原生数字化重构 · 纯文本与矢量排版

2002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 2002 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】 1 1 2a  【详解】ln “ ”里面为1 “ ”型,通过凑成重要极限形式来求极限, 1 (1 2 ) 1 2 2 1 1 limln limln 1 (1 2 ) (1 2 ) n n a a n n n na n a n a                       (1 2 ) 1 1 lim ln 1 1 2 (1 2 ) n a n a n a             1 1 ln 1 2 1 2 e a a     .
(2) 【答案】 2 1 2 0 ( , ) x x dx f x y dy   【详解】画出与原题中二次积分的限所对应的积分区域 1 D 与 2 D ,将它们的并集记为D . 于是 1 1 1 4 2 2 1 0 4 ( , ) ( , ) y y y dy f x y dx dy f x y dx      ( , ) D f x y d  . 再将后者根据积分定义化为如下形式,即 2 1 0 2 x y x x   从 ,从 ,所以 2 1 2 0 ( , ) ( , ) . x x D f x y d dx f x y dy    
(3) 【答案】1  【详解】 1 2 2 2 1 2 1 2 3 , 3 0 4 1 3 4 a a A a a                           由于A与线性相关,(两个非零向量线性相关,则对应分量成比例),所以有 --- [第 2 页] --- 2 2 3 3 4 1 1 a a a a     ,得2 3 3 4,
1. a a a     或 ,( 0) A k k     (两个非零向量线性相关,则其中一个可以由另一个线性表出) 即 2 3 1 3 4 1 a a a k a                   ,得 2 3 3 4 a ka a k a k           ,得
1. ( 1) a k  
(4) 【答案】0.02  . 【详解】 2 X 、 2 Y 和 2 X 2 Y 都是0 1 分布,而0 1 分布的期望值恰为取1时的概率p . 由离散型随机变量X 和Y 的联合概率分布表可得 2 X 的可能取值为0 和1,且 2 Y 的可 能取值也为0 和1,且X 和Y 的边缘分布为   0
0. 07
0. 18
0. 15
0. 4 P X      ;  1
0. 08
0. 32
0. 20
0. 6 P X      ;   1
0. 07
0. 08
0. 15 P Y     ;  0
0. 18
0. 32
0. 5 P Y     ;   1
0. 15
0. 20
0. 35 P Y     ; 故有 X 0 1
0. 4
0. 6 Y 1  0 1
0. 15
0. 5
0. 35     2 2 0, 0 0, 0
0. 18, P X Y P X Y             2 2 0, 1 0, 1 0, 1
0. 07
0. 15
0. 22, P X Y P X Y P X Y                2 2 1, 0 1, 0
0. 32, P X Y P X Y             2 2 1, 1 1, 1 1, 1
0. 08
0. 20
0. 28, P X Y P X Y P X Y            而边缘分布律:     2 0 0
0. 4 P X P X     ,    2 1 1
0. 6 P X P X     ,     2 0 0
0. 5 P Y P Y     ,       2 1 1 1
0. 15
0. 35
0. 5 P Y P Y P Y         所以, 2 2 ( , ) X Y 的联合分布及其边缘分布为 --- [第 3 页] --- 3 2 Y 2 X 0 1 0 0.18 0.22 0.40 1 0.32 0.28 0.60 0.50 0.50 1 由上表同理可求得 2 2 X Y 的分布律为 2 2 X Y 0 1 P 0.72 0.28 所以由0 1 分布的期望值恰为取1 时的概率p 得到: 2 2 2 2 2 2 2 2 2 2 ( )
0. 5 ( )
0. 60, (
0. 28 cov ( ) ( )
0. 28
0. 6 0.5
0. 02 E X E Y E X Y X Y E X Y E X E Y          , ) ( , )( )
(5) 【答案】 1 X . 【详解】矩估计的实质在于用样本矩来估计相应的总体矩,此题中被估参数只有一个,故只 需要用样本一阶原点矩(样本均值)来估计总体的一阶原点矩(期望) 期望 ( ) ( ) ( ) 1 x E X xf x dx xe dx               样本均值 1 1 n i i X X n   用样本均值估计期望有 EX X  ,即 1 1 1 n i i X n    , 解得未知参数的矩估计量为 1 1 ˆ 1 1 n i i X X n       .
二、 选择题
(1) 【答案】(B) 【详解】方法1:论证法.由题设 ( ) f x 在开区间( , ) a b 内可导,所以 ( ) f x 在( , ) a b 内连续, 因此,对于( , ) a b 内的任意一点,必有lim ( ) ( ). x f x f     即有lim[ ( ) ( )] 0 x f x f      .故 选(B). 方法2:排除法. (A)的反例: 1 ( , ] ( ) 1 x a b f x x a      ,有 ( ) 1, ( ) 1, ( ) ( ) 1 0 f a f b f a f b    , --- [第 4 页] --- 4 但 ( ) f x 在( , ) a b 内无零点. (C)与(D)的反例, ( 1,1] ( ) 1 1 x x f x x      ( 1)
(1) 1 f f    ,但 ( ) 1 f x   (当 ( 1,1) x ),不满足罗尔中值定理,当然也不满足拉格朗日中值定理的结论.故选(B).
(2) 【答案】(D) 【详解】方法1:A 是m n  矩阵,B 是n m  矩阵,则AB 是m 阶方阵,因 ( ) min( ( ), ( )) r AB r A r B  . 当m n  时,有( ) min( ( ), ( )) r AB r A r B n m    .(系数矩阵的秩小于未知数的 个数)方程组  0 AB x  必有非零解,故应选(D). 方法2:B 是n m  矩阵, 当m n  时,,则( ) r B n  ,(系数矩阵的秩小于未知数的个数)方 程组 0 Bx  必有非零解,即存在 0 0 x  ,使得 0 0 Bx  ,两边左乘A ,得 0 0 ABx  , 即 0 ABx  有非零解,故选(D).
(3) 【答案】(B) 【详解】方法1:由题设根据特征值和特征向量的定义,A   ,A 是n 阶实对称矩阵, 故 T A A  .设  1 T P AP B   ,则 1 1 1 ( ) T T T T T T T B P A P P AP P A P       上式左乘 1 T P ,右乘 T P ,得 1 1 1 ( ) ( ) ( ) T T T T T T P BP P P A P P     ,即 1 T T A P BP   , 所以 1 ( ) T T A P BP       两边左乘 T P ,得 1 ( ) ( ) T T T T P P BP P     得 ( ) T T B P P     根据特征值和特征向量的定义,知 1 ( )T B P AP   的对应于特征值的特征向量为 T P ,即应选(B). 方法2:逐个验算(A),(B),(C),(D)中哪个选项满足,由题设根据特征值和特征向量的定 义,A   ,A 是n 阶实对称矩阵,故 T A A  .设  1 T P AP  属于特征值的特征 --- [第 5 页] --- 5 向量为,即  1 T P AP     ,其中  1 1 1 T T T T T T P AP P A P P AP      对(A),即令 1 P     ,代入 1 1 1 ( ) T T P AP P P        对(B), 1 ( ) T T T P AP P   1 ( ) T T T P A P P    1 [( ) )] T T T P A P P    T P A  ( ) T P    成立.故应选(B).
(4) 【答案】C 【分析】(i) 2 变量的典型模式是: 2 2 2 2 1 2 n X X X      ,其中 i X 要求满足: i X 相互 独立, (0,1) i X N .称 2 为参数为n 的 2 变量. (ii) F 变量的典型模式是: 1 2 / / X n F Y n  ,其中 , X Y 要求满足:X 与Y 相互独立, 2 2 1 2 ( ), ( ) X n Y n   ,称F 为参数为  1 2 , n n 的F 变量. 【详解】方法1:根据题设条件,X 和Y 均服从 (0,1) N .故 2 X 和 2 Y 都服从 2(1)  分布, 答案应选(C). 方法2:题设条件只有X 和Y 服从 (0,1) N ,没有X 与Y 的相互独立条件.因此, 2 X 与 2 Y 的独立条件不存在,选(B)、(D)项均不正确. 题中条件既没有X 与Y 独立,也没有( , ) X Y 正态,这样就不能推出X Y  服从正 态分布的选项(A).根据排除法,正确选项必为(C). 三【详解】 2 2 0 0 0 0 0 0 3 arctan(1 ) arctan(1 ) lim lim 1 (1 cos ) 2 x u x u x x t dt du t dt du x x x                    等 2 0 0 2 arctan(1 ) lim 3 2 x x t dt x    洛 洛 2 0 arctan(1 ) 2 lim 3 x x x x    2 3 4 6      . 四【详解】方法1:用一阶微分形式不变性求全微分. 1 2 3 du f dx f dy f dz       ( , ) z z x y  由 x y z xe ye ze   所确定,两边求全微分,有 ( ) ( ) ( ) ( ) ( ) x y z x y z d xe ye d ze d xe d ye d ze      --- [第 6 页] --- 6 x x y y z z xe dx e dx ye dy e dy ze dz e dz       , 解出 ( 1) ( 1) ,( 1 0). ( 1) x y z e x dx e y dy dz z e z       设 所以 du  1 2 3 ( 1) ( 1) ( 1) x y z e x dx e y dy f dx f dy f e z           1 3 2 3 ( 1) ( 1) ( 1) ( 1) x y z z e x e y f f dx f f dy e z e z                         方法2: 1 3 2 3 , u z u z f f f f x x y y                 (根据多元函数偏导数的链式法则) 下面通过隐函数求导得到z x   ,z y   .由 x y z xe ye ze   两边对x 求偏导数,有 ( ) , x x z z z xe e ze e x      得 x x z z z xe e x ze e      ,( 1 0) z  设 .类似可得, y y z z z ye e y ze e      ,代入 , u u x y     表达式 1 3 2 3 ( ), ( ) x x y y z z z z u xe e u ye e f f f f x ze e y ze e                   , 再代入 u u du dx dy x y       中,得 du 1 3 2 3 ( 1) ( 1) ( 1) ( 1) x y z z e x e y f f dx f f dy e z e z                         . 五【详解】首先要从 2 (sin ) sin x f x x  求出 ( ) f x . 命 2 sin u x  ,则有sin x u  , arcsin x u  ,于是 arcsin ( ) u f u u  .(通过换元 求出函数的表达式) arcsin ( ) 1 1 x x x f x dx dx x x x      arcsin 1 x dx x    sin 2sin cos cos x t t t tdt t    (换元积分法) --- [第 7 页] --- 7 sin t tdt    2 cos sin t t t C     (分部积分法) 2 1 arcsin x x x C          . 六【分析】旋转体的体积公式:设有连续曲线 : ( )( ) y f x a x b     , ( ) 0 f x  与直线 , x a x b   及x 轴围成平面图形绕x 轴旋转一周产生旋转体的体积 2 ( ) b a V f x dx   . 【详解】(1)   2 2 2 5 1 4 2 (32 ) 5 a V x dx a       2 2 2 2 2 4 2 0 2 0 2 a V a a x dy a a          .
(2) 5 4 1 2 4 (32 ) 5 V V V a a        根据一元函数最值的求法要求驻点,令 3 4 (1 ) 0 dV a a da    = , 得 1 a  . 当0 1 a  时 0 dV da  ,当1 2 a   时 0 dV da  ,因此 1 a  是V 的唯一极值点且 是极大值点,所以是V 的最大值点, 129 max 5 V   . 七【解】(1) 3 6 9 3 3 1 ( ) 1 1 3 (3 )! (3 )! n n n x x x x x y x n n           + !6!9! , 由收敛半径的求法知收敛半径为,故由幂级数在收敛区间上逐项可导公式得 3 3 1 1 ( ) (1 ) (3 )! (3 )! n n n n x x y x n n                   3 1 1 3 (3 )! n n nx n     3 1 1 (3 1)! n n x n       , 同理得 3 2 1 (3 2)! n n x y n       从而 ( ) ( ) ( ) y x y x y x     3 2 3 1 3 1 1 1 ( ) ( ) (1 ) (3 2)! (3 1)! (3 )! n n n n n n x x x n n n                  1 1 ! n n x n    (由 xe 的麦克劳林展开式) xe  这说明, 3 0 ( ) (3 )! n n x y x n    是微分方程 x y y y e      的解,并且满足初始条件 --- [第 8 页] --- 8 3 1 0
(0) 1 (3 )! n n y n    1  , 3 1 1 0
(0) (3 1)! n n y n        0  .
(2) 微分方程 x y y y e      对应的齐次线性方程为 0 y y y      ,其特征方程为 2 1 0     ,其特征根为 1 3 2 2 i   ,所以其通解为 2 1 2 3 3 [ cos sin ] 2 2 x y e C x C x    . 另外,该非齐次方程的特解形式为 x y ce  ,代入原非齐次方程得 x x x x ce ce ce e    , 所以 1 3 c  .故微分方程 x y y y e      的通解为 2 1 2 3 3 1 [ cos sin ] 2 2 3 x x y e C x C x e     . 故 2 2 1 2 1 2 1 3 3 3 3 3 1 [ cos sin ] [ sin cos ] 2 2 2 2 2 2 3 x x x y e C x C x e C x C x e           2 2 2 1 1 2 1 3 3 1 3 3 1 ( 2 )sin ( 2 )cos 2 2 2 2 2 2 3 x x x e C C x e C C x e            由初始条件(0) 1,
(0) 0 y y   得 0 0 2 1 2 1 0 0 0 2 2 2 1 1 2 1 2 3 3 1 1 1 [ cos 0 sin 0] 2 2 3 3 1 3 3 1 3 3 1 0 ( 2 )sin 0 ( 2 )cos 0 2 2 2 2 2 2 3 1 3 1 2 2 3 e C C e C e C C e C C e C C                              解得 1 1 2 1 1 3 1 3 1 0 2 2 3 C C C          , 于是得到惟一的一组解:1 2 2 ,
0. 3 C C   从而得到满足微分方程 x y y y e      及初始 条件(0) 1,
(0) 0 y y   的解,只有一个,为 --- [第 9 页] --- 9 2 2 3 1 cos 3 2 3 x x y e x e    另一方面,由(1)已知 3 0 ( ) (3 )! n n x y x n    也是微分方程 x y y y e      及初始条件
(0) 1,
(0) 0 y y   的解,由微分方程解的唯一性,知 3 2 1 2 3 1 1 cos ( ). (3 )! 3 2 3 x n x n x e x e x n          八【详解】方法1:因为 ( ) f x 与( ) g x 在  ,a b 上连续,所以存在 1x 2x 使得 1 [ , ] ( ) max ( ) x a b f x M f x    , 2 [ , ] ( ) min ( ) x a b f x m f x    , 满足 ( ) m f x M   .又( ) 0 g x  ,故根据不等式的性质 ( ) ( ) ( ) ( ) mg x f x g x Mg x   根据定积分的不等式性质有 ( ) ( ) ( ) ( ) , b b b a a a m g x dx f x g x dx M g x dx      所以 ( ) ( ) . ( ) b a b a f x g x dx m M g x dx     由连续函数的介值定理知,存在 [ , ] a b  ,使 ( ) ( ) ( ) ( ) b a b a f x g x dx f g x dx   即有 ( ) ( ) ( ) ( ) b b a a f x g x dx f g x dx     . 方法2:因为 ( ) f x 与( ) g x 在  ,a b 上连续,且( ) 0 g x  ,故 ( ) ( ) b a f x g x dx  与 ( ) b a g x dx  都 存在,且 ( )
0. b a g x dx   记 ( ) ( ) ( ) b a b a f x g x dx h g x dx    ,于是 ( ) ( ) ( ) ( ) , b b b a a a f x g x dx h g x dx hg x dx      即 ( ( ) ) ( ) 0 b a f x h g x dx    因此必存在 ( , ) a b  使 ( ) f h  .不然,则在( , ) a b 内由连续函数的零点定理知要么 --- [第 10 页] --- 10 ( ) f x h  恒为正,从而根据积分的基本性质得 ( ( ) ) ( ) 0 b a f x h g x dx    ;要么 ( ) f x h  恒为负,同理得 ( ( ) ) ( ) 0 b a f x h g x dx    ,均与 ( ( ) ) ( ) 0 b a f x h g x dx    不符.由此推 知存在 ( , ) a b  使 ( ) f h  ,从而 ( ) ( ) ( ) ( ) b b a a f x g x dx f g x dx     . 九【详解】方法1:对系数矩阵记为A 作初等行变换 2 1 3 1 1 0 0 0 0 0 0 n a b b b a b b b b a b b b a a b A b b a b b a a b b b b a b a a b                                                              行 行 行 行 行 行 当 ( 0) a b   时, 1, 0 r A AX   的同解方程组为 1 2 0 n x x x      ,基础解 系中含有 1 n 个(未知数的个数-系数矩阵的秩)线性无关的解向量,取 2 3 , ,..., n x x x 为自 由未知量,分别取 2 3 1, 0,..., 0 n x x x    , 2 3 0, 1,..., 0 n x x x    ,…, 2 3 0, 0,..., 1 n x x x    得方程组 1 n 个线性无关的解       1 2 1 1,1,0, ,0 , 1,0,1,0, ,0 , , 1,0, ,0,1 T T T n            , 为基础解系,方程组 0 AX  的全部解为 1 1 2 2 1 1 n n X k k k           ,其中 ( 1,2, 1) ik i n    是任意常数. 当a b  时, 0 0 0 0 0 0 a b b b b a a b A b a a b b a a b                                2 3 1 1 0 0 1 0 1 0 1 0 0 1 a b a b n a b a b b b                                 行/( ) 行/( ) 行/( ) 1 2 1 3 1 ( 1) 0 0 0 1 1 0 0 1 0 1 0 1 0 0 1 b b n b a n b                                       行 行 行 行 行 行 当a b  且 ( 1) a n b   时, ( 1) 0 A a n b     ,( ) , 0 r A n AX   仅有零解. --- [第 11 页] --- 11 当 ( 1) a n b   时, 1, 0 r A n AX    的同解方程组是 1 2 1 3 1 0, 0, 0, n x x x x x x              …… 基础解系中含有1个线性无关的解向量,取 1x 为自由未知量,取 1 1 x  ,得方程组1个 非零解   1,1, ,1 T   ,即其基础解系,故方程组的全部解为 X k  ,其中k 是任意常数. 方法2:方程组的系数行列式 a b b b b a b b A b b a b b b b a          ( 1) ( 1)
2 . .. ( 1) 1 ( 1) a n b b b b a n b a b b n a n b b a b a n b b b a                 把第,,列 加到第列 1 1 1 [ ( 1) ] 1 1 b b b a b b a n b b a b b b a           提取第列的公因子 1 2 1 0 0 0 3 - 1 [ ( 1) ] 0 0 0 - 1 0 0 0 b b b a b a n b a b n a b                 第行 第行 第行第行 第行第行 1 [ ( 1) ]( ) n a n b a b     
(1) 当a b  且 ( 1) a n b   时, 0 A  ,( ) r A n  方程组只有零解.
(2) 当 ( 0) a b   时, a a a a a a a a A a a a a a a a a                          2 1 0 0 0 0 3 1 0 0 0 0 1 0 0 0 0 a a a a n                               第行第行 第行第行 第行第行 1 1 1 1 0 0 0 0 1 1 0 0 0 0 0 0 0 0 a                          第行 --- [第 12 页] --- 12 方程组的同解方程组为 1 2 0 n x x x      基础解系中含有 1 n  个(未知数的个数-系数矩阵的秩)线性无关的解向量,取 2 3 , ,..., n x x x 为自由未知量,分别取 2 3 1, 0,..., 0 n x x x    ,2 3 0, 1,..., 0 n x x x    ,…, 2 3 0, 0,..., 1 n x x x    得方程组 1 n 个线性无关的解       1 2 1 1,1,0, ,0 , 1,0,1,0, ,0 , , 1,0, ,0,1 T T T n            , 为基础解系,方程组 0 AX  的全部解为 1 1 2 2 1 1 n n X k k k           ,其中 ( 1,2, 1) ik i n    是任意常数.
(1) 当 ( 1) ( 0) a n b b    时, (1 ) (1 ) (1 ) (1 ) n b b b b b n b b b A b b n b b b b b n b                              1,2,..., 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 1 n b n n n n                               行 分别 1 1 1 1 2 1 0 0 3 1 0 0 1 0 0 n n n n n n n n                                   行 行 行 行 行 行 1 1 1 1 1 1 0 0 2,..., 1 0 1 0 1 1 0 0 1 n n n                               行 分别 0 0 0 0 1 1 0 0 2,..., 1 0 1 0 1 0 0 1 n                            把第 行都 依次加到第1行  1 r A n  ,其同解方程组是 1 2 1 3 1 0, 0, 0, n x x x x x x             …… 基础解系中含有1个线性无关的解向量,取 1x 为自由未知量,取 1 1 x  ,得方程组1个 非零解   1,1, ,1 T   ,即其基础解系,故方程组的全部解为 --- [第 13 页] --- 13 X k  ,其中k 是任意常数. 十【详解】(1) 设是A 的任意特征值,是A 的属于的特征向量,根据特征值、特征 向量的定义,有 , 0, A    ① 两边左乘A ,得 2 A  A     2   ② ②+2*①得     2 2 2 2 A A       因 2 2 0 A A   , 0  ,从而上式    2 2 2 2 0 A A        , 所以有 2 2 0     ,故A 的特征值的取值范围为0, 2 . 因为A 是实对称矩阵,所以必相似于对角阵,且的主对角线上元素由A 的特征值 组成,且( ) ( ) 2 r A r   ,故A 的特征值中有且只有一个0. (若没有0,则 2 2 2               ,故( ) ( ) 3 r A r   与已知矛盾;若有两个0,则 2 0 0            , 故( ) ( ) 1 r A r  与已知矛盾;若三个全为0,则 0 0 0           ,故( ) ( ) 0 r A r   与已知 矛盾). 故 2 2 0 A              即A 有特征值 1 2 3 2, 0       .
(2) A kE  是实对称矩阵,A 有特征值 1 2 3 2, 0       ,知A kE  的特征值为 2, 2, k k k   .因为矩阵正定的充要条件是它的所有的特征值均大于零,故 A kE  正定 2 0 0 k k      2 0 k k     2 k   故 2 k  时A kE  是正定矩阵. 十一【分析】( , ) X Y 有四个可能值,可以逐个求出.在计算过程中要注意到取值与U 的值 有关.U 的分布为均匀分布,计算概率不用积分都行,可以直接看所占区间的长度比例即 --- [第 14 页] --- 14 可. 【详解】( , ) X Y 只有四个可能值( 1, 1),( 1,1),(1, 1) (1,1)    和 .依照题意,有       1 ( 2) 1 1, 1 1, 1 1 ; 2 ( 2) 4 P X Y P U U P U                 1, 1 1, 1 0; P X Y P U U P              1 1, 1 1, 1 1 1 ;2 P X Y P U U P U                1 1, 1 1, 1
1 . 4 P X Y P U U P U         于是,( , ) X Y 分布为 Y X 1  1 1  1 4 0 1 1 2 1 4
(2) 因为 2 2 ( ) ( ) [ ( )] D X Y E X Y E X Y      ,所以我们应该知道X Y  和 2 ( ) X Y  的分布律. 对离散型随机变量,X Y  的取值可能有2,0,2;  2 ( ) X Y  的取值可能有0 和4;     1 2 1, 1 , 4 P X Y P X Y             1 1 0 1, 1 1, 1 0 , 2 2 P X Y P X Y P X Y                1 2 1, 1 , 4 P X Y P X Y             2 1 0 0 , 2 P X Y P X Y               2 1 4 2 2 2 P X Y P X Y P X Y          . X Y  和 2 ( ) X Y  的分布律分别为 和 所以由离散 2 ( ) X Y  0 4 P 1 2 1 2 X Y  2  0 2 P 1 4 1 2 1 4 --- [第 15 页] --- 15 型随机变量的数学期望计算公式有:   1 ( ) n k k k E X x P X x      所以有, 2 2 2 4 ( ) 0, ( ) 2 4 4 2 E X Y E X Y        . 2 2 ( ) ( ) [ ( )] 2 D X Y E X Y E X Y       十二【详解】首先找出随机变量Y 的表达式.Y 由X 和2(小时)来确定,所以 min( ,2) Y X  . 指数分布的X 的分布参数为 1 1 , ( ) 5 E X   其密度函数为: 1 5 1 0 ( ) 5 0 0 x X e x f x x         其中 0  是参数 由分布函数的定义:     ( ) min( ,2) F y P Y y P X y    
(1) 当 0 y  时, ( ) 0 Y F y  (因为   min ,2 Y X  ,其中X 和2都大于0,那么小于0是 不可能事件)
(2) 当 2 y  时, ( ) 1 Y F y (因为   min ,2 Y X  最大也就取到2,所以小于等于2是一 定发生的,是必然事件)
(3) 当0 2 y   时,       ( ) min( ,2) F y P Y y P X y P X y       1 1 5 5 0 1 ( ) 1 5 x y y y Xf x dx e dx e         所以 1 5 0 0 ( ) 1 0 2 1 2 y Y y F y e y y            