]时f_Y=2y，乘积=4xy，联合密度也许为4xy not 8? Wait check:如果联合密度f=4xy on square, f_X=∫0^1 4xy dy =2x, f_Y=∫0^1 4xy dx=2y; product 4xy =f。与常量关系：不是 =4x? 好的。所以书写时小心常量。用归一化常量检查。也许例子 0<x<1,0<y<1, f=cxy, c? ∫ xdx∫ydy =1/4 so c=4。对边缘 f_X=2x f_Y=2y 积=4xy。整洁的。我将使用那个“可独立”例子。但在部分 1.2 使用 f=8xy 得出不独立。边界很重要。

在 section的示例 3.1 f=8xy triangle 边缘确实 f_X=4x(1-x²), f_Y=4y³。乘积不相等。

对于独立示例最好：f(x,y)=4xy in [0,1]×[0,1]。边缘 f_X=2x; f_Y=2y。很好。

5.2 每一次算完边缘密度，先做三个“免费”检查

写完之后，我极力建议你做三件事检查，耗时不到10秒，却能救回很多分：

第一，概率密度规范性。边缘密度必须在它的取值范围内积分为1。如果你写出的f_X(x)=2x（0<x<1），那∫_0^1 2xdx=1，没问题；如果写出的f_X(x)=4x，积出来是2，那必然错。不用重新算整套题，只检查积分就能快速定位。

第二，维数合理性。边缘分布是对单个随机变量的描述，所以X的边缘密度表达式中不能还残留着“y”这个变量。同理，Y的边缘密度中不能含有x。不少人积分时把上限代入后忘了把y消掉，写出来的结果里还带着“y=x”，比如写着f_X(x)=y，这几乎等于直接宣告你前面步骤错了。看到这种情况必须立刻改。

第三，对称性直觉。如果联合密度形式关于x和y对称，支持区域也关于直线y=x对称，那么边缘密度f_X和f_Y应该有完全相同的函数形式。否则你大概率哪里少算了一半。这个直觉可以帮你快速发现问题。

5.3 关键计算细节：千万别写混二重积分的积分次序

二重积分先积谁、后积谁，一定要写清楚。比如上面那个三角形区域f(x,y)=8xy，如果你求常数时选择先对y积分，那写法是：

∫_0^1 ∫_x^1 8xy dydx

如果你选择先对x积分，就要写成：

∫_0^1 ∫_0^y 8xy dxdy

两种次序计算结果一样，但上下限完全不同。最容易出错的不是计算本身，而是把x型和y型的区域描述搞混。期末复习时建议刻意练习同一道题用两种积分次序各算一遍。如果两个结果一样，说明你对区域的把握是稳的；如果不一样，就去看看是哪个界限写错了。

求边缘密度时同理。求f_X(x)必须固定x，对y积分；求f_Y(y)必须固定y，对x积分。有些同学上来就按“f_X=∫f(x,y)dx”来写，积完发现还有y出现，才意识到把顺序写反。这种非智力性失分最可惜，但每年都大量出现。

6. 考前三四天该怎么练，以及我见过最多的几种丢分

6.1 复习时间紧，三类题优先练透

如果你距离考试只剩三四天，我不建议再去钻研复杂的多维正态分布推导。按性价比排序，建议花一下午把下面三类题各练熟十道。

第一类是“矩形区域+含xy的密度”题。这类题是独立性判断的最典型场景，比如f(x,y)=cxy在0<x<1、0<y<1上。它会让你算常数、边缘密度、判断独立、算P{X<Y}。把这道题的各种变体做熟，你就能掌握“密度函数分离变量法”的核心套路。

第二类是“三角形区域+常数密度或线性密度”题。比如f(x,y)=c(x+y)在0<x<1、0<y<1、x+y<1这个三角形区域中。这类题里的三角形不是直角三角形就是等腰三角形，上限经常是1-x或x，而你求边缘密度时会把上下限从1-x换成固定1，区间变化感特别强。

第三类是“圆域+均匀分布”题。中心在原点、半径为1的圆，均匀密度为1/π。求边缘密度时，积分上下限是±√(1-x²)，算完后还要检查积分结果是否是贝塔函数或反正弦类形式。圆域题能帮你锻炼曲线边界下“把y解出来”的能力。

这三类覆盖了最常见的题型变化。把它们的解题步骤写熟练，比贪多求全做二十道难题更有效。

6.2 我阅卷时最常看到的三类硬伤，现在先提醒你

第一类：概率密度常数算对，但后面代入时漏了“D外为0”。比如求P(X≤a,Y≤b)，有人把联合密度在整个平面上积分，导致概率明显大于1。记住，只要密度函数只在某个区域D内非零，你在计算任何概率时都要用D去截取积分区域，而不是把所有积分上限直接改成a和b。

第二类：求联合分布函数时没有分情况。二维分布函数F(x,y)在平面不同位置有不同的表达式，需要逐段求。很多同学只在支持区域内部积分一遍就交卷，忽略x<0时F=0、x>某个边界时部分变量已经积到尽头等情况。二维分布函数的分段通常可以总结为三四段甚至更多，考场上宁可多写几种情况，也不要少写。

第三类：独立性判定的表述不严谨。若用“f_X(x)f_Y(y)=f(x,y)”来验证独立性，必须强调该等式对所有实数x,y成立。一些学生在矩形区域里代入特定值验证，比如只代x=1,y=1成立就写独立，这是不完整的。相反，如果发现不独立，你只要举出一个点，比如“x=0.3,y=0.3时，左边等于0，右边大于0，故不独立”，就足够。注意考点里这点很重要：证明不独立可以找一个反例，证明独立则必须能写出一般性等式。写卷子时这个逻辑不要搞反。

6.3 最后再分享一个复习技巧：每次合上作业本前，问自己三个问题

这几年带学生复习，我越来越觉得概率论这门课不是靠“看明白”的，而是靠“动手算对”的。联合分布和边缘密度这块尤其如此。你不妨在每练完一道题后，在题目旁边给自己三句话复盘：第一句，这个例子的支持区域是什么形状，非零范围怎么写；第二句，求X边缘密度时，把x固定住，y的区间是谁到谁；第三句，如果我问你X和Y独不独立，你第一步去检查区域的矩形性还是去拆密度函数。能把这三句话不翻书说出来，这道题才算真正吃透。

如果让我给一个更具体的训练方案，我会建议你拿近三年的期末真题或课后习题，专门挑“联合密度+独立性判断”的大题，每天做四道，连续做三天。刚开始可能会比较慢，一道题要做二十分钟；到了后面，速度会显著加快，因为你会发现考点就那么几个：求常数、画区域、两次边缘积分、判断独立、再算一个概率。这个固定套路一旦建立，考试时这道15分大题基本能稳定拿到12分以上。更重要的是，它给你后面的解题建立信心，不至于在考场上被一段分段密度函数打乱节奏。