两个重要的二维连续型随机变量分布

接住上一课

一般联合密度靠区域积分，本课识别二维均匀与二维正态，理解参数怎样控制支持域、中心、尺度与相关结构。

教师带你完成主模型

X、Y为独立标准正态。由对称性P(X≤0)=P(Y≤0)=1/2，独立性给P(X≤0,Y≤0)=1/4。该结论依赖独立；相关正态不能直接相乘。

公式卡（可直接提取）

公式： 独立标准正态联合密度 f(x,y)=φ(x)φ(y)。一般二维正态由均值μ_X,μ_Y、标准差σ_X,σ_Y>0及相关系数|ρ|<1确定；ρ=0时二维正态分量独立，但这一结论不能推广到任意联合分布。二维均匀密度为支持区域面积的倒数。

第二次当场检查

二维正态等密度线为椭圆，ρ控制倾斜。退化边界|ρ|=1不再有普通二维密度。均匀分布概率等于子区域面积比。

我会追问的易错点

任意变量零相关即判独立、忽略|ρ|<1、把二维均匀密度写成边长倒数，是三类错误。

迁移到下一题

计算矩形区域上的二维均匀概率，再比较ρ=0与ρ≠0二维正态的等密度线。

口头复述与验算

请不看正文复述四件事：公式解决什么问题；每个符号代表什么；成立条件是什么；越过适用边界会出现哪一种错误。随后做归一化、概率范围、量纲和极端参数检查。离散模型核对概率总和，连续模型核对密度积分，统计量核对是否只由样本构成。

公式卡用于速查，但速查不能替代条件判断。独立性要验证联合分布能否分解，变量变换要覆盖全部原像，期望与方差要先确认存在，抽样分布要核验总体正态或样本量条件。

完成页面单选、多选与计算题。计算题保留求和或积分边界、标准化步骤和参数范围；答错时只记录第一处逻辑错误，隔一天无提示重做。