--- tags: [数学一, 模拟卷, 复盘专项, 概率论, 条件分布, 协方差] 专题: 复盘专项 · 第一次模拟遗忘点 · 点4 条件分布与协方差 日期: 2026-10-30 状态: 知识点带题(4.1 重期望、4.2 E(XY) 展开、4.3 条件二阶矩与方差,共 3 题) 关联笔记: ["[[README]]", "[[01-知识点盘点]]"] --- # 点 4 条件分布与协方差 > 原题锚点:第一次模拟第 8 题(选择,完全忘了)|重要度 ★★★ > 依赖:一维期望与方差(背诵版 18 数字特征 §1–2);盘点对应:§4 全节。 **组织原则**:先列知识点(重期望 → $E(XY)$ 展开 → 条件二阶矩),再按条目顺序出题。难度:★☆☆ 1 题、★★☆ 1 题、★★★ 1 题。第 8 题忘就忘在一条公式上:**$E(XY)=E[X\cdot E(Y\mid X)]$**——把 $X$ 提到条件期望外面,其余全是机械计算。 ## 知识点 4.1 重期望公式(出处:[知识章 digital-features.tex §二维期望](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) **重期望(全期望)公式**:解决"已知条件分布 $Y\mid X$,求无条件期望"的问题。设 $E(Y\mid X=x)$ 为给定 $X=x$ 时 $Y$ 的条件期望,它是 $x$ 的函数;将其中的 $x$ 换回 $X$,得随机变量 $E(Y\mid X)$。无条件期望等于条件期望关于 $X$ 的分布的期望: $$E(Y)=E\big[E(Y\mid X)\big],\qquad E\big[g(X,Y)\big]=E\Big[E\big(g(X,Y)\mid X\big)\Big].$$ **结构**:先对各层 $X=x$ 求条件期望(结果是 $X$ 的函数),再按 $X$ 的分布加权平均——即"先分层求平均,再对层平均取期望"。注意 $E(Y\mid X)$ 是 $X$ 的函数而非常数,最后一步是对 $X$ 取期望。 常用条件期望(须熟记):$Y\mid X=x\sim U(0,x)$ ⟹ $E(Y\mid X=x)=\dfrac{x}{2}$;$U(0,x^2)$ ⟹ $\dfrac{x^2}{2}$;$Y\mid X=x\sim E(\lambda)$ ⟹ $\dfrac{1}{\lambda}$(均匀分布取区间中点、指数分布取参数倒数)。 ## 知识点 4.2 $E(XY)$ 的展开(出处:[知识章 digital-features.tex §协方差](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) **$E(XY)$ 的计算(条件分布情形)**:给定 $X=x$ 时 $X$ 视为常数,由条件期望的线性性 $$E(XY\mid X=x)=x\,E(Y\mid X=x).$$ 两边对 $X$ 取期望(重期望公式),得 $$E(XY)=E\big[X\cdot E(Y\mid X)\big].$$ **使用前提**:上式恒成立,不要求 $X,Y$ 独立;而 $E(XY)=EX\cdot EY$ 仅当 $X,Y$ **独立**时成立。条件分布题中 $Y$ 由 $X$ 决定(如 $Y\mid X\sim U(0,X)$),二者不独立,必须使用上式,**不可拆为 $EX\cdot EY$**——第 8 题错选 B 即此误。得到 $E(XY)$ 后,协方差即 $\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY$。 ## 知识点 4.3 条件二阶矩与方差(出处:[知识章 digital-features.tex §方差/相关系数](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)) **条件二阶矩与方差**:二阶矩同样由重期望公式求得 $$E(Y^2)=E\big[E(Y^2\mid X)\big].$$ 再由方差定义 $DY=E(Y^2)-(EY)^2$、$DX=E(X^2)-(EX)^2$ 即可计算方差。常用条件二阶矩:$Y\mid X=x\sim U(0,x)$ 时 $E(Y^2\mid X=x)=\dfrac{x^2}{3}$;$U(0,x^2)$ 时 $E(Y^2\mid X=x)=\dfrac{x^4}{3}$(由均匀分布二阶矩 $\dfrac{b^2+ab+a^2}{3}$,取 $a=0$ 即得)。 相关系数为协方差按标准差归一化后的量,消除量纲影响、便于比较相关强弱: $$\rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}},\qquad|\rho_{XY}|\le1.$$ --- ## 题目(按知识点顺序对应) > **难度说明**:本节 3 题,把"条件分布 → 重期望"练熟。题 1 只做第一步(用条件期望求 $E(Y)$),题 2 是第 8 题变体($U(0,x^2)$ 型,计算量中等),题 3 是第 8 题完整版($U(0,x)$ 型,求 $\rho$)。做错率最高的是题 2——$E(X^3)$ 的均匀分布积分算错。 ### 题 1 · 4.1:重期望求无条件矩(★☆☆) > 设随机变量 $X\sim U(0,1)$ ,在 $X=x$ 的条件下 $Y\sim U(0,x)$ 。求 $E(Y)$ 。 **怎么想**:条件分布给的是条件期望 $E(Y\mid X=x)=\dfrac{x}{2}$;无条件期望用重期望 $E(Y)=E[E(Y\mid X)]$——只对 $X$ 再取一次期望。 **解**: $$E(Y\mid X)=\frac{X}{2},\qquad E(Y)=E\Big(\frac{X}{2}\Big)=\frac12E(X)=\frac12\cdot\frac12=\frac14.$$ **验算**:$Y$ 几乎处处落在 $(0,X)\subset(0,1)$,$E(Y)$ 应在 $(0,0.5)$ 内,$\dfrac14$ ✓。 **带走结论**:条件分布题第一步永远是**写出 $E(Y\mid X)$ 再对 $X$ 取期望**。$U(0,x)$ 的条件期望是 $\dfrac{x}{2}$,直接背。 > **关联** · 盘点 [§4.1 重期望公式](01-知识点盘点.md#user-content-41-重期望公式) | 上游 — | 下游 [点 4 题 2](05-点4-条件分布与协方差.md#user-content-题-2--42x提到条件期望外) | 速查 [四 重期望与协方差](10-速查卡.md#user-content-四-重期望与协方差) --- ### 题 2 · 4.2:X 提到条件期望外(★★☆) > 设随机变量 $X\sim U(0,2)$ ,在 $X=x$ 的条件下 $Y\sim U(0,x^2)$ 。求 $\operatorname{Cov}(X,Y)$ 。 **怎么想**:三步:①$E(Y\mid X=x)=\dfrac{x^2}{2}$;②$E(XY)=E[X\cdot E(Y\mid X)]=\dfrac12E(X^3)$($X$ 提到外面);③$EX$、$EY$ 用 $U(0,2)$ 的已知矩,最后 $Cov=E(XY)-EX\cdot EY$。 **解**: $E(Y\mid X)=\dfrac{X^2}{2}$ ,故 $$E(XY)=E\Big(X\cdot\frac{X^2}{2}\Big)=\frac12E(X^3).$$ $X\sim U(0,2)$ :密度 $\dfrac12$ ,$E(X^3)=\displaystyle\int_0^2 x^3\cdot\frac12\,\mathrm dx=\frac12\cdot\frac{2^4}{4}=2$ ,故 $E(XY)=1$ 。 $$EX=1,\qquad EY=E\Big(\frac{X^2}{2}\Big)=\frac12E(X^2)=\frac12\cdot\frac{2^2}{3}=\frac23.$$ $$\operatorname{Cov}(X,Y)=1-1\cdot\frac23=\frac13.$$ **验算**:$Y$ 随 $X$ 增大而变宽($E(Y\mid X)$ 随 $X$ 增大),正相关,$\operatorname{Cov}>0$,$\dfrac13>0$ ✓。 **带走结论**:$E(XY)$ 的求法只有一种——**$X$ 提到条件期望外面**。$E(X^3)$ 对均匀分布用 $\dfrac{b^{k+1}-a^{k+1}}{(k+1)(b-a)}$ 直算:$U(0,2)$ 的 $E(X^3)=\dfrac{16}{8}=2$。 > **关联** · 盘点 [§4.2 $E(XY)$ 的展开](01-知识点盘点.md#user-content-42-exy-的展开) | 上游 [点 4 题 1](05-点4-条件分布与协方差.md#user-content-题-1--41重期望求无条件矩) | 下游 [点 4 题 3](05-点4-条件分布与协方差.md#user-content-题-3--43协方差相关系数综合) | 速查 [四 重期望与协方差](10-速查卡.md#user-content-四-重期望与协方差) --- ### 题 3 · 4.3:协方差相关系数综合(★★★) > 设随机变量 $X\sim U(0,1)$ ,在 $X=x$ 的条件下 $Y\sim U(0,x)$ 。 > (Ⅰ)求 $E(XY)$ 与 $\operatorname{Cov}(X,Y)$ ; > (Ⅱ)求相关系数 $\rho_{XY}$ ; > (Ⅲ)判断 $X$ 与 $Y$ 是否独立、是否相关,并说明理由。 **怎么想**:第 8 题完整版。$\operatorname{Cov}$ 照题 2 套路($E(XY)=\dfrac12E(X^2)$);算 $\rho$ 需要 $DX,DY$——$DY$ 用条件二阶矩 $E(Y^2\mid X=x)=\dfrac{x^2}{3}$ 走重期望;独立性用相关系数非零否决。 **解**: (Ⅰ)$X\sim U(0,1)$ :$EX=\dfrac12$ ,$E(X^2)=\dfrac13$ 。$E(Y\mid X)=\dfrac X2$ : $$E(XY)=E\Big(X\cdot\frac X2\Big)=\frac12E(X^2)=\frac16,\qquad EY=E\Big(\frac X2\Big)=\frac14.$$ $$\operatorname{Cov}(X,Y)=\frac16-\frac12\cdot\frac14=\frac16-\frac18=\frac1{24}.$$ (Ⅱ)$E(Y^2)=E\big[E(Y^2\mid X)\big]$ ,$E(Y^2\mid X=x)=\dfrac{x^2}{3}$ ,故 $$E(Y^2)=\frac13E(X^2)=\frac19,\qquad DY=\frac19-\frac1{16}=\frac7{144},\qquad DX=\frac1{12}.$$ $$\rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}=\frac{1/24}{\sqrt{(1/12)(7/144)}}=\frac{\sqrt3}{\sqrt7}=\sqrt{\frac37}.$$ (Ⅲ)**相关但不独立**。$\rho_{XY}=\sqrt{\dfrac37}\ne0$ ⟹ 线性相关,相关 ⟹ 不独立。也可直接看联合密度 $f(x,y)=\dfrac1x$($0 **关联** · 盘点 [§4.3 条件二阶矩与方差](01-知识点盘点.md#user-content-43-条件二阶矩与方差) | 上游 [点 4 题 2](05-点4-条件分布与协方差.md#user-content-题-2--42x提到条件期望外) | 下游 — | 速查 [四 重期望与协方差](10-速查卡.md#user-content-四-重期望与协方差) ---