feat(概率论第4讲): 新建「知识点带题」全套,盘点+五点分册+速查卡共 19 题

- 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
This commit is contained in:
2026-11-07 12:40:51 +08:00
parent 60f3f394c0
commit 326d9317f8
8 changed files with 1547 additions and 0 deletions
@@ -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
<!-- KP: 1.1, 2.1, 3.1 -->
$$EX=\sum x_ip_i\ \text{或}\ \int xf(x)\,\mathrm dx;\qquad DX=E X^2-(EX)^2;\qquad \operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY .$$
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
<!-- KP: 1.3, 2.3 -->
| 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
<!-- KP: 1.2 -->
$$E\,g(X)=\int g(x)f(x)\,\mathrm dx\quad(\text{或}\ \sum g(x_i)p_i).$$
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 $x<a$ 与 $x>a$ 拆成两段;
- $E\min(X,c)$ :按 $x<c$ 与 $x>c$ 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
<!-- KP: 2.2, 2.4 -->
$$D(aX+b)=a^2DX,\quad DC=0,\quad D(X\pm Y)=DX+DY\pm2\operatorname{Cov}(X,Y).$$
**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
<!-- KP: 3.2 -->
$$\operatorname{Cov}(aX+bY,\ cZ+dW)=ac\operatorname{Cov}(X,Z)+ad\operatorname{Cov}(X,W)+bc\operatorname{Cov}(Y,Z)+bd\operatorname{Cov}(Y,W).$$
**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
<!-- KP: 3.3 -->
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
<!-- KP: 4.1, 4.2, 4.3 -->
$$EY=E\left[E(Y\mid X)\right];\qquad E(XY)=E\left[X\,E(Y\mid X)\right];\qquad DY=E\left[D(Y\mid X)\right]+D\left[E(Y\mid X)\right].$$
**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
<!-- KP: 5.1, 5.2 -->
$$D(aX+bY)=a^2DX+b^2DY+2ab\rho_{XY}\sigma_X\sigma_Y .$$
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
<!-- KP: 5.3 -->
$$\sum_{i=1}^{n}\left(X_i-\bar X\right)^2=\sum X_i^2-n\bar X^2;\qquad E\bar X=\mu,\ D\bar X=\frac{\sigma^2}{n};$$
$$E\left[(X-c)^2\right]=DX+(EX-c)^2\quad(c=EX\ \text{时最小}).$$
**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
<!-- AUTO: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) |
<!-- /AUTO:回查 -->
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)。