2023年考研数学三第16题
📝 题目
设随机变量 $X$ 与 $Y$ 相互独立,且 $X \sim B(1, p), Y \sim B(2, p), p \in(0,1)$ ,则 $X+Y$ 与 $X-Y$ 的相关系数为 $\_\_\_\_$。
💡 答案解析
---
**解析**:
因为 $X \sim B(1, p)$ ,所以 $D X=p(1-p)$ . 因为 $Y \sim B(2, p)$ ,所以 $D Y=2 p(1-p)$ . $C \operatorname{ov}(X+Y, X-Y)=C \operatorname{ov}(X+Y, X)-C \operatorname{ov}(X+Y, Y)$ $=\operatorname{Cov}(X, X)+\operatorname{Cov}(Y, X)-\operatorname{Cov}(X, Y)-\operatorname{Cov}(Y, Y)=D X-D Y=p(1-p)-2 p(1-p)=-p(1-p)$ 因为 $X$ 与 $Y$ 相互独立,所以 $D(X+Y)=D X+D Y=3 p(1-p), D(X-Y)=D X+D Y=3 p(1-p)$ 故 $\rho=\displaystyle\frac{C \operatorname{ov}(X+Y, X-Y)}{\sqrt{D(X+Y) D(X-Y)}}=-\displaystyle\frac{1}{3}$
📋 详细解题步骤
步骤 1/4
目标:求X和Y的方差
首先,已知随机变量 $X$ 服从参数为 $p$ 的0-1分布,记作 $X \sim B(1, p)$。对于二项分布 $B(n, p)$,其方差公式为 $D(X) = np(1-p)$。当 $n=1$ 时,代入得 $D(X) = 1 \cdot p(1-p) = p(1-p)$。
其次,随机变量 $Y$ 服从参数为 $n=2$,成功概率为 $p$ 的二项分布,记作 $Y \sim B(2, p)$。同样利用二项分布的方差公式 $D(Y) = np(1-p)$,代入 $n=2$ 得 $D(Y) = 2 \cdot p(1-p) = 2p(1-p)$。
因此,我们得到 $X$ 的方差为 $p(1-p)$,$Y$ 的方差为 $2p(1-p)$。这两个方差将在后续步骤中用于计算协方差和相关系数。
公式:$$D(X) = p(1-p), \quad D(Y) = 2p(1-p)$$
提示:牢记二项分布方差公式 $D(X)=np(1-p)$,直接代入参数即可。
步骤 2/4
目标:计算X+Y与X-Y的协方差
我们需要计算随机变量 $X+Y$ 与 $X-Y$ 的协方差 $\operatorname{Cov}(X+Y,\,X-Y)$。根据协方差的线性性质,对于任意随机变量 $A,B,C,D$ 和常数 $a,b,c,d$,有 $\operatorname{Cov}(aA+bB,\,cC+dD)=ac\operatorname{Cov}(A,C)+ad\operatorname{Cov}(A,D)+bc\operatorname{Cov}(B,C)+bd\operatorname{Cov}(B,D)$。特别地,当 $A=C=X$,$B=D=Y$,且 $a=1,b=1,c=1,d=-1$ 时,得到:
$$
\begin{aligned}
\operatorname{Cov}(X+Y,\,X-Y) &= 1\cdot1\cdot\operatorname{Cov}(X,X) + 1\cdot(-1)\cdot\operatorname{Cov}(X,Y) \\
&\quad + 1\cdot1\cdot\operatorname{Cov}(Y,X) + 1\cdot(-1)\cdot\operatorname{Cov}(Y,Y) \\
&= \operatorname{Cov}(X,X) - \operatorname{Cov}(X,Y) + \operatorname{Cov}(Y,X) - \operatorname{Cov}(Y,Y).
\end{aligned}
$$
由于协方差具有对称性 $\operatorname{Cov}(X,Y)=\operatorname{Cov}(Y,X)$,上式可化简为:
$$
\operatorname{Cov}(X+Y,\,X-Y) = \operatorname{Cov}(X,X) - \operatorname{Cov}(Y,Y) = \operatorname{Var}(X) - \operatorname{Var}(Y).
$$
由题目已知条件(或前一步骤结果),$X$ 服从参数为 $p$ 的0-1分布,故 $\operatorname{Var}(X)=p(1-p)$;$Y$ 服从参数为 $2p$ 的二项分布($n=2$),故 $\operatorname{Var}(Y)=2p(1-p)$。代入得:
$$
\operatorname{Cov}(X+Y,\,X-Y) = p(1-p) - 2p(1-p) = -p(1-p).
$$
因此,$X+Y$ 与 $X-Y$ 的协方差为 $-p(1-p)$。
公式:$$\operatorname{Cov}(X+Y,\,X-Y) = \operatorname{Var}(X) - \operatorname{Var}(Y) = p(1-p) - 2p(1-p) = -p(1-p)$$
提示:利用协方差线性性质时,先展开再合并同类项,注意 $\operatorname{Cov}(X,X)=\operatorname{Var}(X)$。
步骤 3/4
目标:计算X+Y和X-Y的方差
由于随机变量$X$与$Y$相互独立,根据方差的性质,和的方差等于方差之和,差的方差也等于方差之和(因为独立时协方差为零)。具体地,有:
$$D(X+Y)=DX+DY+2\text{Cov}(X,Y)$$
$$D(X-Y)=DX+DY-2\text{Cov}(X,Y)$$
当$X$与$Y$独立时,$\text{Cov}(X,Y)=0$,因此:
$$D(X+Y)=DX+DY,\quad D(X-Y)=DX+DY$$
由前面步骤已知,$X\sim B(1,p)$,$Y\sim B(2,p)$,且$X$与$Y$独立。二项分布的方差公式为:若$Z\sim B(n,p)$,则$DZ=np(1-p)$。因此:
$$DX=1\cdot p(1-p)=p(1-p)$$
$$DY=2\cdot p(1-p)=2p(1-p)$$
代入得:
$$D(X+Y)=DX+DY=p(1-p)+2p(1-p)=3p(1-p)$$
$$D(X-Y)=DX+DY=p(1-p)+2p(1-p)=3p(1-p)$$
因此,$X+Y$与$X-Y$的方差相等,均为$3p(1-p)$。
公式:D(X+Y)=D(X-Y)=DX+DY=3p(1-p)
提示:独立时协方差为0,和的方差与差的方差相等,只需计算DX+DY即可。
步骤 4/4
目标:代入相关系数公式并化简
我们已经在前面的步骤中计算出:
- 协方差 $\operatorname{Cov}(X+Y,\,X-Y) = -p(1-p)$
- 方差 $D(X+Y) = 3p(1-p)$
- 方差 $D(X-Y) = 3p(1-p)$
现在代入相关系数公式:
$$
\rho = \frac{\operatorname{Cov}(X+Y,\,X-Y)}{\sqrt{D(X+Y)\cdot D(X-Y)}}
$$
将数值代入:
$$
\rho = \frac{-p(1-p)}{\sqrt{[3p(1-p)]\cdot[3p(1-p)]}} = \frac{-p(1-p)}{\sqrt{9p^2(1-p)^2}}
$$
由于 $p(1-p) > 0$($0
公式:\rho = \frac{\operatorname{Cov}(X+Y,\,X-Y)}{\sqrt{D(X+Y)\cdot D(X-Y)}} = -\frac{1}{3}
提示:注意 p(1-p) 恒正,开方后直接约分,结果与 p 无关。
📷 拍照上传批改
拍照上传批改功能已预留入口,后续接入图片上传、OCR识别与AI批改。