原生数字化重构 · 纯文本与矢量排版

1999年数学三真题答案解析【闲鱼号“非凡小翊”持续更新中】【闲鱼号:非凡小翊】

--- [第 1 页] --- 1 1999 年全国硕士研究生入学统一考试数学三试题解析
一、 填空题
(1) 【答案】4 1  【详解】由题设可知 2 sin cos sin ( ) ( ) x x x x f x x x     .由分部积分法,得 2 2 2 2 ( ) ( ) ( ) ( ) xf x dx xdf x xf x f x dx                2 2 cos sin sin 2 2 4 1 1 x x x x x x              
(2) 【答案】4 【详解】考虑幂级数 1 1 n n nx    ,由 1 lim 1 n n n    可知,该幂级数的收敛半径为1,收敛区间 为( 1,1)  ,则 1 ( 1,1) 2 x   .记 1 1 ( ) n n S x nx     ,两边从0 到x 积分,得 1 1 0 0 0 1 1 1 ( ) ( ) , ( 1,1) 1 x x x n n n n n n x S x dx nx dx nx dx x x x                     所以 2 1 ( ) ( ) , ( 1,1) 1 (1 ) x S x x x x       所以 1 2 1 1 1 1 ( ) ( ) 4 1 2 2 (1 ) 2 n n S n        
(3) 【答案】O 【详解】 1 0 1 0 2 0 1 0 1 A           ,根据矩阵的乘法,以及数与矩阵相乘,矩阵的每一个元素都要 乘以该数,有 2 1 0 1 1 0 1 2 0 2 1 0 1 0 2 0 0 2 0 0 4 0 2 0 2 0 2 1 0 1 1 0 1 2 0 2 1 0 1 A A                                        故有 1 2 2 2 ( 2 ) n n n A A A A A O       --- [第 2 页] --- 2 或由 2 2 A A  ,式子左右两端同右乘 2 n A ,得 2 2 2 2 n n A A A A      ,即 1 2 n n A A   , 得 1 2 n n A A O    或由 2 2 A A  ,式子左右两端同右乘A ,得 2 3 2 2 (2 ) 2 2(2 ) 2 A A A A A A A A       , 式子左右两端再同乘A ,得 3 4 2 3 2 3 (2 ) 2 2 2 2 A A A A A A A A        ,…,依次类推, 得 1 2 1 2 , 2 , n n n n A A A A      所以 1 1 2 1 1 2 2 2 2 2 2 n n n n n n A A A A A A O           
(4) 【答案】16 【概念和性质】(1) 独立正态随机变量的性质:服从正态分布的独立随机变量的线性组合仍 服从正态分布;
(2) 期望的性质: ( ) E aX bY aEX bEY    ,Ec c  (其中, , a b c 为常数);
(3) 方差的性质: 2 ( ) ( ) D cX c D X  ;若X Y 和 独立,则 ( ) D X Y DX DY   
(4) 正态分布标准化:若 2 ~ ( , ) Z N u  ,则 ~ (0,1) Z u N   【详解】由题知: 2 1 2 , , ( ,0.2 ) n X X X N a  , 1 1 n n i i X X n   ,且 1 2 , , n X X X  相互独立, 故 2 1 1 ~ ( , ) n n i i X X N n    ,其中 n EX  , 2 n DX   所以 1 1 1 1 n n n i i i i na EX E X EX a n n n                 2 2 2 2 2 2 1 1 1 1 1 1
0. 2
0. 2 n n n n i i i i i i n DX D X D X DX n n n n n                          所以 2 1 1
0. 2 ~ ( , ) n n i i X X N a n n   ,标准化得 ~ (0,1)
0. 2/ n X a U N n   则只需将 
0. 1
0. 95 n P X a    中大括号里的不等式两端同除以标准差,即有:
0. 1
0. 95
0. 95 2
0. 2/
0. 2/ n X a n P P U n n                           因 ~ (0,1)
0. 2/ n X a U N n   ,查标准正态分布表知  
1. 96
0. 95 P U   --- [第 3 页] --- 3 所以
1. 96 2 n  ,解得
15. 3664 n  . 因n 为整数,所以n 最小为16.
(5) 【答案】 0 EY  【概念和性质】(1)   E X Y EX EY    ;(2)若X和Y 独立,则有EXY EXEY  【详解】由行列式的定义知,行列式是由 2 n 个元素 ij X 的乘积组成的! n 项和式,每一项都 是n 个元素的乘积 1 2 1 2 n j j nj X X X  ,这n 个元素取自行列式中不同行和不同列,在这全部! n 项中每项都带有正号或负号. 由于随机变量   , 1,2, , ; 2 ij X i j n n    独立,所以有 1 2 1 2 1 2 1 2 ( ) n n j j nj j j nj E X X X EX EX EX    所以前面无论取正号或者负号,对和式的期望等于各项期望之和. 即有 11 12 1 21 22 2 1 2 n n n n nn EX EX EX EX EX EX EY EX EX EX        而   , 1,2, , ; 2 ij X i j n n    同分布,且 2 ij EX  所以 11 12 1 21 22 2 1 2 2 2 2 2 2 2 0 2 2 2 n n n n nn EX EX EX EX EX EX EY EX EX EX                (行列式的性质:若行列式两 行(列)成比例,则行列式为0).
二、 选择题
(1) 【答案】( A ) 【详解】应用函数定义判定函数的奇偶性、周期性和单调性. ( ) f x 的原函数 ( ) F x 可以表示为 0 ( ) ( ) , x F x f t dt C    于是   0 0 ( ) ( ) ( ) . u t x x F x f t dt C f u d u C            当 ( ) f x 为奇函数时, ( ) ( ) f u f u   ,从而有 0 0 ( ) ( ) ( ) ( ) x x F x f u du C f t dt C F x         即F(x)为偶函数. 故(A)为正确选项. --- [第 4 页] --- 4 (B)、(C)、(D)可分别举反例如下: 2 ( ) f x x  是偶函数,但其原函数 3 1 ( ) 1 3 F x x  不是奇函数,可排除(B); 2 ( ) cos f x x  是周期函数,但其原函数 1 1 ( ) sin2 2 4 F x x x   不是周期函数,可排除(C); ( ) f x x  在区间( , ) 内是单调增函数,但其原函数 2 1 ( ) 2 F x x  在区间( , )  内非单调增函数,可排除(D).
(2) 【答案】(C) 【详解】因为 ( , ) D f u v dudv  为一确定的数,不妨设 ( , ) D f u v dudv a   ,则 ( , ) f x y xy a   , 所以 2 1 0 0 ( , ) ( ) ( ) x D D a f x y dxdy xy a dxdy dx xy a dy          5 1 2 0 1 ( ) 2 12 3 x a ax dx      , 解之得 1 8 a  ,所以 1 ( , ) 8 f x y xy   ,故应选(C).
(3) 【答案】(B) 【详解】 方法1:可由向量组 1 2 , , , m    线性表示,即存在常数 1 2 , , , m k k k  使得 1 1 2 2 m m k k k          (*) 不能由 1 2 1 , , , m     线性表出,从而知 0 m k (若 0 m k  ,则 1 1 2 2 1 1 m m k k k            , 这和不能由 1 2 1 , , , m     线性表出矛盾.) (*)可变为 1 1 2 2 1 1 m m m m k k k k              , 上式两端同除 m k 1 1 2 2 1 1 1 ( ) m m m m k k k k              m 能由( II )线性表示,排除(A)(D). m 不能由 1 2 1 , , , m     线性表示,若能,即存在常数 1 2 1 , , , m     使得 --- [第 5 页] --- 5 1 1 2 2 1 1 m m m             , 代入(*)得  1 1 2 2 1 1 2 2 1 1 ( ) m m m k k k                  1 1 1 2 2 2 1 1 1 ( ) ( ) ( ) m m m m m m k k k k k k                  这和不能由 1 2 1 , , , m     线性表出矛盾,排除(C).故应选(B). 方法2:若取 1 2 3 1 0 0 1 0 , 1 , 0 , 1 0 0 1 1                             ,则 1 2 3        ,即可由 1 2 3 , , 线性表出. 假设存在常数 1 2 , k k ,满足 1 1 2 2 k k      因为 1 2 1 2 ( , ) 2 ( , , ) 3 r r       , 即方程组 1 1 2 2 k k      的系数矩阵的秩不等于增广矩阵的秩,故方程组无解,即不 存在常数 1 2 , k k ,满足 1 1 2 2 k k      ,不能由 1 2 , 线性表出,是满足题设条件的 一个特例, 此时, 3 不能由( I ) 1 2 , 线性表示,若存在常数1 2 , l l ,满足 3 1 1 2 2 l l      因为 1 2 1 2 3 ( , ) 2 ( , , ) 3 r r      ,即方程组 3 1 1 2 2 l l      的系数矩阵的秩不等于增 广矩阵的秩,故方程组无解,不存在常数1 2 , l l ,满足 3 1 1 2 2 l l      ,故 3 不能由 ( I ) 1 2 , 线性表示, 但因为 3 1 2        ,即 3 可由(II ) 1 2 , ,  线性表示,故应选(B).
(4) 【答案】(D) 【详解】 方法1:A 相似于B ,根据矩阵相似的定义,则存在可逆阵P ,使得 1 P AP B   ,则 1 1 1 ( ) P tE A P P tEP P AP tE B         根据矩阵相似的定义,则tE A  相似于tE B  ,应选(D). 方法2:排除法 (A) 不成立. 若E A E B      ,则A B  ,而已知只是相似. (B) 不成立. A 与B 相似,根据矩阵相似的定义,即存在可逆阵,使得 1 P AP B   , 从而有 --- [第 6 页] --- 6 E B   1 E P AP     (把 1 P AP B   代入) 1 1 P P P AP      ( 1 P P E   ) 1 1 ( ) P E P P AP      1( ) P E A P     1 P E A P     (矩阵乘积的行列式等于行列式的乘积) E A    (矩阵逆的行列式等于行列式的逆,故 1 1 P P  ) 从而, , A B 有相同特征多项式,故有相同的特征值. 若A   ,在 1 P AP B   的两边同时左乘P ,右乘 1 P ,得 1 1 1 PP APP PBP A      ,故 1 PBP A       , 在上式两边左乘 1 P,得 1 1 ( ) ( ) B P P       , 根据特征值和特征向量的定义,B 的属于特征值的特征向量是 1 P   ,而A 的属于特 征值的特征向量,它们并不相同. (C)不成立. , A B 相似时,也可能它们本身都不相似于对角阵. 例如 0 1 0 0 A         , 0 0 1 0 B         ,因存在可逆阵 0 1 1 0 P         ,使得 1 0 0 1 0 1 0 0 0 0 1 0 1 0 P AP                              , 则根据矩阵相似的定义,知A B  ,但 , A B 都不相似于对角阵. 若A 能相似于对角阵,即A 可相似对角化. 先求特征值,特征多项式为 2 1 0 E A         , 令 0 E A    得A 的两个特征值0.若A 相似于对角阵,则存在可逆矩阵P ,使得 1 0 0 P AP        , 上式两端同时左乘P ,右乘 1 P,得 1 1 1 0 0 0 0 0 0 PP APP A P P                   ,与 --- [第 7 页] --- 7 0 1 0 0 A         矛盾,故A 不可相似对角化. 若B 能相似于对角阵,即B 可相似对角化.先求特征值,特征多项式为 2 0 1 E B         , 令 0 E B    得B 的两个特征值0. 若B 相似于对角阵,则存在可逆矩阵P ,使得 1 0 0 P BP        , 上式两端同时左乘P ,右乘 1 P,得 1 1 1 0 0 0 0 0 0 PP BPP B P P                   ,与 0 1 0 B         矛盾,故B 不可相似对角化.
(5) 【答案】( A ) 【详解】给定 1 X 和 2 X 的概率分布,求 1 X 和 2 X 的联合分布,所给条件为  1 2 0 1 P X X   , 这就需要从这个条件入手. 由于事件  1 2 0 X X  包括事件:       1 2 1 2 1 2 1 2 1 2 0, 1 , 0, 0 , 0, 1 , 1, 0 , 1, 0 X X X X X X X X X X           所以从正面研究其概率是研究不清的,在这种情况下,往往需要通过其对立事件来研究. 根据   1 P A P A  ,有    1 2 1 2 0 1 0 1 1 0 P X X P X X     所以有           1 2 1 2 1 2 1 2 1 2 0 1, 1 1, 1 1, 1 1, 1 0 P X X P X X P X X P X X P X X               而根据概率的非负性有:         1 2 1 2 1 2 1 2 1, 1 1, 1 1, 1 1, 1 0 P X X P X X P X X P X X             而         1 2 1 2 1 2 1 2 1, 1 0, 0 1, 1 P X X P X X P X X P X X               1 2 1 2 0 0, 0 0 0, 0 P X X P X X         又根据边缘概率的定义:     , , 1,2, i i i j ij j j p P X x P X x Y y p i           --- [第 8 页] --- 8     , , 1,2, j j i j ij i i p P Y y P X x Y y p j           ( 通俗点说就是在求关于X 的边缘分布时,就把对应x 的所有y 都加起来,同理求关于Y 的 边缘分布时,就把对应y 的所有x 都加起来) 由         1 1 2 1 2 1 2 1 1, 1 1, 0 1, 1 P X P X X P X X P X X           故         1 2 1 1 2 1 2 1, 0 1 1, 1 1, 1 P X X P X P X X P X X           1 1 0 0 4 4     同理可得        1 2 1 2 1 2 1 2 1 0, 1 0, 1 1, 0 1, 0 4 P X X P X X P X X P X X             又         1 1 2 1 2 1 2 0 0, 1 0, 0 0, 1 P X P X X P X X P X X               1 2 1 2 1 1 1 0, 0 0, 0 4 4 2 P X X P X X          而由已知  1 1 0 2 P X   ,所以得  1 2 0, 0 0 P X X    故         1 2 1 2 1 2 1 2 1, 1 0, 0 1, 1 P X X P X X P X X P X X               1 2 1 2 0 0, 0 0 0, 0 0 P X X P X X          三【详解】曲线 1 y x  在曲线上点 1 ( , ) a a 处的切线的斜率为 3 3 1 1 | | 2 2 x a x a y x a        , 由直线的点斜式方程得切线方程 3 1 1 ( ) 2 y x a a a    , 分别令 0, 0 x y   得到与y 轴,x 轴的交点分别为 3 (0, ) 2 R a 与 (3 ,0) Q a . 于是切线 与x 轴和y 轴围成一个直角三角形,由三角形的面积公式得 1 3 9 3 2 4 2 S a a a     . 当切点按x 轴正项趋于无穷大时,这时,a ,所以lim a S   当切点按y 轴正项趋于无穷大时,这时, 0 a  ,所以lim 0 a S   四【详解】 --- [第 9 页] --- 9 解法1:区域D 和 1 D 如图所示,有 1 1 1 2 D D D D ydxdy ydxdy ydxdy I I         显然 1 0 2 1 2 0 4 D D I ydxdy dx ydy         在极坐标系下,有   1 ( , ) | 0 2sin , 2 D r r          因此 1 2sin 2 2 0 sin D I ydxdy d r rdr            4 2 2 8 8 1 cos4 sin 1 2cos2 3 3 4 2 2 d d                         于是 1 2 4 2 D ydxdy I I       解法2:如图所示,   2 ( , ) | 2 2 ,0 2 D x y x y y y       2 2 2 2 2 2 0 2 0 0 2 2 y y D ydxdy ydy dx ydy y y y dy             2 2 0 4 1 ( 1) y y dy      令 1 sin y t  ,有 cos dy tdt  ,则 2 2 0 1 ( 1) y y dy    2 2 2(1 sin )cos t tdt       2 2 2 2 2 2 cos cos sin tdt t tdt           2 0 1 cos2 2 0 2 2 t dt        五【详解】设两种要素的总投入费用为P ,则由题意得 1 1 2 2 P p x p x   ,题目问产出量为 12时,两要素各投入多少可以使得投入总费用最小,即是求函数 1 1 2 2 P p x p x   在约束条 件 1 2 2 12 Q x x     下的条件最值. 按格朗日数乘法,作函数 1 2 1 1 2 2 1 2 ( , , ) (2 12) F x x p x p x x x         , 为求驻点求偏导并令其为零,即 O x D D1 y 2 --- [第 10 页] --- 10 1 1 1 2 1 1 2 1 2 2 1 2 2 0 2 0 2 12 0 F p x x x F p x x x F x x                                由前两式可得 1 2 2 1 p x p x    ,解出 2x 代入第三个式子,得 2 1 1 6( ) p x p     1 2 2 6( ) p x p     , 因为驻点唯一,且实际问题在 1 0 x  , 2 0 x  的范围内存在最小值, 故 2 1 1 6( ) p x p     , 1 2 2 6( ) p x p     时P 为最小. 六【公式】形如 ( ) ( ) y p x y q x   ,方程的通解为 ( ) ( ) ( ( ) ) p x dx p x dx y e q x e dx C      【详解】由于所求函数  y y x  在  ,1  和  1,都满足所给微分方程,故在两个区间 上分别求微分方程, 即 2 2, 1 2 0, 1 y y x y y x         ,解得 2 2 1 2 2 2 ( 2 ), 1 ( 0 ), 1 dx dx dx dx y e e dx C x y e e dx C x                   ,其中 1 2 , C C 为常数. 化简得 2 1 2 2 1 , 1 , 1 x x y C e x y C e x        由题设 0 0 y  ,其中 0 1 x   ,可知 2 1 1 0 0 1 1 0 x x x y C e C      ,解得 1 1 C  所以有 2 2 2 1 , 1 , 1 x x y e x y C e x        又因为  y y x  在  , 内连续,所以 1 1 lim lim
(1) x x y y y     即 2 2 2 1 1 lim( 1 ) lim
(1) x x x x e C e y      解之得 2 2 2 1 , (1) 1 C e y e     故所求连续函数为  2 2 2 1, 1 (1 ) , 1 x x e x y y x e e x            --- [第 11 页] --- 11 七【详解】   2 f x t  中的变量是2x t ,故设法把x “转移”到f 外, 令 2 u x t  ,则 2 t x u   ,所以dt du  代入   2 0 1 2 arctan 2 xtf x t dt x    得     2 0 2 2 (2 ) (2 ) x x x x x tf x t dt x u f u du x u f u du           2 2 2 1 2 arctan 2 x x x x x f u du uf u du x      方法1:将等式   2 2 2 1 2 arctan 2 x x x x x f u du uf u du x     两边对x 求导得  2 4 2 2 [2 (2 ) ( )] [2 2 ) 2 ( )] 1 x x x f u du x f x f x xf x xf x x        ( 化简得 2 4 2 ( ) ( ) 1 x x x f u du xf x x     令 1 x  得, 2 1 1 2 ( )
(1) 1 1 f u du f     ,化简得  2 2 1 1 1 1 1 1 3 ( ) [
(1) ] ( 1) 2 2 2 2 4 f u du f x dx f         方法2:引入 ( ) f x 的一个原函数 ( ) F x ,则 ( ) ( ) F x f x   于是   2 2 2 2 2 [ (2 ) ( )] ( ) x x x x x x x f u du uf u du x F x F x udF u        2 2 2 [ (2 ) ( )] ( ) ( ) x x x x x F x F x uF u F u du     2 ( ) ( ) x x xF x F u du   所以 2 2 1 ( ) ( ) arctan 2 x x xF x F u du x     , 两边对x 求导,得 4 ( ) ( ) 2 (2 ) ( ) 1 x F x xf x F x F x x       即 4 1 (2 ) ( ) [ ( )] 2 1 x F x F x xf x x     即 2 4 1 ( ) (2 ) ( ) [ ( )] 2 1 x x x f u du F x F x xf x x       令 1 x  得,  2 2 1 1 1 1 1 1 3 ( ) [
(1) ] ( 1) 2 2 2 2 4 f u du f x dx f         八【详解】(1) 构造函数( ) ( ) F x f x x  ,则  F x 在区间[0,1] 上连续,在(0,1) 内可导,且 1 1 1 1 1 ( ) ( ) 1 0,
(1)
(1) 1 0 1 1 0 2 2 2 2 2 F f F f         , 所以由介值定理得,存在一点 1 ,1 2        ,使得 ( ) ( 0 F f       ) 即存在一点 1 ,1 2        ,使得 ( f    ) ,原命题得证. --- [第 12 页] --- 12
(2) 令   1 0 f x f x x          , 解微分方程得 ( ) x f x x Ce   ,即 ( ( ) ) x e f x x C     令 ( ) ( ( ) ) x F x e f x x     因为 0
(0) ( (0) 0) 0, ( ) ( ( ) ) 0 F e f F e f            , 所以,在(0, ) 上由罗尔定理知,必然存在点 (0, )    ,使得 ( ) 0 F    即 ( ) ( ( ) ) ( ( ) 1) F e f e f                ( ( ) ( ) 1) 0 e f f              即   1 f f             九【详解】(1) 因为   2 2 4 4 2 0 0 1 1 1 tan (1 tan ) tan sec n n n n a a x x dx x xdx n n n          tan 1 4 0 0 1 1 1 tan tan ( 1) x t n n xd x t dt n n n n         又由部分和数列   2 1 1 1 1 1 1 1 1 ( ) 1 , ( 1) 1 1 n n n n i i i i i S a a i i i i i n                 有 lim 1, n n S   因此   2 1 1
1. n n n a a n      
(2) 先估计 na 的值,因为 4 0 tann na xdx   ,令 tan t x  ,则 2 sec dt xdx  ,即 2 1 dt dx t  所以 1 1 2 0 0 1 , 1 1 n n n t a t dt t n        所以 1 1 1 , ( 1) na n n n n       --- [第 13 页] --- 13 由于 1 0  ,所以 1 1 1 n n    收敛,从而 1 n n a n   也收敛. 十【详解】 方法1: ( ) T T T B E A A    ( ) T T T E A A    ( ) T T T E A A    T E A A B     , 根据实对称矩阵的定义,故B 是实对称阵. 对任意的非零向量x , ( ) T T T x A Ax  ,有 ( ) T T x E A A x   ( ) ( ) T T T x E x x A A x    T T T x x x A Ax    ( ) T T x x Ax Ax    因 0 x  ,故有 0 Tx x  .(设   1 2 , , , 0 T n x a a a    ,则 , 1,2, , ia i n   中至少一 个不为零,则 2, 1,2, , ia i n   中至少一个大于零,故 2 1 0 n T i i x x a     ) ( ) 0 T Ax Ax  (设   1 2 , , , T n Ax b b b   , 2 1 ( ) 0 n T i i Ax Ax b     ,因为Ax 有可能为 零,即有可能 0, 1,2, , ib i n    ,故这里可能取等号.) 故当 0  时, 0 Tx x   .对任意的 0 x  ,均有 ( ) ( ) 0 T T T T T x Bx x E A A x x x Ax Ax        由正定矩阵的定义,得证:B 是正定矩阵. 方法2:B 正定B 的全部特征值大于零 设B 有特征值,对应的特征向量为,由特征值和特征向量的定义,B   , 将 T B E A A    代入,得 ( ) T E A A      ,其中 0  上式两边左乘 T ,得 ( ) T T E A A     T T T A A      ( ) ( ) T T A A      T   变形得 ( ) ( ) ( ) T T A A       因 0  ,设   1 2 , , , 0 T n c c c    ,则 , 1,2, , ic i n   中至少一个不为零,则 2, 1,2, , ic i n   中至少一个大于零,故 2 1 0 n T i i c      --- [第 14 页] --- 14 ( ) ( ) 0 T A A   (设   1 2 , , , T n A d d d   , 2 1 ( ) 0 n T i i A A d       ,因为A有可 能为零,即有可能 0, 1,2, , id i n    ,故这里可能取等号.) 故 ( ) ( ) 0 T T A A         所以,当 0  时,有 0     ,故知B 的特征值全部大于零,B 是正定矩阵. 十一 【定义】(1)相关系数 cov( , ) ( , ) X Y X Y DX DY   ); (2)协方差   cov( , ) U V E UV EUEV   ;
(3) 离散型随机变量期望 i i i EX x p  ; (4)方差的定义:   2 2 DU EU EU   【详解】(1) 由题知U V 和 均服从0 1 分布,     0 P U P X Y    ,    1 P U P X Y    ,     0 2 P V P X Y    ,    1 2 P V P X Y    二维随机变量  , X Y 在矩形     , 0 2, 0 1 G x y x y       上服从均匀分布(根据二 维均匀分布的性质,各部分所占的概率是其面积与总面积之比) 所以,如图所示:   1 1 1 1 1 2 1 2 4 D S P X Y S       总   3 1 1 2 1 2 2 1 2 2 D S P X Y S       总       1 1 1 2 1 2 1 4 2 4 P Y X Y P X Y P X Y            , U V 有四个可能值:     0,0 , 0,1 , 1,0 , 1,1       1 0, 0 , 2 4 P U V P X Y X Y P X Y              0, 1 , 2 0 P U V P X Y X Y P              1 1, 0 , 2 2 4 P U V P X Y X Y P Y X Y          1 x y O x y  2 y x y   x y  2 1 2 x y  2 x y  1 D 2 D 3 D --- [第 15 页] --- 15       1 1, 1 , 2 2 2 P U V P X Y X Y P X Y        
(2) 由根据边缘概率的定义:     , , 1,2, i i i j ij j j p P X x P X x Y y p i               , , 1,2, j j i j ij i i p P Y y P X x Y y p j           有       1 1 0 0, 0 0, 1 0 4 4 P U P U V P U V                 1 1 3 1 1, 0 1, 1 4 2 4 P U P U V P U V                 1 1 1 0 0, 0 1, 0 4 4 2 P V P U V P U V                 1 1 1 0, 1 1, 1 0 2 2 P V P U V P U V           而         0 0, 0 0, 1 1, 0 P UV P U V P U V P U V           1 1 1 0 4 4 2         1 1 1, 1 2 P UV P U V      即 所以 1 1 1 0 1 2 2 2 EUV     , 1 3 3 0 1 4 4 4 EU     , 1 1 1 0 1 2 2 2 EV     所以   1 3 1 1 cov( , ) 2 4 2 8 U V E UV EUEV       又 2 1 3 3 0 1 4 4 4 EU     , 2 1 1 1 0 1 2 2 2 EV     所以   2 2 2 3 3 3 4 4 16 DU EU EU            ,   2 2 2 1 1 1 2 2 4 DV EV EV            V 0 1 p 1 2 1 2 UV 0 1 p 1 2 1 2 U 0 1 p 1 4 3 4 2 U 0 1 p 1 4 3 4 2 V 0 1 p 1 2 1 2 --- [第 16 页] --- 16 故 1 cov( , ) 3 8 ( , ) 3 3 1 4 2 U V r U V DU DV     十二【概念和性质】(1)   E aX bY aEX bEY    ;(2) 2 ( ) ( ) D cX c D X  ;
(3) 若X Y 和 独立,则 ( ) D X Y DX DY    ;
(4) t 分布的定义:若 ~ (0,1) X N , 2 ~ ( ) Y n  , , X Y 独立,则 ~ ( ) X T t n Y n 
(5) 正态分布标准化的定义:若 2 ~ ( , ) Z N u  ,则 ~ (0,1) Z u N   【详解】由于 1 9 , , X X  是来自总体X 的简单随机样本,故 1 9 , , X X  独立. 设 2 ~ ( , ) X N u  ,则 2 1 9 , , ~ ( , ) X X N u   ,又因为服从正态分布的独立随机变量其 线性组合也服从正态分布,则   2 1 1 2 6 1 ~ ( , ) 6 6 Y X X X N u        其中     1 1 2 6 1 2 6 1 1 6 ( ) 6 6 6 u u E Y E X X X EX EX EX u                        2 1 1 2 6 1 2 6 1 1 ( ) 6 36 D Y D X X X D X X X                   2 6 1 1 1 36 6 6 i i DX DX       故 2 1 ~ ( , ) 6 Y N u  同理,因为   2 7 8 9 1 3 Y X X X    ,所以 2 2 ~ ( , ) 3 Y N u  又由于 1 2 , Y Y 独立,且都服从正态分布,故 1 2 Y Y  也服从正态分布,其期望方差分别为: 1 2 1 2 ( ) 0 E Y Y EY EY u u       , 2 2 2 1 2 1 2 ( ) 6 3 2 D Y Y DY DY          得 2 1 2 ~ (0, ) 2 Y Y N   --- [第 17 页] --- 17 将 1 2 Y Y  标准化得 1 2 0 ~ (0,1) 2 Y Y U N     由正态总体样本方差的性质: 2 2 2 ( 1) ~ ( 1) n S n     ,推得 2 2 2 2 2 ~
(2) S     因 2 S 与 2Y 独立(由于样本方差与样本均值独立) 而 2 1Y S 与 独立,故 1 2 0 2 Y Y U     与 2 2 2S  独立. 所以由t 分布的定义有: 1 2 2 2 2 0 2 ~ (2) 2 2 2 Y Y U t S       化简上式 1 2 1 2 2 2 0 2( ) 2 2 2 Y Y Y Y S S       即 1 2 2( ) ~ (2) Y Y Z t S  