From 326d9317f8fddda4b79dccb7c90401ed7e62b5c5 Mon Sep 17 00:00:00 2001 From: NFC666 <2954834129@qq.com> Date: Sat, 7 Nov 2026 12:40:51 +0800 Subject: [PATCH] =?UTF-8?q?feat(=E6=A6=82=E7=8E=87=E8=AE=BA=E7=AC=AC4?= =?UTF-8?q?=E8=AE=B2):=20=E6=96=B0=E5=BB=BA=E3=80=8C=E7=9F=A5=E8=AF=86?= =?UTF-8?q?=E7=82=B9=E5=B8=A6=E9=A2=98=E3=80=8D=E5=85=A8=E5=A5=97=EF=BC=8C?= =?UTF-8?q?=E7=9B=98=E7=82=B9+=E4=BA=94=E7=82=B9=E5=88=86=E5=86=8C+?= =?UTF-8?q?=E9=80=9F=E6=9F=A5=E5=8D=A1=E5=85=B1=2019=20=E9=A2=98?= MIME-Version: 1.0 Content-Type: text/plain; charset=UTF-8 Content-Transfer-Encoding: 8bit - 01 知识点盘点:五节 + 按分值/依赖链两张表 + §0.4 反查 + 覆盖对照 13 行 + 相邻讲接口 - 02—06 五个点:期望(4)、方差与矩(4)、协方差与相关系数(4)、条件期望与重期望(3)、线性组合与最值(4) - 07 速查卡:九组结论 + 六处丢分点 + AUTO 回查 - 补齐 2025·8 的「σ 相同下 D(aX+bY) 最值」与异方差的特征值解法 - 全部数值经 sympy 复核;标题去公式以保锚点稳定 --- .../01-知识点盘点.md | 250 ++++++++++++++++++ .../02-点1-数学期望.md | 212 +++++++++++++++ .../03-点2-方差与矩.md | 214 +++++++++++++++ .../04-点3-协方差与相关系数.md | 210 +++++++++++++++ .../05-点4-条件期望与重期望.md | 189 +++++++++++++ .../06-点5-线性组合与最值.md | 222 ++++++++++++++++ .../07-速查卡.md | 147 ++++++++++ .../概率论-第4讲-随机变量的数字特征/README.md | 103 ++++++++ 8 files changed, 1547 insertions(+) create mode 100644 基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/01-知识点盘点.md create mode 100644 基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/02-点1-数学期望.md create mode 100644 基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/03-点2-方差与矩.md create mode 100644 基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/04-点3-协方差与相关系数.md create mode 100644 基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/05-点4-条件期望与重期望.md create mode 100644 基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/06-点5-线性组合与最值.md create mode 100644 基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/07-速查卡.md create mode 100644 基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/README.md diff --git a/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/01-知识点盘点.md b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/01-知识点盘点.md new file mode 100644 index 0000000..ee27734 --- /dev/null +++ b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/01-知识点盘点.md @@ -0,0 +1,250 @@ +--- +tags: [数学一, 在学练习, 概率论, 数字特征, 知识点盘点] +专题: 概率论 第4讲 · 随机变量的数字特征 +日期: 2026-11-07 +状态: 知识点盘点(五节 + 覆盖对照表),配套 5 个点分册共 19 题 +关联笔记: ["[[README]]", "[[06-速查卡]]"] +--- + +# 第4讲 · 随机变量的数字特征:知识点盘点 + +真题库第 18 章。近十年 **7 题 32 分**,**全部是选填**(单选 4 题 19 分 $+$ 填空 3 题 13 分),没有独立的大题。 + +**这一讲的特殊性**:它自己不出大题,但**第 3 讲的解答题、第 6 讲的参数估计,处处要用它**——$E$ 、$D$ 、$\operatorname{Cov}$ 是概率论里唯一的"通用工具"。所以这里的定位是**工具册**,不是考点册。 + +**一句话定性**:数字特征 = **用几个数概括一个分布**。$EX$ 说"在哪",$DX$ 说"多散",$\operatorname{Cov}$ 说"怎么一起动"。所有公式都是这三件事的推论。 + +## 0 三张表 + +### 0.1 按分值排(时间紧就照这个顺序) + +| 优先 | 点 | 真题锚点 | 分值 | 文件 | +|---|---|---|---|---| +| 1 | 协方差与相关系数 | 2016·8、2020·14、2021·16 | **约 13** | `04` | +| 2 | 数学期望(含函数期望、绝对偏差) | 2017·14、2023·8 | **约 9** | `02` | +| 3 | 方差与矩 | 2022·8、2025·8 | **约 10** | `03` | +| 4 | 线性组合与最值 | 2025·8 | 嵌在选择里 | `06` | +| 5 | 条件期望与重期望 | 大纲要求、十年未单考 | — | `05` | + +### 0.2 按依赖链排(文件顺序,也就是建议的阅读顺序) + +``` +02 数学期望 ← 一切的地基:先把 E 算对 + ↓ +03 方差与矩 ← E 的"二阶版":DX = EX² - (EX)² + ↓ +04 协方差与相关系数 ← 两个变量的"二阶版" + ↓ +05 条件期望与重期望 ← 把 E 拆成两层:E[E(Y|X)] + ↓ +06 线性组合与最值 ← D(aX+bY) 与它的极值 +``` + +**为什么条件期望排在协方差之后**:重期望 $E(XY)=E\left[X\,E(Y\mid X)\right]$ 是算协方差的主力工具,没有协方差的需求就不会想到用它。 + +### 0.3 符号约定 + +| 记号 | 含义 | +|---|---| +| $EX$ | $\sum x_ip_i$ 或 $\int xf(x)\mathrm dx$ | +| $DX=\operatorname{Var}(X)$ | $E(X-EX)^2=EX^2-(EX)^2$ | +| $\sigma_X=\sqrt{DX}$ | 标准差 | +| $\operatorname{Cov}(X,Y)$ | $E(X-EX)(Y-EY)=E(XY)-EX\cdot EY$ | +| $\rho_{XY}$ | $\dfrac{\operatorname{Cov}(X,Y)}{\sigma_X\sigma_Y}\in[-1,1]$ | +| $E(Y\mid X)$ | 条件期望,本身是 $X$ 的**函数**(随机变量) | +| $A_k=EX^k$ 、$B_k=E(X-EX)^k$ | $k$ 阶原点矩、$k$ 阶中心矩 | + +### 0.4 知识点与练习文件对照(按知识点粒度) + + +| 盘点章节(知识点) | 对应题目 | +|---|---| +| §1.1 定义与四条性质 | [点 1 题 1](02-点1-数学期望.md#user-content-题-1--11由分布律算期望与函数期望) | +| §1.2 随机变量函数的期望(不需求分布) | [点 1 题 2](02-点1-数学期望.md#user-content-题-2--12连续型上的函数期望)、[点 1 题 3](02-点1-数学期望.md#user-content-题-3--12绝对偏差与平方偏差) | +| §1.3 常见分布的期望 | [点 1 题 4](02-点1-数学期望.md#user-content-题-4--13用性质速算不积分) | +| §2.1 定义与计算公式 | [点 2 题 1](03-点2-方差与矩.md#user-content-题-1--21二项分布的方差) | +| §2.2 四条性质 | [点 2 题 2](03-点2-方差与矩.md#user-content-题-2--22方差性质与协方差交叉项) | +| §2.3 常见分布的方差 | [点 2 题 3](03-点2-方差与矩.md#user-content-题-3--23由期望与方差反求参数) | +| §2.4 矩与标准化 | [点 2 题 4](03-点2-方差与矩.md#user-content-题-4--24矩偏度与标准化) | +| §3.1 定义 | [点 3 题 1](04-点3-协方差与相关系数.md#user-content-题-1--31由联合分布律求协方差与相关系数) | +| §3.2 双线性(算协方差的唯一公式) | [点 3 题 2](04-点3-协方差与相关系数.md#user-content-题-2--32双线性展开) | +| §3.3 相关系数的意义与极值 | [点 3 题 3](04-点3-协方差与相关系数.md#user-content-题-3--33相关系数的三条性质)、[点 3 题 4](04-点3-协方差与相关系数.md#user-content-题-4--33多项分布的负相关) | +| §4.1 条件期望 | [点 4 题 1](05-点4-条件期望与重期望.md#user-content-题-1--41条件期望是一个函数) | +| §4.2 重期望公式 | [点 4 题 2](05-点4-条件期望与重期望.md#user-content-题-2--42重期望算混合型) | +| §4.3 条件方差与总方差公式 | [点 4 题 3](05-点4-条件期望与重期望.md#user-content-题-3--43随机个数的和) | +| §5.1 线性组合的期望与方差 | [点 5 题 1](06-点5-线性组合与最值.md#user-content-题-1--51两项线性组合的展开) | +| §5.2 方差的最值(选择压轴常客) | [点 5 题 2](06-点5-线性组合与最值.md#user-content-题-2--52同方差下的最值)、[点 5 题 3](06-点5-线性组合与最值.md#user-content-题-3--52异方差下配方) | +| §5.3 三条常用恒等式 | [点 5 题 4](06-点5-线性组合与最值.md#user-content-题-4--53样本均值与偏差平方和) | + + +## 1 数学期望 + +### 1.1 定义与四条性质 + +$$EX=\sum_i x_ip_i\ (\text{离散}),\qquad EX=\int_{-\infty}^{+\infty}xf(x)\,\mathrm dx\ (\text{连续}).$$ + +性质(**不要求独立**): + +$$E(aX+bY+c)=aEX+bEY+c;\qquad X\le Y\Rightarrow EX\le EY;\qquad \lvert EX\rvert\le E\lvert X\rvert .$$ + +> **注意**:$E(XY)=EX\cdot EY$ **只在独立(或不相关)时成立**,不属于"性质",是"额外结论"。 + +### 1.2 随机变量函数的期望(不需求分布) + +$$E\,g(X)=\sum_i g(x_i)p_i\quad\text{或}\quad E\,g(X)=\int_{-\infty}^{+\infty}g(x)f(x)\,\mathrm dx;$$ + +$$E\,g(X,Y)=\iint g(x,y)f(x,y)\,\mathrm d\sigma .$$ + +> **这是全讲最重要的一条技术**:求 $E(1/X)$ 、$E\lvert X-a\rvert$ 、$E\min(X,c)$ 时,**不要先求新变量的分布再求期望**,直接把 $g$ 塞进原积分。省掉一次"求密度 $+$ 积分"。 + +### 1.3 常见分布的期望 + +| 分布 | $EX$ | 记忆方式 | +|---|---|---| +| $B(n,p)$ | $np$ | 拆成 $n$ 个 $0$ -$1$ 之和 | +| $P(\lambda)$ | $\lambda$ | 参数即均值 | +| $G(p)$ (几何) | $\dfrac1p$ | 平均等 $\frac1p$ 次 | +| $U(a,b)$ | $\dfrac{a+b}{2}$ | 中点 | +| $E(\lambda)$ | $\dfrac1\lambda$ | 参数是"速率",期望是"时间" | +| $N(\mu,\sigma^2)$ | $\mu$ | 参数即均值 | +| $\chi^2(n)$ | $n$ | 自由度即均值 | + +## 2 方差与矩 + +### 2.1 定义与计算公式 + +$$DX=E(X-EX)^2=E X^2-(EX)^2 .$$ + +**考场一律用右边那个**:先算 $EX$ 与 $EX^2$ ,相减。定义式只在证明里用。 + +### 2.2 四条性质 + +$$D(aX+b)=a^2DX\quad(\text{常数项不影响});\qquad D(X\pm Y)=DX+DY\pm2\operatorname{Cov}(X,Y).$$ + +**独立时**交叉项消失,$D(X\pm Y)=DX+DY$ ——**注意"差"也是加**,这是最高频的错点。 + +$$DC=0;\qquad DX=0\iff X\ \text{几乎处处为常数}.$$ + +### 2.3 常见分布的方差 + +| 分布 | $DX$ | +|---|---| +| $B(n,p)$ | $np(1-p)$ | +| $P(\lambda)$ | $\lambda$ | +| $G(p)$ | $\dfrac{1-p}{p^2}$ | +| $U(a,b)$ | $\dfrac{(b-a)^2}{12}$ | +| $E(\lambda)$ | $\dfrac{1}{\lambda^2}$ | +| $N(\mu,\sigma^2)$ | $\sigma^2$ | +| $\chi^2(n)$ | $2n$ | + +### 2.4 矩与标准化 + +$k$ 阶原点矩 $A_k=EX^k$ ;$k$ 阶中心矩 $B_k=E(X-EX)^k$ 。其中 **$A_1=EX$ 与 $B_2=DX$ 最常用** 。 + +标准化:$X^*=\dfrac{X-EX}{\sqrt{DX}}$ ,则 $EX^*=0$ 、$DX^*=1$ 。这一步是中心极限定理与所有"查表"题的前提。 + +## 3 协方差与相关系数 + +### 3.1 定义 + +$$\operatorname{Cov}(X,Y)=E(X-EX)(Y-EY)=E(XY)-EX\cdot EY,\qquad \rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}} .$$ + +### 3.2 双线性(算协方差的唯一公式) + +$$\operatorname{Cov}(aX+bY,\ cZ+dW)=ac\operatorname{Cov}(X,Z)+ad\operatorname{Cov}(X,W)+bc\operatorname{Cov}(Y,Z)+bd\operatorname{Cov}(Y,W).$$ + +**三条特例**:$\operatorname{Cov}(X,X)=DX$ ;$\operatorname{Cov}(X,c)=0$ ;$\operatorname{Cov}(X+Y,Z)=\operatorname{Cov}(X,Z)+\operatorname{Cov}(Y,Z)$ 。 + +> **实战写法**:把 $\operatorname{Cov}$ 当成"**带符号的乘法表**",逐项展开成 $\operatorname{Cov}(X,X)$ 、$\operatorname{Cov}(X,Y)$ 这样的原子,再代入数值。这一步比用 $E(XY)-EX\,EY$ 快得多,也不容易错。 + +### 3.3 相关系数的意义与极值 + +**三条结论**: + +1. $\lvert\rho\rvert\le1$ ; +2. $\lvert\rho\rvert=1\iff P\{Y=aX+b\}=1$ (**完全线性相关**,$a>0$ 时 $\rho=1$ ,$a<0$ 时 $\rho=-1$ ); +3. $\rho$ 只度量**线性**关系:$\rho=0$ 只说明"没有线性关系",不说明"没有关系"。 + +**独立与不相关的分界**:独立 $\Rightarrow$ 不相关(二阶矩存在时);反向只在**二维正态**下成立。完整辨析见 [第3讲 点4 题3](../概率论-第3讲-多维随机变量及其分布/05-点4-独立性.md#user-content-题-3--43不相关但不独立的反例)。 + +## 4 条件期望与重期望 + +### 4.1 条件期望 + +$$E(Y\mid X=x)=\sum_j y_j\,p_{j\mid i}\quad\text{或}\quad E(Y\mid X=x)=\int_{-\infty}^{+\infty}y\,f_{Y\mid X}(y\mid x)\,\mathrm dy .$$ + +**关键认识**:$E(Y\mid X)$ 是 $X$ 的**函数**,因此它本身是一个**随机变量**;而 $E(Y\mid X=x)$ 是一个**数**。 + +### 4.2 重期望公式 + +$$EY=E\left[E(Y\mid X)\right].$$ + +**用途**:当 $Y$ 的分布要分两层才能写清(混合型、分层抽样、随机个数的和)时,先求内层再求外层。 + +**乘法版本**(算协方差的主力): + +$$E(XY)=E\left[X\cdot E(Y\mid X)\right].$$ + +### 4.3 条件方差与总方差公式 + +$$DY=\underbrace{E\left[D(Y\mid X)\right]}_{\text{组内}}+\underbrace{D\left[E(Y\mid X)\right]}_{\text{组间}} .$$ + +读法:**总方差 $=$ 组内方差的平均 $+$ 组间(各组均值之间)的方差**。混合型题里算 $DY$ 只需这一条,不必写出 $f_Y$ 。 + +## 5 线性组合与最值 + +### 5.1 线性组合的期望与方差 + +$$E\left(\sum a_iX_i\right)=\sum a_iEX_i;\qquad D\left(\sum a_iX_i\right)=\sum a_i^2DX_i+2\sum_{i 最后一条是"**均方误差分解**":$c$ 取均值时期望平方偏差最小,最小值就是方差。这条在参数估计的 MSE 比较里还会再用一次。 + +## 6 覆盖对照(大纲 vs 真题 vs 参考仓库) + +| 知识点 | 大纲要求 | 十年真题 | 参考仓库 | 处置 | +|---|---|---|---|---| +| 数学期望的定义与性质 | **掌握** | 2017·14 | 有 | 点 1,2 题 | +| 随机变量函数的期望 | **掌握** | 2023·8 | 有 | 点 1,3 题 | +| 常见分布的期望 | **掌握** | 每题必用 | 有 | 点 1,2 题 | +| 方差的定义与性质 | **掌握** | 2022·8、2025·8 | 有 | 点 2,4 题 | +| 常见分布的方差 | **掌握** | 2022·8 | 有 | 点 2,2 题 | +| 矩与标准化 | 了解 | 嵌在别处 | 有 | 点 2,1 题 | +| 协方差与双线性 | **掌握** | 2020·14、2024·9 | 有 | 点 3,3 题 | +| 相关系数与极值 | **掌握** | 2016·8、2021·16 | 有 | 点 3,3 题 | +| 条件期望与重期望 | **掌握** | 大纲要求、十年未单考 | 有 | 点 4,3 题 | +| 总方差公式 | 掌握 | 2020·22(第3讲) | 有 | 点 4,1 题 | +| 线性组合的方差 | **掌握** | 2025·8 | 有 | 点 5,1 题 | +| 方差的最值 | 掌握 | 2025·8 | 无(自编) | 点 5,2 题 | +| 样本均值与偏差平方和 | **掌握** | 嵌在别处 | 有 | 点 5,1 题 | + +**判断**:13 个知识点里,**大纲"掌握"的 12 个全部配题**;余下"矩与标准化"属"了解"层次,也配了 1 题。"方差最值"参考仓库未单列,属自编题,用于补齐 2025·8 的新形态。 + +## 7 与相邻讲的接口 + +| 本讲内容 | 来源 / 去向 | 用法 | +|---|---|---| +| 密度、分布律、边缘、条件 | 第 2、3 讲 | 本讲所有 $E$ 都是在它们的积分上加一个权 | +| 独立与不相关的完整辨析 | [第3讲点4](../概率论-第3讲-多维随机变量及其分布/05-点4-独立性.md) | 本讲只做"$\rho$ 的极值",不重复讲独立性 | +| 二维正态的 $\rho$ 与条件分布 | [第3讲点3 §3.5](../概率论-第3讲-多维随机变量及其分布/04-点3-二维连续型与两类分布.md) | 点 5 的方差最值直接用它 | +| $D\bar X=\sigma^2/n$ | 第 6 讲(数理统计) | 样本均值的方差,参数估计的基础 | +| $\operatorname{Cov}$ 的样本版 $S^2$ | 第 6 讲(数理统计) | 无偏性证明全靠它 | +| 切比雪夫不等式 | 第 5 讲上(大数定律) | 它就是用 $DX$ 去控制"偏离" | + +> **跨讲一句话**:本讲把"分布"压成"数";第 5 讲用这些数去谈极限;第 6 讲用这些数去评价估计量。 diff --git a/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/02-点1-数学期望.md b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/02-点1-数学期望.md new file mode 100644 index 0000000..1bb178d --- /dev/null +++ b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/02-点1-数学期望.md @@ -0,0 +1,212 @@ +--- +tags: [数学一, 在学练习, 概率论, 数字特征, 数学期望] +专题: 概率论 第4讲 · 点1 数学期望 +日期: 2026-11-07 +状态: 知识点带题(1.1 定义与性质、1.2 函数期望、1.3 常见分布,共 4 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 1 数学期望 + +> 真题锚点:2017·14(填空)、2023·8(单选,绝对偏差)|重要度 ★★★ +> 依赖:第 2、3 讲的分布律与密度。盘点对应:§1 全节。 + +**组织原则**:先立定义与性质(1.1),再攻本讲最有价值的技术——**函数期望不需求分布**(1.2),最后收表(1.3)。四道题里两道都在练 1.2,因为这是考场上唯一能"省一步"的地方。难度标准:★☆☆ 一题、★★☆ 三题。 + +## 知识点 1.1 定义与四条性质(出处:[知识章 digital-features.tex §1.1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)|[练习章 §1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/exercise/3-digital-features/digital-features.tex)) + +$$EX=\sum_i x_ip_i\ (\text{离散});\qquad EX=\int_{-\infty}^{+\infty}xf(x)\,\mathrm dx\ (\text{连续}).$$ + +四条性质(**都不要求独立**): + +1. $E(aX+bY+c)=aEX+bEY+c$ (线性); +2. $X\le Y\Rightarrow EX\le EY$ (保序); +3. $\lvert EX\rvert\le E\lvert X\rvert$ ; +4. $EC=C$ (常数视为退化随机变量)。 + +> **$E(XY)=EX\,EY$ 不在性质里**。它是"独立(或不相关)"的**额外结论**,套用前必须确认前提。 + +## 知识点 1.2 随机变量函数的期望(出处:[知识章 §1.1、§2.1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +$$E\,g(X)=\sum_i g(x_i)p_i\quad\text{或}\quad E\,g(X)=\int_{-\infty}^{+\infty}g(x)f(x)\,\mathrm dx .$$ + +二维版本:$E\,g(X,Y)=\iint g(x,y)f(x,y)\,\mathrm d\sigma$ 。 + +**三条要点**: + +1. **不需求 $g(X)$ 的分布**——这是它最大的价值; +2. $g$ 一般**不能提出去**:$E(1/X)\ne1/EX$ 、$E(X^2)\ne(EX)^2$ 、$E\lvert X\rvert\ne\lvert EX\rvert$ ; +3. 分段函数(如 $\min$ 、$\max$ 、绝对值)要**按段拆积分**,分段点就是 $g$ 的换型点。 + +## 知识点 1.3 常见分布的期望(出处:[知识章 §1.4](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +| 分布 | $EX$ | 备注 | +|---|---|---| +| $B(n,p)$ | $np$ | 用"$n$ 个 $0$ -$1$ 之和"推 | +| $P(\lambda)$ | $\lambda$ | 参数即均值 | +| $G(p)$ | $\dfrac1p$ | 平均等 $\frac1p$ 次 | +| $U(a,b)$ | $\dfrac{a+b}{2}$ | 中点 | +| $E(\lambda)$ | $\dfrac1\lambda$ | 参数是速率 | +| $N(\mu,\sigma^2)$ | $\mu$ | 参数即均值 | +| $\chi^2(n)$ | $n$ | 自由度即均值 | + +> **用法**:考场上遇到这些分布,**期望直接写**,把时间留给后面的积分。只有在"要写过程"的解答题里才用定义推一遍。 + +--- + +## 题目(按知识点顺序对应) + +### 题 1 · 1.1:由分布律算期望与函数期望(★☆☆) + +> 设 $X$ 的分布律为 +> +> | $X$ | $-1$ | $0$ | $1$ | $2$ | +> |---|---|---|---|---| +> | $p$ | $0.2$ | $0.3$ | $0.3$ | $0.2$ | +> +> 求 $EX$ 、$E X^2$ 、$DX$ 、$E\lvert X\rvert$ 与 $E\min\{X,1\}$ 。 + +**怎么想**:$EX$ 与 $E X^2$ 都是"加权平均",只是权前的数换了。$E\lvert X\rvert$ 与 $E\min\{X,1\}$ 属于函数期望——**逐项代 $g$ 即可**,不必求新分布。 + +**解**: + +$$EX=(-1)(0.2)+0(0.3)+1(0.3)+2(0.2)=-0.2+0.3+0.4=0.5 .$$ + +$$E X^2=(1)(0.2)+0(0.3)+(1)(0.3)+(4)(0.2)=0.2+0.3+0.8=1.3 .$$ + +$$DX=EX^2-(EX)^2=1.3-0.25=1.05=\frac{21}{20} .$$ + +$$E\lvert X\rvert=(1)(0.2)+0+(1)(0.3)+(2)(0.2)=0.2+0.3+0.4=0.9 .$$ + +$E\min\{X,1\}$ :把每个 $x_i$ 换成 $\min\{x_i,1\}$ ,即 $-1,0,1,1$ : + +$$E\min\{X,1\}=(-1)(0.2)+0(0.3)+(1)(0.3)+(1)(0.2)=-0.2+0.3+0.2=0.3 .$$ + +**验算**:$DX>0$ ✓;$E\min\{X,1\}\lvert EX\rvert=0.5$ ✓。 + +**带走结论**:**算 $EX^2$ 要用平方值加权,不能拿 $(EX)^2$ 顶替**,两者差 $DX$ 。本题 $(EX)^2=0.25$ 、$EX^2=1.3$ ,差得极远——这就是"方差大"的含义。 + +> **关联** · 盘点 [§1.1 定义与四条性质](01-知识点盘点.md#user-content-11-定义与四条性质) | 上游 — | 下游 — | 速查 [一 三条定义式](07-速查卡.md#user-content-一-三条定义式) + +--- + +### 题 2 · 1.2:连续型上的函数期望(★★☆) + +> 设 $X$ 的概率密度为 $f(x)=2x$ ($0 +> (Ⅰ)求 $EX$ 与 $DX$ ; +> (Ⅱ)求 $E\!\left(\dfrac1X\right)$ ,并与 $\dfrac{1}{EX}$ 比较; +> (Ⅲ)求 $E\min\left\{X,\dfrac12\right\}$ 。 + +**怎么想**:(Ⅰ)直接积。(Ⅱ)把 $\frac1x$ 塞进积分,**注意它在 $x=0$ 处发散**——但乘上 $f(x)=2x$ 之后变成常数 $2$ ,所以收敛,这是本题的巧处。(Ⅲ)$\min$ 在 $x=\frac12$ 换段,必须拆两个积分。 + +**解**: + +**(Ⅰ)** + +$$EX=\int_0^1x\cdot2x\,\mathrm dx=\frac23,\qquad E X^2=\int_0^1x^2\cdot2x\,\mathrm dx=\frac12,$$ + +$$DX=\frac12-\frac49=\frac{1}{18} .$$ + +**(Ⅱ)** + +$$E\!\left(\frac1X\right)=\int_0^1\frac1x\cdot2x\,\mathrm dx=\int_0^12\,\mathrm dx=2 .$$ + +而 $\dfrac{1}{EX}=\dfrac{3}{2}=1.5$ 。两者**不相等**:$E\!\left(\frac1X\right)>1/EX$ 。 + +**原因**:$g(x)=\frac1x$ 是**凸函数**,由琴生不等式 $E g(X)\ge g(EX)$ ,等号只在 $X$ 为常数时成立。 + +**(Ⅲ)** 在 $x=\frac12$ 处分段: + +$$E\min\left\{X,\frac12\right\}=\int_0^{1/2}x\cdot2x\,\mathrm dx+\int_{1/2}^{1}\frac12\cdot2x\,\mathrm dx=\left[\frac{2x^3}{3}\right]_0^{1/2}+\left[\frac{x^2}{2}\right]_{1/2}^{1}$$ + +$$=\frac{1}{12}+\left(\frac12-\frac18\right)=\frac{1}{12}+\frac38=\frac{11}{24}\approx0.458 .$$ + +**验算**:$\frac{11}{24}<\frac23=EX$ ✓(因为 $\min\{x,\frac12\}\le x$ );且 $\frac{11}{24}<\frac12$ ✓(截断后期望不超过截断值)。 + +**带走结论**:一般 **$E g(X)\ne g(EX)$ 才是常态**,方向由凹凸性决定:$g$ 凸则 $E g(X)\ge g(EX)$ ,$g$ 凹则相反。$\frac1x$ 、$x^2$ 、$\lvert x\rvert$ 都是凸的,所以"倒数的期望 $>$ 期望的倒数"是常态。 + +> **关联** · 盘点 [§1.2 随机变量函数的期望(不需求分布)](01-知识点盘点.md#user-content-12-随机变量函数的期望不需求分布) | 上游 — | 下游 [点 1 题 3](02-点1-数学期望.md#user-content-题-3--12绝对偏差与平方偏差) | 速查 [三 不需求分布就能算函数期望](07-速查卡.md#user-content-三-不需求分布就能算函数期望) + +--- + +### 题 3 · 1.2:绝对偏差与平方偏差(★★☆) + +> 设 $X\sim U(0,1)$ 。 +> +> (Ⅰ)求 $E\left\lvert X-\dfrac13\right\rvert$ ; +> (Ⅱ)求 $E\left(X-\dfrac13\right)^2$ ; +> (Ⅲ)若要让 $E\lvert X-c\rvert$ 最小,$c$ 应取多少?若要让 $E(X-c)^2$ 最小呢? + +**怎么想**:绝对值必须**在 $x=\frac13$ 处分段**,两段方向相反。平方不用分段——展开即可。第三问是"最小化平均偏差",两个目标给出两个不同的答案,这正是本题的教学点。 + +**解**: + +**(Ⅰ)** $f(x)=1$ ($0\frac19\approx0.111$ ✓(同一量纲下"绝对偏差"必不小于"平方偏差",因为约束在 $[0,1]$ 内偏差绝对值小于 $1$ ,平方后更小)。 + +**带走结论**:**绝对值分段、平方展开**。另外记住这对"最优 $c$ ":**平方偏差 $\to$ 均值,绝对偏差 $\to$ 中位数**——这是 2023·8 型选择题的常见考法。 + +> **关联** · 盘点 [§1.2 随机变量函数的期望(不需求分布)](01-知识点盘点.md#user-content-12-随机变量函数的期望不需求分布) | 上游 [点 1 题 2](02-点1-数学期望.md#user-content-题-2--12连续型上的函数期望) | 下游 — | 速查 [三 不需求分布就能算函数期望](07-速查卡.md#user-content-三-不需求分布就能算函数期望) + +--- + +### 题 4 · 1.3:用性质速算,不积分(★★☆) + +> 设 $X\sim B(10,0.3)$ 、$Y\sim P(2)$ 、$Z\sim E\!\left(\dfrac12\right)$ ,且三者**相互独立**。求 +> +> (Ⅰ)$E(3X-2Y+1)$ ; +> (Ⅱ)$E(X^2)$ 与 $E(XY)$ ; +> (Ⅲ)$E\left(\dfrac{1}{Z}\right)$ 。 + +**怎么想**:三问都在考"**用已知的 $E$ 与 $D$ 反推**"。(Ⅰ)只用线性;(Ⅱ)$EX^2=DX+(EX)^2$ ,$E(XY)$ 靠独立;(Ⅲ)指数分布的倒数期望要单独积一次——它是"$1/Z$ 不是常数"的又一次提醒。 + +**解**: + +**(Ⅰ)** $EX=10\times0.3=3$ ,$EY=2$ ,故 + +$$E(3X-2Y+1)=3\cdot3-2\cdot2+1=9-4+1=6 .$$ + +**(Ⅱ)** $DX=10\times0.3\times0.7=2.1$ ,故 + +$$E X^2=DX+(EX)^2=2.1+9=11.1 .$$ + +由独立性 $E(XY)=EX\cdot EY=3\times2=6$ 。 + +**(Ⅲ)** $Z$ 的密度是 $\frac12\mathrm e^{-z/2}$ ($z>0$ ),故 + +$$E\!\left(\frac1Z\right)=\int_0^{+\infty}\frac1z\cdot\frac12\mathrm e^{-z/2}\,\mathrm dz .$$ + +这个积分**发散**($\frac1z$ 在 $0$ 附近使被积函数 $\sim\frac{1}{2z}$ )。所以本题的正确结论是:**$E\left(\frac1Z\right)$ 不存在**。 + +$\dfrac{1}{EZ}=\dfrac{1}{2}=0.5$ 只是"倒数的期望"的**错误替代品**,两者不能互换。 + +**验算**:$\int_{\varepsilon}^{1}\frac{1}{2z}\mathrm dz=\frac12\ln\frac1\varepsilon\to+\infty$ ✓(对数发散)。 + +**带走结论**:**只有独立才能拆 $E(XY)$ 这一步**;**$E X^2=DX+(EX)^2$ 是最常用的反推式**;而"期望存在"要先检查积分收敛——指数分布的倒数期望就是典型的发散例。 + +> **关联** · 盘点 [§1.3 常见分布的期望](01-知识点盘点.md#user-content-13-常见分布的期望) | 上游 — | 下游 — | 速查 [二 七大分布的期望与方差](07-速查卡.md#user-content-二-七大分布的期望与方差) + +--- diff --git a/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/03-点2-方差与矩.md b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/03-点2-方差与矩.md new file mode 100644 index 0000000..cfe1085 --- /dev/null +++ b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/03-点2-方差与矩.md @@ -0,0 +1,214 @@ +--- +tags: [数学一, 在学练习, 概率论, 数字特征, 方差] +专题: 概率论 第4讲 · 点2 方差与矩 +日期: 2026-11-07 +状态: 知识点带题(2.1 定义与公式、2.2 性质、2.3 常见分布、2.4 矩与标准化,共 4 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 2 方差与矩 + +> 真题锚点:2022·8(方差反求参数)、2025·8(线性组合方差)|重要度 ★★★ +> 依赖:点 1 的数学期望。盘点对应:§2 全节。 + +**组织原则**:方差的一切计算都归结为一个式子 $DX=EX^2-(EX)^2$ ,所以先练这个(2.1),再练它的运算法则(2.2),然后收表与反求参数(2.3),最后补矩与标准化(2.4)。难度标准:★☆☆ 一题、★★☆ 三题。 + +## 知识点 2.1 定义与计算公式(出处:[知识章 §1.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +$$DX=E(X-EX)^2=E X^2-(EX)^2 .$$ + +**两条等价定义**:左边是"偏差平方的期望"(意义),右边是"先算二阶矩再减"(算法)。**考场一律用右边**。 + +$$DX=\sum_i(x_i-EX)^2p_i\quad\text{或}\quad DX=\int_{-\infty}^{+\infty}(x-EX)^2f(x)\,\mathrm dx .$$ + +## 知识点 2.2 四条性质(出处:[知识章 §1.2 性质](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +$$D(aX+b)=a^2DX;\qquad D(X\pm Y)=DX+DY\pm2\operatorname{Cov}(X,Y);\qquad DC=0 .$$ + +$$DX=0\iff P\{X=EX\}=1\ (\text{几乎处处为常数}).$$ + +> **两个高频错点**:① 常数项 $b$ 不影响方差(不是 $a^2DX+b^2$ );② **$D(X-Y)=DX+DY$ 才对**(独立时),**不是 $DX-DY$ 的形式**。记忆锚点:**方差是"散布程度",相减不会让散布变小**。 + +## 知识点 2.3 常见分布的方差(出处:[知识章 §1.4](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +| 分布 | $DX$ | 与 $EX$ 的关系 | +|---|---|---| +| $B(n,p)$ | $np(1-p)$ | $=EX(1-p)$ | +| $P(\lambda)$ | $\lambda$ | $=EX$ (泊松的"等散"性) | +| $G(p)$ | $\dfrac{1-p}{p^2}$ | $\dfrac{EX-1}{p}$ | +| $U(a,b)$ | $\dfrac{(b-a)^2}{12}$ | 只看区间长度 | +| $E(\lambda)$ | $\dfrac{1}{\lambda^2}$ | $=(EX)^2$ | +| $N(\mu,\sigma^2)$ | $\sigma^2$ | 参数即方差 | +| $\chi^2(n)$ | $2n$ | $=2EX$ | + +**反求参数的套路**:二项给 $EX$ 与 $DX$ 两个条件,则 + +$$\frac{DX}{EX}=1-p\ \Rightarrow\ p;\qquad n=\frac{EX}{p} .$$ + +这一步比解方程组快,因为它先消掉 $n$ 。 + +## 知识点 2.4 矩与标准化(出处:[知识章 §1.1、§2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +$$A_k=EX^k\ (\text{原点矩}),\qquad B_k=E(X-EX)^k\ (\text{中心矩}).$$ + +**两条对应**:$A_1=EX$ 、$B_2=DX$ ;$B_3$ 刻画**偏度**($B_3=0$ 说明分布关于均值对称),$B_4$ 刻画峰度。 + +**标准化**: + +$$X^*=\frac{X-EX}{\sqrt{DX}}\ \Longrightarrow\ EX^*=0,\quad DX^*=1 .$$ + +标准化是"查表"与"中心极限定理"的前置动作:任何正态都能化到 $N(0,1)$ ,任何和都能化成近似 $N(0,1)$ 。 + +--- + +## 题目(按知识点顺序对应) + +### 题 1 · 2.1:二项分布的方差(★☆☆) + +> 设 $X\sim B\!\left(3,\dfrac12\right)$ 。 +> +> (Ⅰ)写出分布律,求 $EX$ 、$E X^2$ 、$DX$ ; +> (Ⅱ)用 $DX=EX(1-p)$ 复核; +> (Ⅲ)求 $D(2X+1)$ 。 + +**怎么想**:三项二项分布手算即可。第(Ⅱ)问是"用公式验算",第(Ⅲ)问只考一条性质 $D(aX+b)=a^2DX$ 。 + +**解**: + +**(Ⅰ)** 分布律: + +| $X$ | 0 | 1 | 2 | 3 | +|---|---|---|---|---| +| $p$ | $\frac18$ | $\frac38$ | $\frac38$ | $\frac18$ | + +$$EX=0\cdot\frac18+1\cdot\frac38+2\cdot\frac38+3\cdot\frac18=\frac{3+6+3}{8}=\frac32 .$$ + +$$E X^2=0+1\cdot\frac38+4\cdot\frac38+9\cdot\frac18=\frac{3+12+9}{8}=3 .$$ + +$$DX=3-\left(\frac32\right)^2=3-\frac94=\frac34 .$$ + +**(Ⅱ)** $EX(1-p)=\dfrac32\cdot\dfrac12=\dfrac34=DX$ ✓。 + +**(Ⅲ)** $D(2X+1)=4DX=4\times\dfrac34=3$ 。 + +**验算**:逐项定义式核对:$DX=\sum(x_i-1.5)^2p_i=\left(2.25\cdot\frac18\right)+\left(0.25\cdot\frac38\right)+\left(0.25\cdot\frac38\right)+\left(2.25\cdot\frac18\right)$ + +$=0.28125+0.09375+0.09375+0.28125=0.75$ ✓。 + +**带走结论**:**常数项不进方差**——$D(2X+1)=D(2X)=4DX$ 。这条每年都有人写成 $4DX+1$ 。 + +> **关联** · 盘点 [§2.1 定义与计算公式](01-知识点盘点.md#user-content-21-定义与计算公式) | 上游 — | 下游 — | 速查 [一 三条定义式](07-速查卡.md#user-content-一-三条定义式) + +--- + +### 题 2 · 2.2:方差性质与协方差交叉项(★★☆) + +> 设 $DX=4$ 、$DY=9$ 、$\rho_{XY}=\dfrac13$ ,求 +> +> (Ⅰ)$\operatorname{Cov}(X,Y)$ ; +> (Ⅱ)$D(2X-3Y+1)$ ; +> (Ⅲ)$D(X-Y)$ 与 $D\!\left(\dfrac X2+\dfrac Y3\right)$ 。 + +**怎么想**:先由 $\rho$ 反解 $\operatorname{Cov}$ ($\operatorname{Cov}=\rho\sigma_X\sigma_Y$ ,注意是**标准差**之积,不是方差之积)。然后一律套 $D(aX+bY)=a^2DX+b^2DY+2ab\operatorname{Cov}$ ,**符号跟着 $a,b$ 走**。 + +**解**: + +**(Ⅰ)** $\sigma_X=2$ 、$\sigma_Y=3$ ,故 + +$$\operatorname{Cov}(X,Y)=\rho\sigma_X\sigma_Y=\frac13\cdot2\cdot3=2 .$$ + +**(Ⅱ)** $a=2$ 、$b=-3$ : + +$$D(2X-3Y+1)=4DX+9DY+2(2)(-3)\operatorname{Cov}=4\cdot4+9\cdot9-12\cdot2=16+81-24=73 .$$ + +**(Ⅲ)** + +$$D(X-Y)=DX+DY-2\operatorname{Cov}=4+9-4=9 .$$ + +$$D\!\left(\frac X2+\frac Y3\right)=\frac14DX+\frac19DY+2\cdot\frac12\cdot\frac13\operatorname{Cov}=1+1+\frac{2}{3}=\frac83 .$$ + +**验算**:$D(X-Y)+D(X+Y)=2(DX+DY)=26$ ;本题 $D(X+Y)=4+9+4=17$ ,$17+9=26$ ✓(交叉项相消的检验)。 + +**带走结论**:**协方差公式的符号规则**:$a,b$ 同号则交叉项为正("同向放大"),异号则为负("相互抵消")。第(Ⅱ)问里 $-3Y$ 使交叉项变负,$73<16+81=97$ ,说明两变量部分抵消——这正是"负相关能降风险"的数学表达。 + +> **关联** · 盘点 [§2.2 四条性质](01-知识点盘点.md#user-content-22-四条性质) | 上游 — | 下游 — | 速查 [四 方差性质与矩](07-速查卡.md#user-content-四-方差性质与矩) + +--- + +### 题 3 · 2.3:由期望与方差反求参数(★★☆) + +> 设 $X\sim B(n,p)$ ,已知 $EX=2.4$ 、$DX=1.44$ 。 +> +> (Ⅰ)求 $n$ 与 $p$ ; +> (Ⅱ)求 $P\{X=0\}$ 与 $P\{X\ge1\}$ ; +> (Ⅲ)若 $Y=3X-2$ ,求 $EY$ 与 $DY$ 。 + +**怎么想**:把两个条件写成 $np=2.4$ 、$np(1-p)=1.44$ ,**两式相除立刻得 $1-p$ 的值**,这是最快的路。别展开成一元二次方程。 + +**解**: + +**(Ⅰ)** 两式相除: + +$$\frac{DX}{EX}=1-p=\frac{1.44}{2.4}=0.6\ \Rightarrow\ p=0.4 .$$ + +再由 $np=2.4$ 得 $n=\dfrac{2.4}{0.4}=6$ 。 + +**(Ⅱ)** + +$$P\{X=0\}=(1-p)^6=0.6^6=0.046656,$$ + +$$P\{X\ge1\}=1-0.046656=0.953344 .$$ + +**(Ⅲ)** + +$$EY=3EX-2=3(2.4)-2=5.2,\qquad DY=9DX=9(1.44)=12.96 .$$ + +**验算**:$DX=np(1-p)=6\cdot0.4\cdot0.6=1.44$ ✓;$EX=6\cdot0.4=2.4$ ✓。 + +**带走结论**:**给 $EX$ 与 $DX$ 求二项参数,先算 $1-p=DX/EX$ 这个比值**。同样的技巧对泊松无效(泊松只有一个参数,$EX=DX=\lambda$ ,两个条件必须相容才算得出)。 + +> **关联** · 盘点 [§2.3 常见分布的方差](01-知识点盘点.md#user-content-23-常见分布的方差) | 上游 — | 下游 — | 速查 [二 七大分布的期望与方差](07-速查卡.md#user-content-二-七大分布的期望与方差) + +--- + +### 题 4 · 2.4:矩、偏度与标准化(★★☆) + +> 设 $X$ 的分布律为 $P\{X=0\}=P\{X=2\}=\dfrac14$ 、$P\{X=1\}=\dfrac12$ 。 +> +> (Ⅰ)求 $A_1$ 、$A_2$ 、$B_2$ 、$B_3$ ; +> (Ⅱ)写出标准化变量 $X^*$ ,验证 $EX^*=0$ 、$DX^*=1$ ; +> (Ⅲ)由 $B_3=0$ 能得出什么结论?反过来成立吗? + +**怎么想**:$A_1$ 与 $A_2$ 是原点矩,直接加权;$B_2$ 就是 $DX$ ;$B_3$ 要按定义 $E(X-EX)^3$ 加权。第(Ⅲ)问是辨析题——"对称 $\Rightarrow B_3=0$ "成立,"$B_3=0\Rightarrow$ 对称"不成立。 + +**解**: + +**(Ⅰ)** 先算 $EX$ : + +$$A_1=EX=0\cdot\frac14+1\cdot\frac12+2\cdot\frac14=1 .$$ + +$$A_2=EX^2=0+1\cdot\frac12+4\cdot\frac14=1.5 .$$ + +$$B_2=DX=A_2-A_1^2=1.5-1=0.5 .$$ + +$$B_3=E(X-1)^3=(-1)^3\cdot\frac14+0^3\cdot\frac12+(1)^3\cdot\frac14=-\frac14+\frac14=0 .$$ + +**(Ⅱ)** $X^*=\dfrac{X-1}{\sqrt{0.5}}=\sqrt2\,(X-1)$ 。于是 $X^*$ 取值 $-\sqrt2,\,0,\,\sqrt2$ ,概率 $\frac14,\frac12,\frac14$ : + +$$EX^*=\sqrt2\left(-1\cdot\frac14+0+1\cdot\frac14\right)=0\ ✓$$ + +$$D X^*=2\cdot DX=2\cdot0.5=1\ ✓$$ + +(也可直接用性质:$E(aX+b)=aEX+b$ 、$D(aX+b)=a^2DX$ ,取 $a=\frac{1}{\sqrt{DX}}$ 、$b=-\frac{EX}{\sqrt{DX}}$ 即得。) + +**(Ⅲ)** $B_3=0$ 说明**分布没有偏斜的方向**。本题的分布律关于 $x=1$ 对称,所以 $B_3=0$ 是必然的。 + +**反过来不成立**:存在不对称但 $B_3=0$ 的分布(例如把 $X$ 的若干概率做小幅非对称调整,使三阶矩恰好抵消)。三阶矩只是一个"加权和",**一个等式控制不了整个分布的形状**。 + +**验算**:$P\{X=0\}+P\{X=1\}+P\{X=2\}=\frac14+\frac12+\frac14=1$ ✓;$B_2>0$ ✓。 + +**带走结论**:**矩只能刻画分布的"几个侧面"**:一阶看位置、二阶看散布、三阶看偏斜。任何"由矩反推分布"的结论都需要额外条件(如正态、或所有阶矩都已知)。 + +> **关联** · 盘点 [§2.4 矩与标准化](01-知识点盘点.md#user-content-24-矩与标准化) | 上游 — | 下游 — | 速查 [四 方差性质与矩](07-速查卡.md#user-content-四-方差性质与矩) + +--- diff --git a/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/04-点3-协方差与相关系数.md b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/04-点3-协方差与相关系数.md new file mode 100644 index 0000000..648ab2b --- /dev/null +++ b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/04-点3-协方差与相关系数.md @@ -0,0 +1,210 @@ +--- +tags: [数学一, 在学练习, 概率论, 数字特征, 协方差, 相关系数] +专题: 概率论 第4讲 · 点3 协方差与相关系数 +日期: 2026-11-07 +状态: 知识点带题(3.1 定义、3.2 双线性、3.3 相关系数,共 4 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 3 协方差与相关系数 + +> 真题锚点:2020·14(协方差)、2021·16(相关系数)、2016·8(多项分布相关系数)|重要度 ★★★ +> 依赖:点 1、点 2 的期望与方差。盘点对应:§3 全节。 + +**组织原则**:$\operatorname{Cov}$ 的全部技术是**双线性展开**(3.2 是核心),$\rho$ 的全部内容是**取值范围与等号条件**(3.3)。先练定义(3.1),再练展开(3.2),最后练 $\rho$ (3.3)。难度标准:★☆☆ 一题、★★☆ 两题、★★★ 一题。 + +## 知识点 3.1 定义与两种算法(出处:[知识章 §2.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +$$\operatorname{Cov}(X,Y)=E(X-EX)(Y-EY)=E(XY)-EX\cdot EY .$$ + +**两种算法分别适用**: + +| 已知什么 | 用哪个 | +|---|---| +| 联合分布律 / 联合密度 | **定义式**(直接算 $E(XY)$ ) | +| 各自方差 + $\rho$ | **反向式** $\operatorname{Cov}=\rho\sigma_X\sigma_Y$ | +| 各种线性组合 | **双线性**(见 3.2) | + +$$\rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}\in[-1,1].$$ + +## 知识点 3.2 双线性(算协方差的唯一通用武器) + +$$\operatorname{Cov}(aX+bY,\ cZ+dW)=ac\operatorname{Cov}(X,Z)+ad\operatorname{Cov}(X,W)+bc\operatorname{Cov}(Y,Z)+bd\operatorname{Cov}(Y,W).$$ + +**三条原子**:$\operatorname{Cov}(X,X)=DX$ 、$\operatorname{Cov}(Y,Y)=DY$ 、$\operatorname{Cov}(X,Y)=\operatorname{Cov}(Y,X)$ 。 + +> **实战顺序**:① 展开成原子;② 代入数值;③ 检查"同变量"与"异变量"是否分清了。**90% 的错都错在第 ③ 步**——把 $\operatorname{Cov}(X,X)$ 写成 $DX$ 时漏掉,或者把两个不同的变量当成同一个。 + +## 知识点 3.3 相关系数的三条结论(出处:[知识章 §2.2、§3](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +1. **有界性 $\lvert\rho\rvert\le1$ 恒成立** ,等价于 $\left[\operatorname{Cov}(X,Y)\right]^2\le DX\cdot DY$ (柯西–施瓦茨不等式的概率版); +2. **$\lvert\rho\rvert=1\iff P\{Y=aX+b\}=1$ 即完全线性相关** ,且 $a$ 的符号就是 $\rho$ 的符号,$\lvert a\rvert=\dfrac{\sigma_Y}{\sigma_X}$ ; +3. **$\rho$ 只度量线性关系**:$\rho=0$ 说明"没有线性关系",不说明"没有关系"。 + +**两条运算性质**(选择常考): + +$$\rho(aX+b,\ cY+d)=\operatorname{sign}(ac)\,\rho(X,Y) .$$ + +即:**平移与正数缩放不改变 $\rho$ ,负数缩放改变符号**。 + +> **独立与不相关的完整辨析在第 3 讲**:独立 $\Rightarrow$ 不相关,反向只在二维正态成立。本讲不再重复,只在题 4 的归因里点一下。 + +--- + +## 题目(按知识点顺序对应) + +### 题 1 · 3.1:由联合分布律求协方差与相关系数(★☆☆) + +> 设 $(X,Y)$ 的联合分布律为 +> +> | $X\backslash Y$ | 0 | 1 | +> |---|---|---| +> | **0** | $0.3$ | $0.2$ | +> | **1** | $0.2$ | $0.3$ | +> +> 求 $\operatorname{Cov}(X,Y)$ 与 $\rho_{XY}$ 。 + +**怎么想**:先用边缘求 $EX,EY$ ,再用"$XY$ 只在下标都为 1 时非零"算 $E(XY)$ 。方差用 $0$ -$1$ 变量的快捷式 $DX=p(1-p)$ 。 + +**解**: + +**第 1 步:边缘。** 行和给出 $P\{X=0\}=0.5$ 、$P\{X=1\}=0.5$ ;列和给出 $P\{Y=0\}=0.5$ 、$P\{Y=1\}=0.5$ 。故 + +$$EX=0.5,\qquad EY=0.5 .$$ + +**第 2 步:$E(XY)$ 。** 只有 $X=1,Y=1$ 这一格贡献: + +$$E(XY)=1\cdot0.3=0.3 .$$ + +**第 3 步:协方差与相关系数。** + +$$\operatorname{Cov}(X,Y)=0.3-0.5\times0.5=0.3-0.25=0.05 .$$ + +$$DX=0.5\times0.5=0.25,\qquad DY=0.25,$$ + +$$\rho=\frac{0.05}{\sqrt{0.25\times0.25}}=\frac{0.05}{0.25}=0.2 .$$ + +**验算**:若独立,各格应为 $0.25$ ;本题对角两格是 $0.3$ (偏大),非对角是 $0.2$ (偏小),说明**同向**变化,故 $\rho>0$ ✓,且 $\rho=0.2$ 属弱正相关,与"偏离 $0.05$ "的量级相符。 + +**带走结论**:**$0$ -$1$ 变量的协方差就是"联合概率 $-$ 边缘之积"**,一行算术就能看出方向:对角格偏大 $\Rightarrow$ 正相关,偏小 $\Rightarrow$ 负相关。 + +> **关联** · 盘点 [§3.1 定义](01-知识点盘点.md#user-content-31-定义) | 上游 — | 下游 — | 速查 [一 三条定义式](07-速查卡.md#user-content-一-三条定义式) + +--- + +### 题 2 · 3.2:双线性展开(★★☆) + +> 设 $DX=4$ 、$DY=9$ 、$\operatorname{Cov}(X,Y)=2$ ,求 +> +> (Ⅰ)$\operatorname{Cov}(X+2Y,\ 3X-Y)$ ; +> (Ⅱ)$\operatorname{Cov}(X+Y,\ X-Y)$ ; +> (Ⅲ)$\rho_{X+Y,\,X-Y}$ 。 + +**怎么想**:展开成原子,逐项代入。第三问要用到刚算的协方差与两个和的方差,注意 $D(X\pm Y)=DX+DY\pm2\operatorname{Cov}$ 。 + +**解**: + +**(Ⅰ)** + +$$\operatorname{Cov}(X+2Y,3X-Y)=3\operatorname{Cov}(X,X)-\operatorname{Cov}(X,Y)+6\operatorname{Cov}(Y,X)-2\operatorname{Cov}(Y,Y)$$ + +$$=3DX-\operatorname{Cov}+6\operatorname{Cov}-2DY=3\cdot4+5\cdot2-2\cdot9=12+10-18=4 .$$ + +**(Ⅱ)** + +$$\operatorname{Cov}(X+Y,X-Y)=DX-\operatorname{Cov}(X,Y)+\operatorname{Cov}(Y,X)-DY=4-9=-5 .$$ + +**(Ⅲ)** 先算两个和的方差: + +$$D(X+Y)=4+9+2\cdot2=17,\qquad D(X-Y)=4+9-2\cdot2=9 .$$ + +$$\rho=\frac{-5}{\sqrt{17}\sqrt{9}}=\frac{-5}{3\sqrt{17}}\approx-0.404 .$$ + +**验算**:用"$D(X+Y)+D(X-Y)=2(DX+DY)$ "核对:$17+9=26=2(4+9)$ ✓。 + +**带走结论**:**$\operatorname{Cov}(X+Y,X-Y)=DX-DY$ 与 $\rho$ 无关**——这条在第 3 讲点 3 题 4 里以"$X+Y$ 与 $X-Y$ 独立 $\iff\sigma_X^2=\sigma_Y^2$ "的形式出现过,两处是同一件事。 + +> **关联** · 盘点 [§3.2 双线性(算协方差的唯一公式)](01-知识点盘点.md#user-content-32-双线性算协方差的唯一公式) | 上游 — | 下游 — | 速查 [五 协方差的双线性](07-速查卡.md#user-content-五-协方差的双线性) + +--- + +### 题 3 · 3.3:相关系数的三条性质(★★☆) + +> 设 $DX=1$ 、$DY=4$ 、$\rho_{XY}=\dfrac12$ 。 +> +> (Ⅰ)求 $\rho(2X+1,\ -3Y)$ 与 $\rho(X,Y+5)$ ; +> (Ⅱ)求 $\rho(X+Y,\ X-Y)$ ; +> (Ⅲ)若已知 $\rho_{XY}=1$ ,写出 $Y$ 与 $X$ 的线性关系。 + +**怎么想**:$\rho$ 对平移免疫、对正数缩放免疫、对负数缩放变号——先把符号定下来,绝对值仍是 $\frac12$ 。第(Ⅲ)问用 $\lvert\rho\rvert=1$ 的充要条件。 + +**解**: + +**(Ⅰ)** 由 $\rho(aX+b,\,cY+d)=\operatorname{sign}(ac)\rho(X,Y)$ : + +$$\rho(2X+1,\ -3Y)=\operatorname{sign}(-6)\cdot\frac12=-\frac12;\qquad \rho(X,\ Y+5)=\operatorname{sign}(1)\cdot\frac12=\frac12 .$$ + +**(Ⅱ)** $\operatorname{Cov}(X,Y)=\rho\sigma_X\sigma_Y=\dfrac12\cdot1\cdot2=1$ ,故 + +$$\operatorname{Cov}(X+Y,X-Y)=DX-DY=1-4=-3,$$ + +$$D(X+Y)=1+4+2=7,\qquad D(X-Y)=1+4-2=3,$$ + +$$\rho=\frac{-3}{\sqrt{7}\sqrt{3}}=-\frac{3}{\sqrt{21}}\approx-0.655 .$$ + +**(Ⅲ)** $\rho=1$ 意味着**完全正线性相关**: + +$$P\{Y=aX+b\}=1,\qquad a=\frac{\sigma_Y}{\sigma_X}\cdot\rho=\frac21\cdot1=2 .$$ + +即 $Y=2X+b$ ,$b$ 由均值定:$b=EY-2EX$ 。 + +**验算**:若 $Y=2X+b$ ,则 $DY=4DX=4$ ✓(与题设一致);$\operatorname{Cov}(X,Y)=2DX=2=\rho\sigma_X\sigma_Y=1\cdot1\cdot2$ ✓。 + +**带走结论**:**$\rho$ 的绝对值是"线性程度",符号是"方向"**。$\lvert\rho\rvert=1$ 时两变量由一条直线完全决定,此时斜率 $=\rho\dfrac{\sigma_Y}{\sigma_X}$ (这是线性回归的斜率,第 6 讲还会用到)。 + +> **关联** · 盘点 [§3.3 相关系数的意义与极值](01-知识点盘点.md#user-content-33-相关系数的意义与极值) | 上游 — | 下游 [点 3 题 4](04-点3-协方差与相关系数.md#user-content-题-4--33多项分布的负相关) | 速查 [六 相关系数三条](07-速查卡.md#user-content-六-相关系数三条) + +--- + +### 题 4 · 3.3:多项分布的负相关(★★★) + +> 将一次试验独立重复 $n=10$ 次,每次落进类别 $A,B,C$ 的概率分别为 $p_1=0.2$ 、$p_2=0.3$ 、$p_3=0.5$ 。以 $N_1,N_2$ 分别表示落进 $A,B$ 的次数。 +> +> (Ⅰ)写出 $N_1$ 的分布,并求 $EN_1$ 、$DN_1$ ; +> (Ⅱ)求 $\operatorname{Cov}(N_1,N_2)$ ; +> (Ⅲ)求 $\rho_{N_1N_2}$ ,并解释为什么必然是负的。 + +**怎么想**:$N_k$ 是"$n$ 个独立指示变量之和",所以每个都是二项。关键是协方差:把 $N_1=\sum I_i$ 、$N_2=\sum J_i$ 展开,**同一次试验的两个指示变量不能同时为 1**(类别互斥),于是只有异次项有贡献。 + +**解**: + +**(Ⅰ)** $N_1\sim B(10,0.2)$ : + +$$EN_1=10\times0.2=2,\qquad DN_1=10\times0.2\times0.8=1.6 .$$ + +(同理 $N_2\sim B(10,0.3)$ ,$DN_2=10\times0.3\times0.7=2.1$ 。) + +**(Ⅱ)** 令 $I_i=I\{\text{第 }i\text{ 次落进 }A\}$ 、$J_i=I\{\text{第 }i\text{ 次落进 }B\}$ ,则 $N_1=\sum_iI_i$ 、$N_2=\sum_iJ_i$ : + +$$\operatorname{Cov}(N_1,N_2)=\sum_i\operatorname{Cov}(I_i,J_i)+\sum_{i\ne j}\operatorname{Cov}(I_i,J_j) .$$ + +- **同次**($i=j$ ):$I_iJ_i\equiv0$ (互斥),故 $\operatorname{Cov}(I_i,J_i)=0-EI_iEJ_i=-p_1p_2$ ; +- **异次**($i\ne j$ ):两次独立,$\operatorname{Cov}=0$ 。 + +共 $n$ 个同次项,故 + +$$\operatorname{Cov}(N_1,N_2)=-np_1p_2=-10\times0.2\times0.3=-0.6 .$$ + +**(Ⅲ)** + +$$\rho=\frac{-0.6}{\sqrt{1.6}\sqrt{2.1}}=\frac{-0.6}{\sqrt{3.36}}=-\frac{\sqrt{21}}{14}\approx-0.327 .$$ + +**为什么必然为负**:总次数固定为 $10$ 。$A$ 出现得越多,名额就被占得越多,留给 $B$ 的就越少——**此消彼长**。数学上就是"同次互斥"导致的 $-np_1p_2$ 。 + +**验算**:$N_1+N_2\sim B(10,0.5)$ ,故 $D(N_1+N_2)=10\times0.5\times0.5=2.5$ ;另一方面 $D(N_1+N_2)=DN_1+DN_2+2\operatorname{Cov}=1.6+2.1+2(-0.6)=3.7-1.2=2.5$ ✓——**这条验算同时确认了协方差的数值**。 + +**带走结论**:**多项分布任意两类的协方差恒为 $-np_ip_j$ 的形式**,这个式子里的负号来自"类别互斥"。它与"独立"毫无矛盾:两类在**不同次试验**中完全独立,只是**同次**不能共存。 + +> **关联** · 盘点 [§3.3 相关系数的意义与极值](01-知识点盘点.md#user-content-33-相关系数的意义与极值) | 上游 [点 3 题 3](04-点3-协方差与相关系数.md#user-content-题-3--33相关系数的三条性质) | 下游 — | 速查 [六 相关系数三条](07-速查卡.md#user-content-六-相关系数三条) + +--- diff --git a/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/05-点4-条件期望与重期望.md b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/05-点4-条件期望与重期望.md new file mode 100644 index 0000000..4c80c4a --- /dev/null +++ b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/05-点4-条件期望与重期望.md @@ -0,0 +1,189 @@ +--- +tags: [数学一, 在学练习, 概率论, 数字特征, 条件期望, 重期望] +专题: 概率论 第4讲 · 点4 条件期望与重期望 +日期: 2026-11-07 +状态: 知识点带题(4.1 条件期望、4.2 重期望、4.3 总方差,共 3 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 4 条件期望与重期望 + +> 大纲要求、近十年未单独出题,但**第 3 讲与第 6 讲的每一道混合型题都要用它**|重要度 ★★★ +> 依赖:点 1—点 3,以及第 3 讲的条件密度。盘点对应:§4 全节。 + +**组织原则**:条件期望是"分两层算期望"的技术,核心只有两个式子:**重期望** $EY=E[E(Y\mid X)]$ 与**总方差** $DY=E[D(Y\mid X)]+D[E(Y\mid X)]$ 。三道题按"会算条件期望 → 会用重期望 → 会用总方差"递进。难度标准:★★☆ 两题、★★★ 一题。 + +## 知识点 4.1 条件期望(出处:[知识章 §2.1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +$$E(Y\mid X=x)=\sum_j y_j\,p_{j\mid i}\quad\text{或}\quad E(Y\mid X=x)=\int_{-\infty}^{+\infty}y\,f_{Y\mid X}(y\mid x)\,\mathrm dy .$$ + +**三条性质**: + +1. **线性**:$E(aY+bZ\mid X)=aE(Y\mid X)+bE(Z\mid X)$ ; +2. **提出已知量**:若 $g(X)$ 是 $X$ 的函数,则 $E\left[g(X)Y\mid X\right]=g(X)E(Y\mid X)$ ; +3. **独立时退化**:$X\perp Y\Rightarrow E(Y\mid X)=EY$ 。 + +> **最关键的认识**:$E(Y\mid X)$ 里 $X$ 是随机的,所以**它本身是一个随机变量**($X$ 的函数);而 $E(Y\mid X=x)$ 是一个**确定的数**。混淆这两者,后面的重期望就无法理解。 + +## 知识点 4.2 重期望公式(出处:[知识章 §2.1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +$$EY=E\left[E(Y\mid X)\right].$$ + +**使用场景**:$Y$ 的分布要"分层"才写得清——混合型、分层抽样、随机个数的和。 + +**乘法版本**(算协方差的主力): + +$$E(XY)=E\left[X\,E(Y\mid X)\right].$$ + +> 这条比 $E\left[E(XY\mid X)\right]$ 更好用,因为提出已知量那一步已经把 $X$ 挪到期望外面。 + +## 知识点 4.3 条件方差与总方差公式(出处:[知识章 §2.1、§2.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +$$D(Y\mid X)=E\left(Y^2\mid X\right)-\left[E(Y\mid X)\right]^2,$$ + +$$\boxed{DY=E\left[D(Y\mid X)\right]+D\left[E(Y\mid X)\right]}.$$ + +读法:**总方差 = 组内方差的平均 + 组间(各组均值之间)的方差**。 + +**随机和的两个公式**($S=\sum_{i=1}^{N}Y_i$ ,$Y_i$ 独立同分布且与 $N$ 独立): + +$$ES=EN\cdot EY_1,\qquad DS=EN\cdot DY_1+DN\cdot(EY_1)^2 .$$ + +> 这两个式子其实就是重期望与总方差在"随机个数"上的落地:$E(S\mid N)=N\,EY_1$ 、$D(S\mid N)=N\,DY_1$ ,再取一次期望即得。 + +--- + +## 题目(按知识点顺序对应) + +### 题 1 · 4.1:条件期望是一个函数(★★☆) + +> 设 $(X,Y)$ 在 $D=\{(x,y):0 +> (Ⅰ)求 $E(Y\mid X=x)$ ; +> (Ⅱ)由此求 $EY$ ,并用直接积分复核; +> (Ⅲ)求 $E(XY)$ 与 $\operatorname{Cov}(X,Y)$ 。 + +**怎么想**:先求条件密度($f_{Y\mid X}(y\mid x)=\frac1x$ ,即 $U(0,x)$ ),条件期望就是区间中点 $\frac x2$ 。第(Ⅱ)问是重期望:$EY=E\left(\frac X2\right)$ 。 + +**解**: + +**(Ⅰ)** 由点 1 的同类计算(见第 3 讲点 3 题 3),$Y\mid X=x\sim U(0,x)$ ,故 + +$$E(Y\mid X=x)=\frac{0+x}{2}=\frac x2 .$$ + +作为随机变量:$E(Y\mid X)=\dfrac X2$ 。 + +**(Ⅱ)** 重期望: + +$$EY=E\left(\frac X2\right)=\frac12EX .$$ + +$f_X(x)=2x$ ($0 **关联** · 盘点 [§4.1 条件期望](01-知识点盘点.md#user-content-41-条件期望) | 上游 — | 下游 — | 速查 [七 重期望与总方差](07-速查卡.md#user-content-七-重期望与总方差) + +--- + +### 题 2 · 4.2:重期望算混合型(★★☆) + +> 设 $X$ 满足 $P\{X=0\}=P\{X=1\}=\dfrac12$ 。在 $X=0$ 时 $Y\sim E(1)$ ;在 $X=1$ 时 $Y\sim E\!\left(\dfrac12\right)$ 。 +> +> (Ⅰ)求 $E(Y\mid X=0)$ 与 $E(Y\mid X=1)$ ,进而求 $EY$ ; +> (Ⅱ)求 $E\left(Y^2\mid X\right)$ 与 $EY^2$ ,进而求 $DY$ ; +> (Ⅲ)用总方差公式复核 $DY$ ,并求 $\operatorname{Cov}(X,Y)$ 。 + +**怎么想**:$E(\lambda)$ 的期望是 $\frac1\lambda$ 、二阶矩是 $\frac{2}{\lambda^2}$ ,先写出两层再按 $\frac12$ 加权。第(Ⅲ)问是本节的核心检验:两条路必须同值。 + +**解**: + +**(Ⅰ)** 两层期望: + +$$E(Y\mid X=0)=\frac{1}{1}=1,\qquad E(Y\mid X=1)=\frac{1}{1/2}=2 .$$ + +$$EY=E\left[E(Y\mid X)\right]=\frac12\cdot1+\frac12\cdot2=\frac32 .$$ + +**(Ⅱ)** $E(\lambda)$ 的二阶矩为 $\frac{2}{\lambda^2}$ : + +$$E\left(Y^2\mid X=0\right)=\frac{2}{1^2}=2,\qquad E\left(Y^2\mid X=1\right)=\frac{2}{(1/2)^2}=8 .$$ + +$$EY^2=\frac12\cdot2+\frac12\cdot8=5,\qquad DY=5-\left(\frac32\right)^2=5-2.25=2.75=\frac{11}{4} .$$ + +**(Ⅲ)** 条件方差:$D(Y\mid X=0)=2-1^2=1$ ;$D(Y\mid X=1)=8-2^2=4$ 。故 + +$$E\left[D(Y\mid X)\right]=\frac12\cdot1+\frac12\cdot4=2.5 .$$ + +而 $E(Y\mid X)$ 只取 $1,2$ ,各 $\frac12$ : + +$$D\left[E(Y\mid X)\right]=E\left[\left(E(Y\mid X)\right)^2\right]-\left(E\left[E(Y\mid X)\right]\right)^2=\frac{1+4}{2}-\left(\frac32\right)^2=2.5-2.25=0.25 .$$ + +$$DY=2.5+0.25=2.75\ ✓$$ + +**协方差**: + +$$E(XY)=E\left[X\,E(Y\mid X)\right]=\frac12\cdot0\cdot1+\frac12\cdot1\cdot2=1,$$ + +$$\operatorname{Cov}(X,Y)=1-\frac12\cdot\frac32=1-\frac34=\frac14 .$$ + +**带走结论**:**总方差公式的两项各有名字**:$2.5$ 是"层内波动",$0.25$ 是"层间差异"。本题层内远大于层间——说明"知道 $X$ 是 0 还是 1"对减少不确定性的帮助很小,因此 $\operatorname{Cov}$ 只有 $0.25$ 的量级。 + +> **关联** · 盘点 [§4.2 重期望公式](01-知识点盘点.md#user-content-42-重期望公式) | 上游 — | 下游 — | 速查 [七 重期望与总方差](07-速查卡.md#user-content-七-重期望与总方差) + +--- + +### 题 3 · 4.3:随机个数的和(★★★) + +> 设某设备一天内发生故障的次数 $N\sim P(2)$ ,第 $i$ 次故障的维修费用 $Y_i\sim E(1)$ ,各 $Y_i$ 相互独立且与 $N$ 独立。记一天的总费用 +> +> $$S=\sum_{i=1}^{N}Y_i\quad(N=0\ \text{时}\ S=0).$$ +> +> (Ⅰ)求 $ES$ ; +> (Ⅱ)求 $DS$ ; +> (Ⅲ)解释 $DS$ 里两项的含义。 + +**怎么想**:$N$ 是随机的,所以先**把 $N$ 固定成 $n$ 这个数**,再求 $E(S\mid N=n)$ 与 $D(S\mid N=n)$ ,再用重期望与总方差。注意 $E(S\mid N)=N\,EY_1$ 这一步用的是"独立"。 + +**解**: + +**(Ⅰ)** 固定 $N=n$ :$S$ 是 $n$ 个独立同分布之和, + +$$E(S\mid N=n)=nE Y_1=n .$$ + +于是 $E(S\mid N)=N\cdot1=N$ , + +$$ES=E\left[E(S\mid N)\right]=EN=2 .$$ + +**(Ⅱ)** 固定 $N=n$ : + +$$D(S\mid N=n)=nD Y_1=n\cdot1=n\ \Rightarrow\ D(S\mid N)=N .$$ + +总方差: + +$$DS=E\left[D(S\mid N)\right]+D\left[E(S\mid N)\right]=EN+DN=2+2=4 .$$ + +**(Ⅲ)** 两项的含义: + +- $EN\cdot DY_1=2\times1=2$ :**"次数的不确定性之外的"波动**——即使恰好发生 $2$ 次,费用本身还是随机的(每次费用指数分布,方差 $1$ ); +- $DN\cdot(EY_1)^2=2\times1=2$ :**"次数波动"带来的波动**——次数的泊松波动(方差 $2$ )乘上"每次平均花多少"的平方。 + +本题两项恰好相等(因为 $E(\lambda)$ 的均值与方差都是 $1$ ),合计 $4$ 。 + +**验算**:用矩母函数或直接求 $E S^2$ 也可得 $DS=4$ :$E(S^2\mid N)=D(S\mid N)+(E(S\mid N))^2=N+N^2$ ,故 $ES^2=EN+EN^2=2+(2+4)=8$ ,$DS=8-4=4$ ✓(用了 $EN^2=DN+(EN)^2=2+4=6$ )。 + +**带走结论**:**随机和的两个公式必须背下来**:$ES=EN\cdot EY$ 、$DS=EN\cdot DY+DN\cdot(EY)^2$ 。它们是"复合分布"(2025·22 骨架)最后一问的唯一通路。**若 $N$ 是常数**,第二项消失,退化成普通的 $n\,DY$ 。 + +> **关联** · 盘点 [§4.3 条件方差与总方差公式](01-知识点盘点.md#user-content-43-条件方差与总方差公式) | 上游 — | 下游 — | 速查 [七 重期望与总方差](07-速查卡.md#user-content-七-重期望与总方差) + +--- diff --git a/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/06-点5-线性组合与最值.md b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/06-点5-线性组合与最值.md new file mode 100644 index 0000000..16ea776 --- /dev/null +++ b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/06-点5-线性组合与最值.md @@ -0,0 +1,222 @@ +--- +tags: [数学一, 在学练习, 概率论, 数字特征, 线性组合, 方差最值] +专题: 概率论 第4讲 · 点5 线性组合与最值 +日期: 2026-11-07 +状态: 知识点带题(5.1 线性组合、5.2 方差最值、5.3 三条恒等式,共 4 题) +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 点 5 线性组合与最值 + +> 2025·8 直接问"$\sigma_X=\sigma_Y$ 时 $D(aX+bY)$ 的最值",命题组已经把它当独立考点在用|重要度 ★★★ +> 依赖:点 1—点 4,尤其 §3.2 的双线性。盘点对应:§5 全节。 + +**组织原则**:这一点看着有三节,其实是**同一条式子的三种问法**——$D(aX+bY)$ 怎么展开(5.1)、在 $a^2+b^2=1$ 下怎么求极值(5.2)、系数全取 $1/n$ 时得到什么(5.3)。四题按"展开 → 同方差极值 → 异方差极值 → 平均与偏差平方和"递进,最后一题是第 6 讲无偏性的直接铺垫。难度标准:★☆☆ 一题、★★☆ 两题、★★★ 一题。 + +## 知识点 5.1 线性组合的期望与方差(出处:[知识章 §2.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +$$D\left(\sum_{i=1}^{n}a_iX_i\right)=\sum_{i=1}^{n}a_i^2DX_i+2\sum_{i **一个随手可用的上界**:由 $|\rho|\le1$ 得 $\operatorname{Cov}\le\sigma_X\sigma_Y$ ,故 $D(X+Y)\le(\sigma_X+\sigma_Y)^2$ 。算出来的值超过这个数,一定是把某处符号弄反了。 + +## 知识点 5.2 方差的最值(出处:[知识章 §2.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +在约束 $a^2+b^2=1$ 下求 $D(aX+bY)$ 的极值,把它写成二次型: + +$$D(aX+bY)=\begin{pmatrix}a&b\end{pmatrix}\Sigma\begin{pmatrix}a\\b\end{pmatrix},\qquad \Sigma=\begin{pmatrix}\sigma_X^2&\rho\sigma_X\sigma_Y\\ \rho\sigma_X\sigma_Y&\sigma_Y^2\end{pmatrix}.$$ + +**结论**:最大值 $=$ $\Sigma$ 的较大特征值,最小值 $=$ 较小特征值;两根 $\lambda$ 是 + +$$\lambda^2-\left(\sigma_X^2+\sigma_Y^2\right)\lambda+\sigma_X^2\sigma_Y^2\left(1-\rho^2\right)=0$$ + +的解。等价的两条检验:**两特征值之和 $=DX+DY$ 恒成立**、**两特征值之积 $=DX\cdot DY\cdot(1-\rho^2)$ 也恒成立** 。 + +**同方差特例**($\sigma_X=\sigma_Y=\sigma$ ):$\lambda=\sigma^2(1\pm\rho)$ ,即 + +$$\max D=\sigma^2\left(1+|\rho|\right)\quad(\rho\ge0\ \text{取}\ a=b,\ \rho<0\ \text{取}\ a=-b),\qquad \min D=\sigma^2\left(1-|\rho|\right).$$ + +> **别背异方差的那个根式**。考场上写特征方程 $\lambda^2-S\lambda+P=0$ 更快,$S$ 是两方差之和,$P$ 是 $DX\cdot DY\cdot(1-\rho^2)$ ,然后开根。 + +## 知识点 5.3 三条常用恒等式(出处:[知识章 §1.1、§1.2](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) + +$$\sum_{i=1}^{n}\left(X_i-\bar X\right)^2=\sum_{i=1}^{n}X_i^2-n\bar X^2;\qquad E\bar X=\mu,\quad D\bar X=\frac{\sigma^2}{n};$$ + +$$E\left[(X-c)^2\right]=DX+(EX-c)^2\quad(\text{在 }c=EX\text{ 处取最小 }DX).$$ + +第二条一行就能推($X_i$ 独立同分布时):$D\bar X=\dfrac{1}{n^2}\sum DX_i=\dfrac{\sigma^2}{n}$ 。**分母取 $n$ 而不是 $n-1$ 这一点最易记错** —— 这是样本均值与样本方差最容易被记串的一处。 + +第三条是**均方误差分解**:用常数 $c$ 去猜 $X$ ,误差被拆成"不可消除的波动 $DX$ "加"猜偏了的那一段 $(EX-c)^2$ "。 + +--- + +## 题目(按知识点顺序对应) + +### 题 1 · 5.1:两项线性组合的展开(★☆☆) + +> 设 $DX=1$ 、$DY=4$ 、$\rho_{XY}=\dfrac12$ 。 +> +> (Ⅰ)求 $D(2X-Y+3)$ ; +> (Ⅱ)求 $\operatorname{Cov}(X+Y,\ X-Y)$ ; +> (Ⅲ)分别求 $D(X+Y)$ 与 $D(X-Y)$ ,并验证二者之和等于 $2(DX+DY)$ 。 + +**怎么想**:(Ⅰ)(Ⅲ)都是把 $D(aX+bY)$ 的三项照抄,先把 $\operatorname{Cov}$ 算成数;(Ⅱ)把 $\operatorname{Cov}$ 当双线性乘法表逐项展开,$\operatorname{Cov}(X,X)$ 就是 $DX$ 。 + +**解**: + +先算中间量:$\sigma_X=1$ 、$\sigma_Y=2$ 、 + +$$\operatorname{Cov}(X,Y)=\rho_{XY}\sigma_X\sigma_Y=\frac12\cdot1\cdot2=1 .$$ + +**(Ⅰ)** 取 $a=2$ 、$b=-1$ : + +$$D(2X-Y+3)=4DX+DY+2\cdot2\cdot(-1)\cdot\operatorname{Cov}(X,Y)=4+4-4=4 .$$ + +**(Ⅱ)** 双线性展开: + +$$\operatorname{Cov}(X+Y,\ X-Y)=\operatorname{Cov}(X,X)-\operatorname{Cov}(X,Y)+\operatorname{Cov}(Y,X)-\operatorname{Cov}(Y,Y)$$ + +$$=DX-DY=1-4=-3 .$$ + +**(Ⅲ)** + +$$D(X+Y)=DX+DY+2\operatorname{Cov}(X,Y)=1+4+2=7,$$ + +$$D(X-Y)=DX+DY-2\operatorname{Cov}(X,Y)=1+4-2=3 .$$ + +$$D(X+Y)+D(X-Y)=10=2(1+4)=2(DX+DY)\ ✓$$ + +**带走结论**:$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY$ **与 $\rho$ 完全无关**,可以直接当公式用。它就说明"和与差相不相关只取决于方差是否相等":$DX=DY$ 时和与差必然不相关。 + +> **关联** · 盘点 [§5.1 线性组合的期望与方差](01-知识点盘点.md#user-content-51-线性组合的期望与方差) | 上游 — | 下游 — | 速查 [八 线性组合与方差最值](07-速查卡.md#user-content-八-线性组合与方差最值) + +--- + +### 题 2 · 5.2:同方差下的最值(★★☆) + +> 设 $DX=DY=1$ 、$\rho_{XY}=\dfrac35$ 。对满足 $a^2+b^2=1$ 的实数 $a,b$ ,记 $Z=aX+bY$ 。 +> +> (Ⅰ)把 $DZ$ 写成 $a,b$ 的函数; +> (Ⅱ)求 $DZ$ 的最大值与最小值,并指出取到时的 $(a,b)$ ; +> (Ⅲ)把 $\rho$ 换成任意值,写出最大值的一般式。 + +**怎么想**:$\sigma_X=\sigma_Y=1$ 时 $a^2DX+b^2DY=a^2+b^2=1$ 是个常数,于是 $DZ$ 只剩"$1$ 加一个交叉项",最值就完全落在 $ab$ 的取值范围上。 + +**解**: + +**(Ⅰ)** $\sigma_X=\sigma_Y=1$ , + +$$DZ=a^2\cdot1+b^2\cdot1+2\cdot\frac35\cdot ab=a^2+b^2+\frac65ab=1+\frac65ab .$$ + +**(Ⅱ)** 由 $a^2+b^2=1$ 得 $|ab|\le\dfrac{a^2+b^2}{2}=\dfrac12$ ,等号在 $a=\pm b=\dfrac{1}{\sqrt2}$ 时成立。故 + +$$\max DZ=1+\frac65\cdot\frac12=1+\frac35=\frac85\quad\left(a=b=\frac{1}{\sqrt2}\right),$$ + +$$\min DZ=1+\frac65\cdot\left(-\frac12\right)=1-\frac35=\frac25\quad\left(a=\frac{1}{\sqrt2},\ b=-\frac{1}{\sqrt2}\right).$$ + +**(Ⅲ)** 一般地 + +$$\max DZ=\sigma^2\left(1+|\rho|\right),\qquad \min DZ=\sigma^2\left(1-|\rho|\right).$$ + +$\rho\ge0$ 时取 $a=b$ ,$\rho<0$ 时取 $a=-b$ ($\rho$ 的符号决定"同向叠加"还是"反向抵消"涨方差)。 + +**验算**:用特征方程 $\lambda^2-2\lambda+(1-\rho^2)=0$ ,$\rho=\frac35$ 时 $\lambda^2-2\lambda+\frac{16}{25}=0$ ,$\lambda=1\pm\frac35$ ,即 $\frac85$ 与 $\frac25$ ✓。 + +**带走结论**:**同方差时两个最值一相加正好 $2\sigma^2$ 、一相减正好 $2\sigma^2|\rho|$ 这两个数** 。所以看到"$\sigma_X=\sigma_Y$ 、求 $D(aX+bY)$ 最值"的选项,先在心里算出 $\sigma^2(1+\rho)$ 与 $\sigma^2(1-\rho)$ ,选项里没有这两个数就直接判错。 + +> **关联** · 盘点 [§5.2 方差的最值(选择压轴常客)](01-知识点盘点.md#user-content-52-方差的最值选择压轴常客) | 上游 — | 下游 [点 5 题 3](06-点5-线性组合与最值.md#user-content-题-3--52异方差下配方) | 速查 [八 线性组合与方差最值](07-速查卡.md#user-content-八-线性组合与方差最值) + +--- + +### 题 3 · 5.2:异方差下配方(★★★) + +> 设 $DX=4$ 、$DY=1$ 、$\rho_{XY}=\dfrac12$ 。在 $a^2+b^2=1$ 下求 $D(aX+bY)$ 的最大值与最小值,并给出取到最大值时的 $a:b$ 。 + +**怎么想**:$\sigma_X\ne\sigma_Y$ 时 $a^2+b^2=1$ 这个约束**消不掉**两项,硬套同方差结论必错。只有两条路:拉格朗日乘子,或认成二次型求特征值。后者快得多。 + +**解**: + +先写开: + +$$D(aX+bY)=4a^2+b^2+2\cdot\frac12\cdot2\cdot1\cdot ab=4a^2+b^2+2ab .$$ + +写成二次型: + +$$D(aX+bY)=\begin{pmatrix}a&b\end{pmatrix}\begin{pmatrix}4&1\\1&1\end{pmatrix}\begin{pmatrix}a\\b\end{pmatrix}.$$ + +特征方程(迹 $=5$ ,行列式 $=4-1=3$ ): + +$$\lambda^2-5\lambda+3=0\quad\Rightarrow\quad\lambda=\frac{5\pm\sqrt{13}}{2}.$$ + +故 + +$$\max D(aX+bY)=\frac{5+\sqrt{13}}{2}\approx4.303,\qquad \min D(aX+bY)=\frac{5-\sqrt{13}}{2}\approx0.697 .$$ + +取到最大值时特征向量满足 $(4-\lambda)a+b=0$ ,即 $b=(\lambda-4)a=\dfrac{\sqrt{13}-3}{2}a$ ,故 + +$$a:b=2:\left(\sqrt{13}-3\right)\approx1:0.303 .$$ + +归一化后 $a\approx0.957$ 、$b\approx0.290$ 。 + +**验算**:$4(0.957)^2+(0.290)^2+2(0.957)(0.290)=3.664+0.084+0.555=4.303$ ✓,且 $a^2+b^2=0.916+0.084=1$ ✓。 + +**三条合理性检查**(考场上用来秒杀错误选项): + +- $\lambda_{\max}\ge\max\{DX,DY\}=4$ ; +- $\lambda_{\min}\le\min\{DX,DY\}=1$ ; +- $\lambda_{\max}+\lambda_{\min}=5=DX+DY$ ,$\lambda_{\max}\lambda_{\min}=3=DX\cdot DY\cdot(1-\rho^2)=4\cdot\frac34$ 。 + +**带走结论**:**约束 $a^2+b^2=1$ 下二次型的极值就是协方差矩阵的特征值**,因此必然满足"两特征值之和 $=$ 方差之和"。这一条检验能一秒否掉一半的错误选项——选项里若出现 $8$ 或 $1$ ,都不用算就知道是错的。 + +> **关联** · 盘点 [§5.2 方差的最值(选择压轴常客)](01-知识点盘点.md#user-content-52-方差的最值选择压轴常客) | 上游 [点 5 题 2](06-点5-线性组合与最值.md#user-content-题-2--52同方差下的最值) | 下游 — | 速查 [八 线性组合与方差最值](07-速查卡.md#user-content-八-线性组合与方差最值) + +--- + +### 题 4 · 5.3:样本均值与偏差平方和(★★☆) + +> 设 $X_1,X_2,X_3,X_4$ 独立同分布,$EX_i=2$ 、$DX_i=4$ ,记 $\bar X=\dfrac14\sum_{i=1}^{4}X_i$ 。 +> +> (Ⅰ)求 $E\bar X$ 与 $D\bar X$ ; +> (Ⅱ)用恒等式 $\sum_{i=1}^{4}(X_i-\bar X)^2=\sum_{i=1}^{4}X_i^2-4\bar X^2$ 求 $E\sum_{i=1}^{4}(X_i-\bar X)^2$ ; +> (Ⅲ)求使 $E\left[(X_1-c)^2\right]$ 最小的 $c$ 及该最小值。 + +**怎么想**:(Ⅰ)用线性组合的期望方差;(Ⅱ)把恒等式两边的期望分别算出来相减,**不要试图求 $\sum(X_i-\bar X)^2$ 的分布**;(Ⅲ)展开成 $DX_1+(EX_1-c)^2$ 。 + +**解**: + +**(Ⅰ)** + +$$E\bar X=\frac14\sum EX_i=\frac{4\cdot2}{4}=2,$$ + +$$D\bar X=\frac{1}{4^2}\sum DX_i=\frac{4\cdot4}{16}=1 .$$ + +**(Ⅱ)** 两边分别取期望: + +$$E\sum_{i=1}^{4}X_i^2=4\left(DX_i+(EX_i)^2\right)=4(4+4)=32,$$ + +$$E\left(4\bar X^2\right)=4\left(D\bar X+(E\bar X)^2\right)=4(1+4)=20,$$ + +$$E\sum_{i=1}^{4}(X_i-\bar X)^2=32-20=12 .$$ + +**(Ⅲ)** + +$$E\left[(X_1-c)^2\right]=E X_1^2-2c\,EX_1+c^2=DX_1+(EX_1-c)^2=4+(2-c)^2\ \ge\ 4,$$ + +等号在 $c=2=EX_1$ 处成立。最小值 $=4=DX_1$ 。 + +**验算**:(Ⅱ)的结果应等于 $(n-1)\sigma^2=3\times4=12$ ✓。这正是样本方差 $S^2=\dfrac{1}{n-1}\sum(X_i-\bar X)^2$ 的期望为 $\sigma^2$ 的根据——分母取 $n-1$ 而不是 $n$ ,就是为了把这个 $12$ 除回 $4$ 。 + +**带走结论**:**$E\sum(X_i-\bar X)^2=(n-1)\sigma^2$ 必须背**。第 6 讲判断 $S^2$ 的无偏性、算 $\chi^2(n-1)$ 的自由度、推 $t$ 分布,全靠这一条。它比 $n$ 少一个,是因为"减掉 $\bar X$ "用掉了一个自由度。 + +> **关联** · 盘点 [§5.3 三条常用恒等式](01-知识点盘点.md#user-content-53-三条常用恒等式) | 上游 — | 下游 — | 速查 [九 三条恒等式](07-速查卡.md#user-content-九-三条恒等式) + +--- diff --git a/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/07-速查卡.md b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/07-速查卡.md new file mode 100644 index 0000000..939832c --- /dev/null +++ b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/07-速查卡.md @@ -0,0 +1,147 @@ +--- +tags: [数学一, 在学练习, 概率论, 数字特征, 速查卡] +专题: 概率论 第4讲 · 随机变量的数字特征(速查) +日期: 2026-11-07 +关联笔记: ["[[README]]", "[[01-知识点盘点]]"] +--- + +# 第4讲 · 随机变量的数字特征:速查卡 + +考前十分钟只看这一页。 + +## 一 三条定义式 + + + +$$EX=\sum x_ip_i\ \text{或}\ \int xf(x)\,\mathrm dx;\qquad DX=E X^2-(EX)^2;\qquad \operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY .$$ + +三者分工:$EX$ 说"**在哪**",$DX$ 说"**多散**",$\operatorname{Cov}$ 说"**怎么一起动**"。 + +$D$ 与 $\operatorname{Cov}$ 都用"**平方的期望减期望的平方**"这一招,区别只是 $\operatorname{Cov}$ 里是两个不同的变量。 + +## 二 七大分布的期望与方差 + + + +| 分布 | $EX$ | $DX$ | +|---|---|---| +| $B(n,p)$ | $np$ | $np(1-p)$ | +| $P(\lambda)$ | $\lambda$ | $\lambda$ | +| $G(p)$ | $\dfrac1p$ | $\dfrac{1-p}{p^2}$ | +| $U(a,b)$ | $\dfrac{a+b}{2}$ | $\dfrac{(b-a)^2}{12}$ | +| $E(\lambda)$ | $\dfrac1\lambda$ | $\dfrac1{\lambda^2}$ | +| $N(\mu,\sigma^2)$ | $\mu$ | $\sigma^2$ | +| $\chi^2(n)$ | $n$ | $2n$ | + +**两组"同值"**:泊松的 $EX=DX=\lambda$ ,指数的 $EX=DX=\frac1\lambda$ (量纲正好相反,一个按"率",一个按"时间")。正态与卡方则是"参数即矩"。$U(a,b)$ 的方差里那个 $12$ 来自 $\frac{(b-a)^2}{12}$ ,不是 $4$ 。 + +## 三 不需求分布就能算函数期望 + + + +$$E\,g(X)=\int g(x)f(x)\,\mathrm dx\quad(\text{或}\ \sum g(x_i)p_i).$$ + +三条高频用法: + +- $E(1/X)$ :直接积 $\int\frac{f(x)}{x}\mathrm dx$ ,**千万不要写成 $1/EX$ 的样子** ; +- $E\lvert X-a\rvert$ :按 $xa$ 拆成两段; +- $E\min(X,c)$ :按 $xc$ 拆两段($c$ 处是截断点)。 + +**方向感**:$1/x$ 是凸函数,故 $E(1/X)\ge\dfrac{1}{EX}$ ,等号只在 $X$ 为常数时成立(琴生)。 + +## 四 方差性质与矩 + + + +$$D(aX+b)=a^2DX,\quad DC=0,\quad D(X\pm Y)=DX+DY\pm2\operatorname{Cov}(X,Y).$$ + +**独立时**交叉项消失,$D(X\pm Y)=DX+DY$ ——**"差"也是加**,这是最高频的错点。 + +矩:$A_k=EX^k$ 、$B_k=E(X-EX)^k$ ,且 $A_1=EX$ 、$B_2=DX$ 。$B_3$ 度量偏斜:对称分布(正态、均匀、$t$ )的 $B_3=0$ 。 + +标准化:$X^*=\dfrac{X-EX}{\sqrt{DX}}$ 使 $EX^*=0$ 、$DX^*=1$ 。 + +## 五 协方差的双线性 + + + +$$\operatorname{Cov}(aX+bY,\ cZ+dW)=ac\operatorname{Cov}(X,Z)+ad\operatorname{Cov}(X,W)+bc\operatorname{Cov}(Y,Z)+bd\operatorname{Cov}(Y,W).$$ + +**当乘法表用**:把每一项拆成 $\operatorname{Cov}(X,X)=DX$ 、$\operatorname{Cov}(X,Y)$ 这样的原子,再代数值。三条特例:$\operatorname{Cov}(X,X)=DX$ 、$\operatorname{Cov}(X,c)=0$ 、$\operatorname{Cov}(X+Y,Z)=\operatorname{Cov}(X,Z)+\operatorname{Cov}(Y,Z)$ 。 + +**一个白送的结论**:$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY$ ,与 $\rho$ 无关。 + +## 六 相关系数三条 + + + +1. $\lvert\rho\rvert\le1$ ; +2. $\lvert\rho\rvert=1\iff P\{Y=aX+b\}=1$ ($a>0$ 时 $\rho=1$ ,$a<0$ 时 $\rho=-1$ ); +3. $\rho=0$ 只否定**线性**关系,不否定一切关系。 + +**独立与不相关的分界**:独立 $\Rightarrow$ 不相关;反向只在**二维正态**下成立。反例模板 $X\sim U(-1,1)$ 、$Y=X^2$ ,此时 $\rho=0$ 但 $Y$ 完全由 $X$ 决定。 + +## 七 重期望与总方差 + + + +$$EY=E\left[E(Y\mid X)\right];\qquad E(XY)=E\left[X\,E(Y\mid X)\right];\qquad DY=E\left[D(Y\mid X)\right]+D\left[E(Y\mid X)\right].$$ + +**口诀:先固定、再平均**。总方差的两项读作"**组内 $+$ 组间**"。 + +随机和($S=\sum_{i=1}^{N}Y_i$ ,各 $Y_i$ 同分布且与 $N$ 独立): + +$$ES=EN\cdot EY_1,\qquad DS=EN\cdot DY_1+DN\cdot(EY_1)^2 .$$ + +## 八 线性组合与方差最值 + + + +$$D(aX+bY)=a^2DX+b^2DY+2ab\rho_{XY}\sigma_X\sigma_Y .$$ + +约束 $a^2+b^2=1$ 下求极值:写特征方程 + +$$\lambda^2-\left(DX+DY\right)\lambda+DX\cdot DY\left(1-\rho^2\right)=0,$$ + +最大值取较大根、最小值取较小根。 + +**同方差特例**($\sigma_X=\sigma_Y=\sigma$ ):$\max=\sigma^2(1+\lvert\rho\rvert)$ 、$\min=\sigma^2(1-\lvert\rho\rvert)$ ,两数之和恰为 $2\sigma^2$ 。这一条可当算错的自检。 + +## 九 三条恒等式 + + + +$$\sum_{i=1}^{n}\left(X_i-\bar X\right)^2=\sum X_i^2-n\bar X^2;\qquad E\bar X=\mu,\ D\bar X=\frac{\sigma^2}{n};$$ + +$$E\left[(X-c)^2\right]=DX+(EX-c)^2\quad(c=EX\ \text{时最小}).$$ + +**必记推论**:$E\sum_{i=1}^{n}\left(X_i-\bar X\right)^2=(n-1)\sigma^2$ 。第 6 讲的 $S^2$ 分母取 $n-1$ 、$\chi^2$ 自由度是 $n-1$ ,全部由它而来。 + +## 十 最容易丢分的六处 + +1. **把 $D(X-Y)$ 写成 $DX-DY$ 是错的**:应为 $DX+DY-2\operatorname{Cov}$ ,独立时是 $DX+DY$ 。 +2. **把 $E(1/X)$ 写成 $1/EX$ 是错的**:两者差着一个方差项,只有 $X$ 为常数时才相等。 +3. **默认 $E(XY)=EX\cdot EY$ 是错的**:这需要独立(或不相关),不是"性质"。 +4. **由 $\rho=0$ 断言独立**:只有二维正态可以这样反推。 +5. **同方差最值漏掉绝对值**:$\rho<0$ 时的最大值是 $\sigma^2(1-\rho)$ ,不是 $\sigma^2(1+\rho)$ 。 +6. **$D\bar X$ 与 $DS^2$ 的分母混用**:$D\bar X=\sigma^2/n$ ,而 $E S^2=\sigma^2$ 要求 $S^2$ 的分母是 $n-1$ 。 + +--- + +## 回查 + + +| 想查什么 | 对应题目 | +|---|---| +| 一 三条定义式 | [点 1 题 1](02-点1-数学期望.md#user-content-题-1--11由分布律算期望与函数期望)、[点 2 题 1](03-点2-方差与矩.md#user-content-题-1--21二项分布的方差)、[点 3 题 1](04-点3-协方差与相关系数.md#user-content-题-1--31由联合分布律求协方差与相关系数) | +| 二 七大分布的期望与方差 | [点 1 题 4](02-点1-数学期望.md#user-content-题-4--13用性质速算不积分)、[点 2 题 3](03-点2-方差与矩.md#user-content-题-3--23由期望与方差反求参数) | +| 三 不需求分布就能算函数期望 | [点 1 题 2](02-点1-数学期望.md#user-content-题-2--12连续型上的函数期望)、[点 1 题 3](02-点1-数学期望.md#user-content-题-3--12绝对偏差与平方偏差) | +| 四 方差性质与矩 | [点 2 题 2](03-点2-方差与矩.md#user-content-题-2--22方差性质与协方差交叉项)、[点 2 题 4](03-点2-方差与矩.md#user-content-题-4--24矩偏度与标准化) | +| 五 协方差的双线性 | [点 3 题 2](04-点3-协方差与相关系数.md#user-content-题-2--32双线性展开) | +| 六 相关系数三条 | [点 3 题 3](04-点3-协方差与相关系数.md#user-content-题-3--33相关系数的三条性质)、[点 3 题 4](04-点3-协方差与相关系数.md#user-content-题-4--33多项分布的负相关) | +| 七 重期望与总方差 | [点 4 题 1](05-点4-条件期望与重期望.md#user-content-题-1--41条件期望是一个函数)、[点 4 题 2](05-点4-条件期望与重期望.md#user-content-题-2--42重期望算混合型)、[点 4 题 3](05-点4-条件期望与重期望.md#user-content-题-3--43随机个数的和) | +| 八 线性组合与方差最值 | [点 5 题 1](06-点5-线性组合与最值.md#user-content-题-1--51两项线性组合的展开)、[点 5 题 2](06-点5-线性组合与最值.md#user-content-题-2--52同方差下的最值)、[点 5 题 3](06-点5-线性组合与最值.md#user-content-题-3--52异方差下配方) | +| 九 三条恒等式 | [点 5 题 4](06-点5-线性组合与最值.md#user-content-题-4--53样本均值与偏差平方和) | + + +整册入口:[知识点盘点](01-知识点盘点.md)、[点 1](02-点1-数学期望.md)、[点 2](03-点2-方差与矩.md)、[点 3](04-点3-协方差与相关系数.md)、[点 4](05-点4-条件期望与重期望.md)、[点 5](06-点5-线性组合与最值.md)。 diff --git a/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/README.md b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/README.md new file mode 100644 index 0000000..09a76d3 --- /dev/null +++ b/基于考研的学习/数学一/在学练习/概率论-第4讲-随机变量的数字特征/README.md @@ -0,0 +1,103 @@ +--- +tags: [数学一, 在学练习, 概率论, 数字特征, README] +专题: 概率论 第4讲 · 随机变量的数字特征 +日期: 2026-11-07 +状态: 知识点盘点 + 五点分册(知识点带题,19 题) +关联笔记: ["[[01-知识点盘点]]", "[[07-速查卡]]"] +--- + +# 概率论 第4讲 · 随机变量的数字特征 + +真题库第 18 章。近十年 **7 题 32 分**,**全部是选填**(单选 4 题 19 分 $+$ 填空 3 题 13 分),没有独立的大题。 + +**这一讲的定位是工具册,不是考点册**。它自己不出大题,但第 3 讲每道解答题的第二、三问,第 6 讲的无偏性与方差比较,全都在用它。**换算链只有一条**:先把分布压成 $E$ 、$D$ 、$\operatorname{Cov}$ 三个数,再用这三个数去谈极限、评估计。 + +## 这一版的结构 + +| 层 | 文件 | 作用 | 读法 | +|---|---|---|---| +| **地图** | `01-知识点盘点.md` | 五节知识点 $+$ 覆盖对照 $+$ 相邻讲接口 | 先通读,之后只查不读 | +| **练** | `02`—`06` 五个点 | 每点先列知识点(含参考仓库出处),再按知识点内部条目逐一对应出题,共 19 题 | 一天一个点,动手做 | +| **查** | `07-速查卡.md` | 九组结论 $+$ 六处丢分点 $+$ 回查表 | 考前十分钟 | + +## 文件清单 + +| 文件 | 内容 | 真题锚点 | 分值 | 题量 | +|---|---|---|---|---| +| `01-知识点盘点.md` | 五节盘点 $+$ 覆盖对照表 $+$ 相邻讲接口 | — | — | 0 | +| `02-点1-数学期望.md` | 定义与性质、函数期望、七张期望表 | 2017·14、2023·8 | **约 9** | 4 | +| `03-点2-方差与矩.md` | $EX^2-(EX)^2$ 、四条性质、矩与标准化 | 2022·8、2025·8 | **约 10** | 4 | +| `04-点3-协方差与相关系数.md` | 双线性、$\rho$ 的三条性质、独立与不相关 | 2016·8、2020·14、2021·16、2024·9 | **约 13** | 4 | +| `05-点4-条件期望与重期望.md` | 条件期望、重期望、总方差、随机和 | 大纲要求、十年未单考 | — | 3 | +| `06-点5-线性组合与最值.md` | $D(aX+bY)$ 展开、约束极值、三条恒等式 | 2025·8 | 嵌在选择里 | 4 | +| `07-速查卡.md` | 九组结论 $+$ 六处丢分点 | — | — | 0 | + +合计 **19 题**。难度标准:★☆☆ 配 1 题,★★☆ / ★★★ 配 2—3 题。 + +## 建议的三轮读法 + +**第一轮(40 分钟)**:`01` 通读 $+$ `02` 全做。点 1 只有一件事——**先把 $E$ 算对**。$E\,g(X)$ 直接积、不先求分布,是本讲最省时间的一招,也是后面所有点的前提。 + +**第二轮(1.5 小时)**:`03`、`04`。这两点决定了 32 分里的 23 分。`04` 的**双线性展开**必须练到"看到 $\operatorname{Cov}(aX+bY,\ cZ+dW)$ 就自动拆成四个原子"。 + +**第三轮(1.5 小时)**:`05`、`06`。`05` 的随机和两式是 2025·22 唯一通路;`06` 的约束极值 2025 年刚考过,是明年的高频。 + +时间不够时按这个顺序砍:`05` 的题 3 $\to$ `06` 的题 3 。**`04` 一定不能砍**。 + +## 双向链接怎么用 + +| 粒度 | 在哪儿 | 什么时候用 | +|---|---|---| +| **册** | 本文件「文件清单」 | 决定今天做哪一个点 | +| **知识点** | 各点文件开头的知识点标题(含参考仓库出处) | 做题卡住时回看判据 | +| **题** | 每题末尾的「关联」行 $+$ 盘点 §0.4 $+$ 速查回查表 | 从知识点反查"它在哪几道题里练过" | + +每道题末尾固定一行: + +``` +> **关联** · 盘点 §X.Y | 上游 | 下游 | 速查 +``` + +四个方向全部指向**具体题目的锚点**。 + +## 锚点怎么写(Gitea 两条方向相反的规则) + +标题 id $=$ `user-content-` $+$ 标题原文小写化(保留字母数字汉字与下划线,空格变 `-`,**其余标点全部删除**)。 + +| 链接类型 | 写法 | +|---|---| +| 同文件 | `#题-1--11由分布律算期望与函数期望` | +| 跨文件 | `04-点3-协方差与相关系数.md#user-content-题-4--33多项分布的负相关` | + +**标题里不许出现公式**:`$...$` 会让锚点漂移,脚本算不出来(本讲所有题目标题已改为纯文字)。 + +写完校验: + +```bash +python .workbuddy/tools/md2pdf/gen_crosslinks.py 概率论-第4讲-随机变量的数字特征 +python .workbuddy/tools/md2pdf/check_md_links.py 概率论-第4讲-随机变量的数字特征 +python .workbuddy/tools/md2pdf/fix_gitea_math.py --check --scope=概率论-第4讲-随机变量的数字特征 +``` + +## 与其他讲的接口 + +| 本讲内容 | 来源 / 去向 | 用法 | +|---|---|---| +| 密度、分布律、边缘、条件密度 | 第 2、3 讲 | 本讲所有 $E$ 都是在它们的积分上加一个权 | +| 独立与不相关的完整辨析 | [第3讲点4](../概率论-第3讲-多维随机变量及其分布/05-点4-独立性.md) | 本讲只做"$\rho$ 的极值",不重讲独立性 | +| 二维正态的条件期望与条件方差 | [第3讲点3 §3.5](../概率论-第3讲-多维随机变量及其分布/04-点3-二维连续型与两类分布.md) | 点 5 的方差最值直接用它 | +| 切比雪夫不等式 | 第 5 讲上(大数定律) | 它就是用 $DX$ 去控制"偏离" | +| $\operatorname{Cov}$ 的样本版 $S^2$ 与 $D\bar X$ | 第 6 讲(数理统计) | 无偏性证明全靠点 5 题 4 的恒等式 | + +## 版本记录 + +| 日期 | 变更 | +|---|---| +| 2026-11-07 | **新建**(此前本讲无目录)。按线性代数第 6 讲的「知识点带题」格式搭建:知识点盘点 $+$ 五点分册 $+$ 速查卡,共 7 个文件、19 题;含 §6 覆盖对照、§7 相邻讲接口 | + +## 两条写作约定 + +1. **不生成 PDF**。只出 Markdown,在网页端或 App 里看。 +2. **单个文件不超过 1.3 万字符**,超了就拆。 + +题面数据除标注「真题骨架」外均为另设,只对齐考法。参考 `参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/` 与 `exercise/3-digital-features/` 。