--- tags: [数学一, 知识点构建, 专背清单, 概率论, 数字特征, 协方差] 专题: 概率论 · 第4讲 数字特征 · 专背清单 日期: 2026-11-17 状态: 36 条(式 15 / 表 3 / 判 6 / 模 2 / 反 10) 来源: 知识点构建 18 背诵版;在学练习第4讲五点;真题库 chapter 18 关联笔记: ["[[21-专背清单-概率论-00-总纲与跨讲对照]]", "[[18-背诵版-概率论-第4讲-数字特征]]"] --- # 第 4 讲 数字特征 · 专背清单 > 36 条。**本讲最该背的是一张表(九个分布的 $E$ 与 $D$ )和一条链(独立 → 不相关 → 不推回)**。其余全靠这两样推。表背不下来,后面每一讲都要卡。 ## 一、期望(7 条) **L4-01** `式` 定义:连续型 $EX=\int_{-\infty}^{+\infty}xf(x)\,\mathrm dx$ ,离散型 $EX=\sum_kx_kp_k$ 。  └ **前提是绝对收敛**:$\int\lvert x\rvert f<\infty$ 。不满足则期望不存在,不能写"$=\infty$ "。 **L4-02** `式` 函数的期望(不必先求分布): $$E[g(X)]=\int_{-\infty}^{+\infty}g(x)f(x)\,\mathrm dx\quad\text{或}\quad\sum_kg(x_k)p_k.$$  └ 这是全讲最省时间的一条。求 $E(X^2)$ 、$E(\mathrm e^{X})$ 都直接套,**不要先求 $X^2$ 的分布**。 **L4-03** `式` 期望四条性质:$Ec=c$ ;$E(aX)=aEX$ ;$E(X+b)=EX+b$ ;$E(X\pm Y)=EX\pm EY$ 。  └ **线性性无条件成立**,不需要独立。这是与"乘法"最关键的区别。 **L4-04** `反` $E(XY)=EX\cdot EY$ **需要独立**(或不相关),一般情形不成立。  └ 一般式:$E(XY)=EX\,EY+\operatorname{Cov}(X,Y)$ 。 **L4-05** `反` 期望存在 **不保证** 二阶矩存在。  └ 例:$t$ 分布 $t(2)$ 的期望为 0 但方差不存在;$t(1)$ (柯西)连期望都没有。 **L4-06** `判` 判断期望存在:算 $\int\lvert x\rvert f(x)\mathrm dx$ 是否有限。**尾部衰减慢于 $1/x^2$ 就有问题**。 **L4-07** `式` 独立时的两条简化:$E(XY)=EX\,EY$ ;$E[g(X)h(Y)]=E[g(X)]E[h(Y)]$ 。  └ 第二条更常用,它允许把复杂函数拆开算。 ## 二、方差(7 条) **L4-08** `式` 计算公式(两条都要会):$DX=E(X^2)-(EX)^2$ ;$DX=E(X-EX)^2$ 。  └ 手算优先第一条;证明题用第二条。 **L4-09** `式` 五条性质:$Dc=0$ ;$D(aX+b)=a^2DX$ ;$DX\ge0$ ;$D(X\pm Y)=DX+DY\pm2\operatorname{Cov}(X,Y)$ ;独立时 $D(X\pm Y)=DX+DY$ 。  └ **$D(aX+b)$ 里 $b$ 完全消失,$a$ 要平方**。这两处都是高频失分。 **L4-10** `式` 一般展开:$D\!\left(\sum_ia_iX_i\right)=\sum_ia_i^2DX_i+2\sum_{i0$ 时)**。 ## 六、切比雪夫与两条极值结论(5 条) **L4-30** `式` 切比雪夫不等式:$P\{\lvert X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{\varepsilon^2}$ ,等价于 $P\{\lvert X-\mu\rvert<\varepsilon\}\ge1-\dfrac{\sigma^2}{\varepsilon^2}$ 。  └ **上界给"至少"、下界给"至多"**,方向反了整题反。 **L4-31** `式` 样本均值版:$P\{\lvert\overline X-\mu\rvert\ge\varepsilon\}\le\dfrac{\sigma^2}{n\varepsilon^2}$ 。**分母有** $n$ 。 **L4-32** `式` 二项版:$P\left\{\left\lvert\dfrac Xn-p\right\rvert\ge\varepsilon\right\}\le\dfrac{p(1-p)}{n\varepsilon^2}$ 。 **L4-33** `式` 两变量最值的期望($n=2$ 时成立):$E(\max)+E(\min)=EX_1+EX_2$ 。  └ **只对 $n=2$ 成立**。三个变量时和为 $EX_1+EX_2+EX_3$ 的次序统计量期望对不上,别乱套。 **L4-34** `式` 极值的期望(同分布时):$E(\max)=\int_{-\infty}^{+\infty}z\cdot n[F(z)]^{n-1}f(z)\,\mathrm dz$ 。  └ 直接从密度积,不必记"非负型"的积分公式。$E(\min)$ 同形,把 $F$ 换成 $1-F$ 。 ## 七、坑(2 条) **L4-35** `坑` "期望相等"推不出"分布相同";"方差相等"也推不出。**数字特征丢失了分布的全部形状信息**。  └ 这是选填辨析的常客:$X\sim N(0,1)$ 与 $Y=\pm X$ (等概率)期望方差都相同,分布不同。 **L4-36** `反` $DX=0\iff P\{X=EX\}=1$ ,即 $X$ 几乎必然是常数。  └ 推论:方差为 0 时相关系数**无定义**(分母为 0),不能说"不相关"。 ## 十秒自检 1. 默九个分布的 $E$ 与 $D$ ,说四个记忆钩子。 2. 写出 $D(aX+bY)$ 的展开式,并说出 $a^2+b^2=1$ 时的最值。 3. 说出"独立 / 不相关"三层关系,以及那个 $Y=X^2$ 的反例。 4. 重期望与全方差两个公式。 5. 切比雪夫的"至少"与"至多"各对应哪个方向。 五条全过,本讲过关。