--- 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) ---