知识点构建专栏:20份背诵版全覆盖(高数9/线代6/概率6讲),编号整理为01-09高数/10-15线代/16-20概率,补齐行列式与概率2讲
This commit is contained in:
@@ -0,0 +1,140 @@
|
||||
---
|
||||
tags: [数学一, 知识点构建, 背诵版, 概率论, 数字特征]
|
||||
专题: 概率论 · 第4讲 随机变量的数字特征 · 背诵版
|
||||
日期: 2026-10-27
|
||||
状态: 背诵版 v1(考点完整呈现 + 13 题清单,无解答)
|
||||
来源: 参考仓库 Math/advanced-math 同源概率仓库(knowledge/3-digital-features + exercise/3-digital-features)|在学练习尚无此讲
|
||||
关联笔记: ["[[README]]", "[[18-背诵版-概率论-第4讲-数字特征]]"]
|
||||
---
|
||||
|
||||
# 概率论 · 第4讲 随机变量的数字特征 · 背诵版
|
||||
|
||||
> **说明**:本讲在「在学练习」尚未建讲,按用户口径「单独一讲」。考点取自参考仓库 `probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex`,题目取自该文件例题与 `exercise/3-digital-features/digital-features.tex`(切比雪夫估算题两处重复,已去重并注双出处)。
|
||||
> **用法**:看 §0 骨架 → 闭卷回忆考点正文 → 用题目清单自测,卡住回查参考仓库对应 tex 节。
|
||||
|
||||
## 0. 本讲骨架(先背这张图)
|
||||
|
||||
**一句话**:数字特征 = **「期望(加权平均)+ 方差(波动)+ 协方差/相关系数(线性相关程度)+ 切比雪夫(无分布估算)」**——当分布未知或太复杂时,只用特征量说话。
|
||||
|
||||
**真题地位**:**高频大题综合点**——离散/连续期望方差计算、$D(X\pm Y)$ 与协方差联动、独立与不相关的辨析、切比雪夫估算;是数理统计(09 号)与多维随机变量(07 号)的计算底座。参考仓库对应 knowledge/3 与 exercise/3。
|
||||
|
||||
**依赖链**:一维期望 → 方差($EX^2-(EX)^2$)→ 常用分布特征表 → 二维期望 → 协方差/相关系数 → 独立性与相关性 → 切比雪夫不等式。**主线**:**一切从 $EX$ 出发——$E(XY)$ 是二维题的总开关**。
|
||||
|
||||
**考点树**
|
||||
|
||||
| 节 | 考点(对应题号) |
|
||||
|---|---|
|
||||
| §1 一维期望 | 定义(离散/连续)、函数期望、性质(题1–6) |
|
||||
| §2 方差 | 定义、$EX^2-(EX)^2$、性质(题7–8) |
|
||||
| §3 常用分布特征 | 七分布期望方差表 |
|
||||
| §4 二维数字特征 | 二维期望、协方差、相关系数、性质(题9–11) |
|
||||
| §5 独立与相关 | 独立 ⟹ 不相关、不相关 ⇏ 独立、二维正态等价、判断流程(题12) |
|
||||
| §6 切比雪夫 | 不等式、估算应用(题13) |
|
||||
|
||||
## 1. §1 一维数学期望
|
||||
|
||||
**定义**(绝对收敛才存在):离散 $EX=\sum x_ip_i$;连续 $EX=\int_{-\infty}^{+\infty}xf(x)\,dx$。**函数期望**:$E[g(X)]=\sum g(x_i)p_i$(概率不变,只换 $x$)或 $\int g(x)f(x)\,dx$。
|
||||
|
||||
**性质**:①线性 $E\left(\sum a_iX_i\right)=\sum a_iEX_i$($Ec=c$,$E(aX+c)=aEX+c$,$E(X\pm Y)=EX\pm EY$);②**独立时** $E(XY)=EX\cdot EY$,$E[g_1(X)g_2(Y)]=E[g_1(X)]E[g_2(Y)]$(**不独立时不能拆**)。
|
||||
|
||||
**两类计算模式**:①**拟合已知分布**(分布律带 $k!$ 型 ⟹ 泊松、带 $C_n^k$ 型 ⟹ 二项),直接用已知期望;②**定义直接算**(拟合不出时逐项求和/积分)。
|
||||
|
||||
## 2. §2 方差
|
||||
|
||||
**定义**:$DX=E[(X-EX)^2]=EX^2-(EX)^2$(第二式最常用);标准差 $\sqrt{DX}$;标准化 $X^*=\frac{X-EX}{\sqrt{DX}}$($EX^*=0,DX^*=1$)。
|
||||
|
||||
**性质(必背)**:$DX\ge0$;$Dc=0$;$D(aX+b)=a^2DX$;**$D(X\pm Y)=DX+DY\pm2Cov(X,Y)$**(不独立必有交叉项);独立时 $D(aX\pm bY)=a^2DX+b^2DY$,$D(\sum a_iX_i)=\sum a_i^2DX_i$。
|
||||
|
||||
## 3. §3 常用分布数字特征(一张表背完)
|
||||
|
||||
| 分布 | 期望 | 方差 |
|
||||
|---|---|---|
|
||||
| 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 $G(p)$ | $\frac1p$ | $\frac{1-p}{p^2}$ |
|
||||
| 正态 $N(\mu,\sigma^2)$ | $\mu$ | $\sigma^2$ |
|
||||
| 均匀 $U(a,b)$ | $\frac{a+b}2$ | $\frac{(b-a)^2}{12}$ |
|
||||
| 指数 $E(\lambda)$ | $\frac1\lambda$ | $\frac1{\lambda^2}$ |
|
||||
|
||||
**可记忆规律**:泊松期望=方差;指数期望=方差的平方根;0-1/二项方差 $=np(1-p)$。
|
||||
|
||||
## 4. §4 二维数字特征
|
||||
|
||||
**二维期望**:$E[g(X,Y)]=\sum_i\sum_j g(x_i,y_j)p_{ij}$ 或 $\int\!\!\int g(x,y)f(x,y)\,dxdy$(**不需要独立**)。
|
||||
|
||||
**协方差**:$Cov(X,Y)=E[(X-EX)(Y-EY)]=E(XY)-EX\cdot EY$(第二式最常用);$Cov(X,X)=DX$。
|
||||
|
||||
**相关系数**:$\rho_{XY}=\dfrac{Cov(X,Y)}{\sqrt{DX}\sqrt{DY}}$(标准化协方差;**只描述线性相关程度**,$|\rho|\le1$,越近 1 越线性相关;$\rho=0$ 只说明不线性相关,不排除非线性关系)。
|
||||
|
||||
**协方差性质**:对称 $Cov(X,Y)=Cov(Y,X)$;$Cov(X,c)=0$;$Cov(aX+b,Y)=aCov(X,Y)$;$Cov(X_1+X_2,Y)=Cov(X_1,Y)+Cov(X_2,Y)$;独立 ⟹ $Cov=0$;$Y=aX+b$ 时 $\rho=\mathrm{sign}(a)$。
|
||||
|
||||
## 5. §5 独立性与相关性
|
||||
|
||||
**三层关系(必背)**:
|
||||
- **独立 ⟹ 不相关**($P(XY)=P(X)P(Y)$ ⟹ $E(XY)=EXEY$ ⟹ $\rho=0$);
|
||||
- **不相关 ⇏ 独立**($X\sim\frac12e^{-|x|}$ 与 $|X|$ 反例:$\rho=0$ 但分布不独立);
|
||||
- **相关 ⟹ 不独立**($\rho\ne0$ 一定不独立);
|
||||
- **二维正态**下独立 ⟺ 不相关($\rho=0$ 时 $f=f_Xf_Y$ 拆开)。
|
||||
|
||||
**判断流程(先相关后独立)**:①算 $Cov=E(XY)-EXEY$;②$\ne0$ ⟹ 相关不独立;③$=0$ ⟹ 不相关,再用分布($F=f_Xf_Y$ 或 $p_{ij}=p_ip_j$)判独立与否。**等价不相关条件**:$\rho=0\iff Cov=0\iff E(XY)=EXEY\iff D(X\pm Y)=DX+DY$。
|
||||
|
||||
## 6. §6 切比雪夫不等式
|
||||
|
||||
$P\{|X-EX|\ge\epsilon\}\le\dfrac{DX}{\epsilon^2}$(或 $P\{|X-EX|<\epsilon\}\ge1-\dfrac{DX}{\epsilon^2}$),$\epsilon>0$,$DX$ 存在。
|
||||
**用途**:①**无分布估算**概率(只知道期望方差);②证明收敛性(数理统计中的一致性);③**常构造 $Z=X-Y$** 再套($EZ=EX-EY$,$DZ=DX+DY-2Cov$)。
|
||||
|
||||
### §4·B 题型考点(怎么做、为什么、坑)★必背
|
||||
|
||||
**① 分布律拟合已知分布**(题1):分布律带 $\frac{\lambda^k}{k!}$ 形式 ⟹ 化成标准泊松 $\frac{\lambda^k}{k!}e^{-\lambda}$(提系数 $\frac{\sqrt e}{\sqrt e-1}$),直接 $EX=\frac{\sqrt e}{2\sqrt e-2}$。**为什么快**:不逐项求和,用已知期望。
|
||||
|
||||
**② 期望定义直算**(题2):$E(\frac1{1+X})$ 拟合不出 ⟹ $\sum\frac1{1+k}\frac{\lambda^k}{k!}e^{-\lambda}$,**凑 $\frac{\lambda^{k+1}}{(k+1)!}$ 错位**($\sum_{k=0}^\infty\frac{\lambda^k}{(k+1)!}=\frac{e^\lambda-1}{\lambda}$),结果 $1-e^{-\lambda}$。**坑**:下标 $k=0$ 起算与 $\frac1{k+1}$ 的错位要小心。
|
||||
|
||||
**③ 期望不存在**(题3):$f=\frac1{\pi(1+x^2)}$,$EX=\int\frac{x}{\pi(1+x^2)}dx$ 发散 ⟹ **期望不存在**(柯西分布原型)。判据:$\int|x|f(x)dx=+\infty$。
|
||||
|
||||
**④ 分段函数期望**(题4):$E[\min\{|X|,1\}]$ ⟹ 按 $\min$ 的拐点 $x=1$ **拆积分段** $\int_0^1x+\int_1^\infty 1$,$\frac1\pi\ln2+\frac12$。
|
||||
|
||||
**⑤ 正态配方法**(题5):$E[(X-2)^2e^{2X}]$——把 $e^{2x}$ **配进密度** $e^{2x}e^{-x^2/2}=e^2e^{-(x-2)^2/2}$,积分为 $e^2\cdot E_{\text{新正态}}(t^2)=e^2(\sigma^2+\mu^2)=e^2$。**为什么**:$e^{2x}$ 是配平方法的核心($e^{ax-\frac{x^2}2}$ 型都这么配)。
|
||||
|
||||
**⑥ 抽象密度判断**(题6):$E(X)=a$ 时,$\int xf(x+a)dx\overset{t=x+a}{=}\int(t-a)f(t)dt=a-a=0$ 恒成立;但 $\int_{-\infty}^a xf(x)dx$ **上下限与期望无关**,不一定 $\frac12$。**坑**:期望是加权平均,不能与面积一半混淆。
|
||||
|
||||
**⑦ 方差线性组合必须先改写系数**(题7):$D(X_1-\overline X)$——**$\overline X$ 与 $X_1$ 相关**,不能直接拆 $D$;先把 $X_1-\overline X=\frac{n-1}{n}X_1-\frac1n\sum_{i=2}^nX_i$ 化成独立项,$=\frac{n-1}{n}\sigma^2$。
|
||||
|
||||
**⑧ 乘积方差用 $E(X^2Y^2)$**(题8):$D(X_1X_2)=E(X_1^2X_2^2)-(EX_1EX_2)^2$,独立时 $=EX_1^2EX_2^2-\mu^4=(\sigma^2+\mu^2)^2-\mu^4$。
|
||||
|
||||
**⑨ 相关系数线性性**(题9):$\rho_{YZ}=\frac{a}{|a|}\rho_{XY}$ ⟹ 相等的充要条件 $a>0$。**核心**:$Cov(Y,aX+b)=aCov(X,Y)$ 与 $\sqrt{DZ}=|a|\sqrt{DX}$ 的 $a/|a|$ 符号。
|
||||
|
||||
**⑩ 独立与不相关的完整判定**(题12):证不相关用 $\rho=0$($EXY-EXEY=0$);证不独立用**分布**($P\{X\le a,|X|\le a\}\ne P\{X\le a\}P\{|X|\le a\}$)。**坑**:不相关≠独立,必须两步各证。
|
||||
|
||||
**⑪ 切比雪夫三件套**(题13):①构 $Z=X-Y$ 使 $EZ=0$;②由 $\rho=\frac{Cov}{\sqrt{DXDY}}$ 求 $Cov$($0.5=\frac{Cov}{2}$ ⟹ $Cov=1$);③$DZ=DX+DY-2Cov=3$,$\le\frac3{36}=\frac1{12}$。
|
||||
|
||||
## 7. 题目清单(13 题)
|
||||
|
||||
> 编号按本讲内部顺序;A–E 组对应出处节。来源:knowledge/3 例题 2 道(切比雪夫与 exercise 重复去重)+ exercise/3 11 道。
|
||||
|
||||
### A. 一维数学期望(题1–6)
|
||||
- **题 1 · 分布律拟合泊松(★★★)**【e3】:$X$ 的分布律 $P\{X=k\}=\frac{1}{2^kk!(\sqrt e-1)}$($k=1,2,\cdots$),求 $EX$(提系数化泊松 $P(\frac12)$,$=\frac{\sqrt e}{2\sqrt e-2}$)。
|
||||
- **题 2 · 期望定义直算(★★★)**【e3】:$X\sim P(\lambda)$,求 $E(X)E\left(\frac1{1+X}\right)$(错位求和 $\sum_{i=1}^\infty\frac{\lambda^i}{i!}e^{-\lambda}=1-e^{-\lambda}$)。
|
||||
- **题 3 · 期望不存在(★★☆)**【e3】:$X$ 的密度 $f(x)=\frac1{\pi(1+x^2)}$,求 $EX$($\int\frac x{\pi(1+x^2)}dx$ 发散,期望不存在)。
|
||||
- **题 4 · 分段函数期望(★★★)**【e3】:$X$ 密度 $f(x)=\frac1{\pi(1+x^2)}$,求 $E[\min\{|X|,1\}]$(拆段积分,$=\frac1\pi\ln2+\frac12$)。
|
||||
- **题 5 · 正态配方法(★★★★)**【e3】:$X\sim N(0,1)$,求 $E[(X-2)^2e^{2X}]$($e^{2x}$ 配进密度,$=e^2$)。
|
||||
- **题 6 · 抽象密度与期望(★★★)**【e3】:$E(X)=a$,判断 $\int_{-\infty}^{+\infty}xf(x+a)dx=0$ 与 $\int_{-\infty}^a xf(x)dx=\frac12$ 是否成立(前者恒成立,后者不一定)。
|
||||
|
||||
### B. 方差(题7–8)
|
||||
- **题 7 · 方差线性组合(★★★★)**【e3】:$X_1,\cdots,X_n$ 独立同方差 $\sigma^2>0$,$\overline X=\frac1n\sum X_i$,求 $D(X_1-\overline X)$(改写系数,$=\frac{n-1}{n}\sigma^2$)。
|
||||
- **题 8 · 乘积方差(★★★)**【e3】:$X_1,X_2$ 独立且同 $N(\mu,\sigma^2)$,求 $D(X_1X_2)$($=E(X_1^2X_2^2)-(EX_1EX_2)^2=\sigma^4+2\sigma^2\mu^2$)。
|
||||
|
||||
### C. 二维数字特征(题9–11)
|
||||
- **题 9 · 相关系数线性性(★★★)**【e3】:$\rho_{XY}\ne0$,$Z=aX+b$,求 $\rho_{YZ}=\rho_{XY}$ 成立的充要条件($a>0$)。
|
||||
- **题 10 · 协方差(★★☆)**【e3】:$X_1,\cdots,X_n$ 独立同分布方差 $\sigma^2$,$Y_1=\sum_{i=2}^nX_i$,$Y_2=\sum_{j=1}^{n-1}X_j$,求 $Cov(Y_1,Y_2)$(公共项系数相乘累加;参考仓库例题未给出解答)。
|
||||
- **题 11 · 相关系数综合(★★★★)**【k3】:$X$ 取 $0,1$($1/3,2/3$),$Y$ 取 $-1,0,1$(各 $1/3$),且 $P\{X^2=Y^2\}=1$,求 $(X,Y)$ 联合分布、$Z=XY$ 分布、$\rho_{XY}$(联合由 $P\{X^2\ne Y^2\}=0$ 定,$Z$ 均匀取三值,$\rho=0$)。
|
||||
|
||||
### D. 独立性与相关性(题12)
|
||||
- **题 12 · 不相关且不独立证明(★★★★)**【k3】:$X$ 密度 $f(x)=\frac12e^{-|x|}$,证明 $X$ 与 $|X|$ 不相关且不独立($EX=0$、$EX|X|=0$ ⟹ $\rho=0$;$P\{X\le a,|X|\le a\}\ne P\{X\le a\}P\{|X|\le a\}$)。
|
||||
|
||||
### E. 切比雪夫不等式(题13)
|
||||
- **题 13 · 切比雪夫估算(★★★)**【k3/e3 同题】:$EX=EY=2$,$DX=1$,$DY=4$,$\rho_{XY}=0.5$,估计 $P\{|X-Y|\ge6\}$($Z=X-Y$,$DZ=3$,$\le\frac{3}{36}=\frac1{12}$)。
|
||||
|
||||
---
|
||||
|
||||
> **回查入口**:参考仓库 `参考仓库/Math/advanced-math` 同源 `probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex`、`exercise/3-digital-features/digital-features.tex`。
|
||||
Reference in New Issue
Block a user