Files
2026-10-04 11:44:56 +08:00

5.0 KiB
Raw Permalink Blame History

题型四:方差的计算与性质

识别特征

  • 题干要求计算 D(X)
  • 涉及 D(aX+b) 的伸缩与平移
  • 涉及 D(X+Y) 或 $D(X-Y)$(需要协方差修正或独立条件)

解题流程

flowchart TD
    A[识别:求 D X] --> B{X 类型?}
    B -->|已知分布| C["查速查表: 二项 np1-p, 泊松 λ..."]
    B -->|已知分布律/密度| D["用 D X = E X² - E² X"]
    B -->|一般随机变量| E[先求 E X, E(X²) 再用公式]
    D --> F[计算 E X²: 函数期望公式]
    F --> G[D X = E X² - E² X]
    E --> G
    G --> H{多变量?}
    H -->|是| I["D X+Y = D X + D Y + 2Cov X,Y"]
    H -->|否| J[结果]

通法步骤

一、方差的定义与等价公式

定义:


D(X) = E[(X - E(X))^2]

等价公式(计算常用):


\boxed{D(X) = E(X^2) - E^2(X)}

⚠️ 首选等价公式:直接计算量小,只需 $E(X), E(X^2)$。

二、方差的性质 ⭐

性质 公式 说明
常数 D(C) = 0 常数无波动
伸缩 D(aX) = a^2 D(X) 系数平方
平移 D(X + b) = D(X) 平移不影响方差
一般 D(aX + b) = a^2 D(X) 伸缩+平移
和(一般) D(X \pm Y) = D(X) + D(Y) \pm 2\text{Cov}(X,Y) 不可漏协方差
和(独立) D(X \pm Y) = D(X) + D(Y) 独立时成立
独立可加 D(\sum X_i) = \sum D(X_i) X_i 两两独立

三、计算步骤(标准套路)

情形 1:已知 X 的分布律或密度


E(X) = \int x f(x) dx \quad \text{或} \quad \sum x_i p_i

E(X^2) = \int x^2 f(x) dx \quad \text{或} \quad \sum x_i^2 p_i

D(X) = E(X^2) - E^2(X)

情形 2:已知 Y = g(X)


E(Y) = E[g(X)] = \int g(x) f(x) dx

E(Y^2) = E[g^2(X)] = \int g^2(x) f(x) dx

D(Y) = E(Y^2) - E^2(Y)

四、D(X+Y) 的展开公式(重要!)


D(X \pm Y) = D(X) + D(Y) \pm 2\text{Cov}(X, Y)

关键情形:

  • X, Y 独立:D(X \pm Y) = D(X) + D(Y)
  • X, Y 不相关($\text{Cov}=0$):D(X \pm Y) = D(X) + D(Y)
  • 一般情形:必须用协方差修正

常见陷阱

  • D(X+Y) = D(X) + D(Y) 误用:默认独立!非独立必须加 2\text{Cov}(X,Y)
  • $D(aX+b) = a D(X) + b$:错!正确是 $D(aX+b) = a^2 D(X)$(系数平方,常数消失)
  • $D(X^2) = D^2(X)$:错!D(X^2) = E(X^4) - E^2(X^2)
  • $E(X^2) = E^2(X)$:错!只有在 $D(X)=0$(X 是常数)时成立
  • 正态参数颠倒:N(\mu, \sigma^2) 的 $D(X) = \sigma^2$(方差而非标准差!)

经典母题

题目 1:掷骰子 X 的期望 $E(X) = 3.5$。$E(X^2) = 91/6$。求 $D(X)$。

解析:


D(X) = E(X^2) - E^2(X) = \frac{91}{6} - \left(\frac{7}{2}\right)^2 = \frac{91}{6} - \frac{49}{4} = \frac{182 - 147}{12} = \frac{35}{12}

复盘:标准方差计算流程。


题目 2:设 $X \sim B(n,p)$,求 $D(X)$。

解析:

方法 1:直接公式 $D(X) = np(1-p)$(背)

方法 2:分解为 n 个独立 0-1 变量之和

  • $X = \sum_{i=1}^n X_i$,X_i \sim B(1,p)
  • E(X_i) = p, D(X_i) = p(1-p)
  • D(X) = \sum D(X_i) = np(1-p)

复盘:分解为独立和是计算方差的通用技巧。


题目 3:设 $X \sim N(0, 4)$,$Y = 3X + 1$。求 $D(Y)$。

解析:


D(Y) = D(3X + 1) = 9 D(X) = 9 \times 4 = 36

复盘:方差的伸缩公式 $D(aX+b) = a^2 D(X)$。


题目 4:X, Y 独立,$D(X) = 4, D(Y) = 9$。求 $D(2X - 3Y + 5)$。

解析:


D(2X - 3Y + 5) = 4 D(X) + 9 D(Y) = 4 \times 4 + 9 \times 9 = 16 + 81 = 97

(常数项 5 不影响;独立时可分离;X, Y 各自的线性系数平方后保留)

复盘:独立情形下,$D(\sum a_i X_i) = \sum a_i^2 D(X_i)$。


题目 5:X, Y 不独立,$D(X) = 1, D(Y) = 2, \text{Cov}(X,Y) = -0.5$。求 $D(X-Y)$。

解析:


D(X-Y) = D(X) + D(Y) - 2\text{Cov}(X,Y) = 1 + 2 - 2(-0.5) = 3 + 1 = 4

复盘:注意协方差前的符号——减号对应 $-2\text{Cov}$(因为 $D(X-Y) = D(X) + D(Y) - 2\text{Cov}$)。


题目 6:设 X_1, X_2, \ldots, X_n 独立同分布,$E(X_i) = \mu, D(X_i) = \sigma^2$。求 \bar{X} = \frac{1}{n}\sum X_i 的方差。

解析:


D(\bar{X}) = D\left(\frac{1}{n} \sum X_i\right) = \frac{1}{n^2} \sum D(X_i) = \frac{1}{n^2} \cdot n\sigma^2 = \frac{\sigma^2}{n}

复盘:样本均值的方差 = 总体方差 / $n$——这是 Ch05 大数定律的核心。


变式 1:$X \sim P(\lambda)$,$Y = 2X + 3$,求 $D(Y)$。

解:$D(X) = \lambda$,$D(Y) = 4\lambda$。

变式 2:$X \sim U(0, 2)$,$Y = X^2$,求 $D(Y)$。

解:$E(Y) = \int_0^2 x^2 \cdot 0.5 dx = 4/3$;$E(Y^2) = \int_0^2 x^4 \cdot 0.5 dx = 16/5$;$D(Y) = 16/5 - 16/9 = 64/45$。


口诀速记:

  • "$D = E(X^2) - E^2(X)$(首选公式)"
  • "$D(aX+b) = a^2 D(X)$(常数消失,系数平方)"
  • "$D(X \pm Y) = D(X)+D(Y) \pm 2\text{Cov}$(一般情形)"
  • "独立时:$D(X \pm Y) = D(X)+D(Y)$"