2026-11-17 20:09:09 +08:00
|
|
|
|
---
|
|
|
|
|
|
tags: [数学一, 知识点构建, 专背清单, 概率论, 数字特征, 协方差]
|
|
|
|
|
|
专题: 概率论 · 第4讲 数字特征 · 专背清单
|
|
|
|
|
|
日期: 2026-11-17
|
|
|
|
|
|
状态: 36 条(式 15 / 表 3 / 判 6 / 模 2 / 反 10)
|
|
|
|
|
|
来源: 知识点构建 18 背诵版;在学练习第4讲五点;真题库 chapter 18
|
|
|
|
|
|
关联笔记: ["[[21-专背清单-概率论-00-总纲与跨讲对照]]", "[[18-背诵版-概率论-第4讲-数字特征]]"]
|
|
|
|
|
|
---
|
|
|
|
|
|
|
|
|
|
|
|
# 第 4 讲 数字特征 · 专背清单
|
|
|
|
|
|
|
|
|
|
|
|
> 36 条。**本讲最该背的是一张表(九个分布的 $E$ 与 $D$ )和一条链(独立 → 不相关 → 不推回)**。其余全靠这两样推。表背不下来,后面每一讲都要卡。
|
|
|
|
|
|
|
|
|
|
|
|
## 一、期望(7 条)
|
|
|
|
|
|
|
|
|
|
|
|
**L4-01** `式` 定义:连续型 $EX=\int_{-\infty}^{+\infty}xf(x)\,\mathrm dx$ ,离散型 $EX=\sum_kx_kp_k$ 。
|
|
|
|
|
|
└ **前提是绝对收敛**:$\int\lvert x\rvert f<\infty$ 。不满足则期望不存在,不能写"$=\infty$ "。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-02** `式` 函数的期望(不必先求分布):
|
|
|
|
|
|
$$E[g(X)]=\int_{-\infty}^{+\infty}g(x)f(x)\,\mathrm dx\quad\text{或}\quad\sum_kg(x_k)p_k.$$
|
|
|
|
|
|
└ 这是全讲最省时间的一条。求 $E(X^2)$ 、$E(\mathrm e^{X})$ 都直接套,**不要先求 $X^2$ 的分布**。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-03** `式` 期望四条性质:$Ec=c$ ;$E(aX)=aEX$ ;$E(X+b)=EX+b$ ;$E(X\pm Y)=EX\pm EY$ 。
|
|
|
|
|
|
└ **线性性无条件成立**,不需要独立。这是与"乘法"最关键的区别。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-04** `反` $E(XY)=EX\cdot EY$ **需要独立**(或不相关),一般情形不成立。
|
|
|
|
|
|
└ 一般式:$E(XY)=EX\,EY+\operatorname{Cov}(X,Y)$ 。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-05** `反` 期望存在 **不保证** 二阶矩存在。
|
|
|
|
|
|
└ 例:$t$ 分布 $t(2)$ 的期望为 0 但方差不存在;$t(1)$ (柯西)连期望都没有。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-06** `判` 判断期望存在:算 $\int\lvert x\rvert f(x)\mathrm dx$ 是否有限。**尾部衰减慢于 $1/x^2$ 就有问题**。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-07** `式` 独立时的两条简化:$E(XY)=EX\,EY$ ;$E[g(X)h(Y)]=E[g(X)]E[h(Y)]$ 。
|
|
|
|
|
|
└ 第二条更常用,它允许把复杂函数拆开算。
|
|
|
|
|
|
|
|
|
|
|
|
## 二、方差(7 条)
|
|
|
|
|
|
|
|
|
|
|
|
**L4-08** `式` 计算公式(两条都要会):$DX=E(X^2)-(EX)^2$ ;$DX=E(X-EX)^2$ 。
|
|
|
|
|
|
└ 手算优先第一条;证明题用第二条。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-09** `式` 五条性质:$Dc=0$ ;$D(aX+b)=a^2DX$ ;$DX\ge0$ ;$D(X\pm Y)=DX+DY\pm2\operatorname{Cov}(X,Y)$ ;独立时 $D(X\pm Y)=DX+DY$ 。
|
|
|
|
|
|
└ **$D(aX+b)$ 里 $b$ 完全消失,$a$ 要平方**。这两处都是高频失分。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-10** `式` 一般展开:$D\!\left(\sum_ia_iX_i\right)=\sum_ia_i^2DX_i+2\sum_{i<j}a_ia_j\operatorname{Cov}(X_i,X_j)$ 。
|
|
|
|
|
|
└ 记法:**平方项自重,交叉项乘 2**。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-11** `反` $D(X-Y)=DX+DY-2\operatorname{Cov}$ ,**不是** $DX-DY$ 。方差永远不为负,所以不能相减。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-12** `式` 标准化:$X^*=\dfrac{X-EX}{\sqrt{DX}}$ ,则 $EX^*=0$ 、$DX^*=1$ 。
|
|
|
|
|
|
└ 这是"标准化"在数字特征层面的意义,与第 5 讲的 CLT 标准化同源。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-13** `判` 已知 $EX$ 与 $DX$ 求 $E(X^2)$ :反用 $E(X^2)=DX+(EX)^2$ 。**这是唯一方向**,别写成 $DX-(EX)^2$ 。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-14** `坑` $\overline X$ 的方差是 $\frac{\sigma^2}{n}$ 而不是 $\sigma^2$ 。
|
|
|
|
|
|
└ 因为 $D\!\left(\frac1n\sum X_i\right)=\frac{1}{n^2}\cdot n\sigma^2$ 。**漏 $n^2$ 是全书第一号计算错**。
|
|
|
|
|
|
|
|
|
|
|
|
## 三、九个分布的表(1 条,但要默到能反着用)
|
|
|
|
|
|
|
|
|
|
|
|
**L4-15** `表` 期望与方差总表:
|
|
|
|
|
|
|
|
|
|
|
|
| 分布 | 记号 | $EX$ | $DX$ |
|
|
|
|
|
|
|---|---|---|---|
|
|
|
|
|
|
| 0-1 | $B(1,p)$ | $p$ | $p(1-p)$ |
|
|
|
|
|
|
| 二项 | $B(n,p)$ | $np$ | $np(1-p)$ |
|
|
|
|
|
|
| 泊松 | $P(\lambda)$ | $\lambda$ | $\lambda$ |
|
|
|
|
|
|
| 几何 | $G(p)$ | $\dfrac1p$ | $\dfrac{1-p}{p^2}$ |
|
|
|
|
|
|
| 超几何 | $H(N,M,n)$ | $n\dfrac MN$ | $n\dfrac MN\left(1-\dfrac MN\right)\dfrac{N-n}{N-1}$ |
|
|
|
|
|
|
| 均匀 | $U(a,b)$ | $\dfrac{a+b}{2}$ | $\dfrac{(b-a)^2}{12}$ |
|
|
|
|
|
|
| 指数 | $E(\lambda)$ | $\dfrac1\lambda$ | $\dfrac1{\lambda^2}$ |
|
|
|
|
|
|
| 正态 | $N(\mu,\sigma^2)$ | $\mu$ | $\sigma^2$ |
|
|
|
|
|
|
| 卡方 | $\chi^2(n)$ | $n$ | $2n$ |
|
|
|
|
|
|
|
2026-11-22 23:00:17 +08:00
|
|
|
|
└ 四个记忆钩子:**泊松期望等于方差**;**指数期望等于标准差**(都是 $\frac1\lambda$ );**二项是 0-1 的 $n$ 倍**;**超几何比二项多一个有限总体修正因子** $\frac{N-n}{N-1}$ 。
|
2026-11-17 20:09:09 +08:00
|
|
|
|
|
|
|
|
|
|
## 四、协方差与相关系数(8 条)
|
|
|
|
|
|
|
|
|
|
|
|
**L4-16** `式` 协方差:$\operatorname{Cov}(X,Y)=E(XY)-EX\,EY=E[(X-EX)(Y-EY)]$ 。
|
|
|
|
|
|
└ 手算走第一条,证明走第二条。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-17** `式` 特例:$\operatorname{Cov}(X,X)=DX$ 。**方差是协方差的特例**。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-18** `式` 协方差四性质:对称;$\operatorname{Cov}(X,c)=0$ ;$\operatorname{Cov}(aX+b,Y)=a\operatorname{Cov}(X,Y)$ ;对每个变量可加。
|
|
|
|
|
|
└ 合起来:**双线性**。$\operatorname{Cov}(aX+b,\ cY+d)=ac\operatorname{Cov}(X,Y)$ 。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-19** `式` 相关系数:$\rho_{XY}=\dfrac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}\in[-1,1]$ 。
|
|
|
|
|
|
└ $\rho$ 是**无量纲**的,$\operatorname{Cov}$ 有量纲。所以比较相关程度只能看 $\rho$ 。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-20** `式` 线性变换下的 $\rho$ :$\rho_{aX+b,\,cY+d}=\operatorname{sign}(ac)\,\rho_{XY}$ 。
|
|
|
|
|
|
└ **只看 $a$ 与 $c$ 的符号,与 $b,d$ 无关**。2022·8 就考这条。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-21** `式` $\lvert\rho\rvert=1\iff$ 存在 $a\ne0,b$ 使 $P\{Y=aX+b\}=1$ 。
|
|
|
|
|
|
└ 即**完全线性相关**。注意 $a\ne0$ 是必需的($a=0$ 时 $Y$ 是常数,$DY=0$ ,$\rho$ 无定义)。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-22** `式` 不相关四等价:$\rho=0\iff\operatorname{Cov}=0\iff E(XY)=EX\,EY\iff D(X\pm Y)=DX+DY$ 。
|
|
|
|
|
|
└ 四个说法可以互换,做题时选最好算的那个。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-23** `表` 三层关系(**背这张表,别背结论**):
|
|
|
|
|
|
|
|
|
|
|
|
| 命题 | 成立 | 理由 |
|
|
|
|
|
|
|---|---|---|
|
|
|
|
|
|
| 独立 $\Rightarrow$ 不相关 | ✓ | $E(XY)=EX\,EY$ |
|
|
|
|
|
|
| 相关 $\Rightarrow$ 不独立 | ✓ | 逆否命题 |
|
|
|
|
|
|
| 不相关 $\Rightarrow$ 独立 | ✗ | 反例见下 |
|
|
|
|
|
|
| 二维正态下不相关 $\iff$ 独立 | ✓ | 密度可分离 |
|
|
|
|
|
|
|
|
|
|
|
|
## 五、条件期望(6 条)
|
|
|
|
|
|
|
|
|
|
|
|
**L4-24** `反` 不相关的经典反例:$X\sim U(-1,1)$ 、$Y=X^2$ 。
|
|
|
|
|
|
└ 不相关:$E(XY)=E(X^3)=0=EX\,EY$ 。不独立:$P\{X\le a,Y\le a^2\}=P\{-a\le X\le a\}=a\ne\frac{a+1}{2}\cdot a^2$ 型。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-25** `式` 重期望公式:$E\big[E(Y\mid X)\big]=EY$ 。
|
|
|
|
|
|
└ **分层求期望**:先按 $X$ 分层算,再对 $X$ 加权平均。2025·22 的理赔模型就靠它。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-26** `式` 全方差公式:$D(Y)=E\big[D(Y\mid X)\big]+D\big[E(Y\mid X)\big]$ 。
|
|
|
|
|
|
└ 一句话:**总波动 = 组内波动 + 组间波动**。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-27** `式` 两条提项性质:独立时 $E(Y\mid X)=EY$ ;$E[g(X)Y\mid X]=g(X)E(Y\mid X)$ 。
|
|
|
|
|
|
└ 第二条:**$X$ 的函数在给定 $X$ 后可当常数提出**。这是算条件期望最常用的一步。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-28** `式` 条件期望的线性性:$E(aY+b\mid X)=aE(Y\mid X)+b$ ;$E(Y_1+Y_2\mid X)=E(Y_1\mid X)+E(Y_2\mid X)$ 。
|
|
|
|
|
|
└ **与普通期望同形**,不需要独立。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-29** `判` 求 $D(aX+bY)$ 的最值:$a^2+b^2=1$ 且 $DX=DY=1$ 时
|
|
|
|
|
|
$$D(aX+bY)=1+2ab\rho,\qquad \max=1+\lvert\rho\rvert,\ \min=1-\lvert\rho\rvert.$$
|
|
|
|
|
|
└ 代换 $a=\cos\theta,b=\sin\theta$ ,得 $1+\rho\sin2\theta$ 。**同向叠加取最大($\rho>0$ 时)**。
|
|
|
|
|
|
|
|
|
|
|
|
## 六、切比雪夫与两条极值结论(5 条)
|
|
|
|
|
|
|
|
|
|
|
|
**L4-30** `式` 切比雪夫不等式:$P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{\varepsilon^2}$ ,等价于 $P\{\lvert X-\mu\rvert<\varepsilon\}\ge1-\dfrac{\sigma^2}{\varepsilon^2}$ 。
|
|
|
|
|
|
└ **上界给"至少"、下界给"至多"**,方向反了整题反。
|
|
|
|
|
|
|
2026-11-22 23:00:17 +08:00
|
|
|
|
**L4-31** `式` 样本均值版:$P\{\lvert\overline X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{n\varepsilon^2}$ 。**分母有** $n$ 。
|
2026-11-17 20:09:09 +08:00
|
|
|
|
|
|
|
|
|
|
**L4-32** `式` 二项版:$P\left\{\left\lvert\dfrac Xn-p\right\rvert\ge\varepsilon\right\}\le\dfrac{p(1-p)}{n\varepsilon^2}$ 。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-33** `式` 两变量最值的期望($n=2$ 时成立):$E(\max)+E(\min)=EX_1+EX_2$ 。
|
|
|
|
|
|
└ **只对 $n=2$ 成立**。三个变量时和为 $EX_1+EX_2+EX_3$ 的次序统计量期望对不上,别乱套。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-34** `式` 极值的期望(同分布时):$E(\max)=\int_{-\infty}^{+\infty}z\cdot n[F(z)]^{n-1}f(z)\,\mathrm dz$ 。
|
|
|
|
|
|
└ 直接从密度积,不必记"非负型"的积分公式。$E(\min)$ 同形,把 $F$ 换成 $1-F$ 。
|
|
|
|
|
|
|
|
|
|
|
|
## 七、坑(2 条)
|
|
|
|
|
|
|
|
|
|
|
|
**L4-35** `坑` "期望相等"推不出"分布相同";"方差相等"也推不出。**数字特征丢失了分布的全部形状信息**。
|
|
|
|
|
|
└ 这是选填辨析的常客:$X\sim N(0,1)$ 与 $Y=\pm X$ (等概率)期望方差都相同,分布不同。
|
|
|
|
|
|
|
|
|
|
|
|
**L4-36** `反` $DX=0\iff P\{X=EX\}=1$ ,即 $X$ 几乎必然是常数。
|
|
|
|
|
|
└ 推论:方差为 0 时相关系数**无定义**(分母为 0),不能说"不相关"。
|
|
|
|
|
|
|
|
|
|
|
|
## 十秒自检
|
|
|
|
|
|
|
|
|
|
|
|
1. 默九个分布的 $E$ 与 $D$ ,说四个记忆钩子。
|
|
|
|
|
|
2. 写出 $D(aX+bY)$ 的展开式,并说出 $a^2+b^2=1$ 时的最值。
|
|
|
|
|
|
3. 说出"独立 / 不相关"三层关系,以及那个 $Y=X^2$ 的反例。
|
|
|
|
|
|
4. 重期望与全方差两个公式。
|
|
|
|
|
|
5. 切比雪夫的"至少"与"至多"各对应哪个方向。
|
|
|
|
|
|
|
|
|
|
|
|
五条全过,本讲过关。
|