Files
Yimu 326d9317f8 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
2026-11-07 12:40:51 +08:00

213 lines
11 KiB
Markdown
Raw Permalink Blame History

This file contains ambiguous Unicode characters
This file contains Unicode characters that might be confused with other characters. If you think that this is intentional, you can safely ignore this warning. Use the Escape button to reveal them.
---
tags: [数学一, 在学练习, 概率论, 数字特征, 数学期望]
专题: 概率论 第4讲 · 点1 数学期望
日期: 2026-11-07
状态: 知识点带题(1.1 定义与性质、1.2 函数期望、1.3 常见分布,共 4 题)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 点 1 数学期望
> 真题锚点:2017·14(填空)、2023·8(单选,绝对偏差)|重要度 ★★★
> 依赖:第 2、3 讲的分布律与密度。盘点对应:§1 全节。
**组织原则**:先立定义与性质(1.1),再攻本讲最有价值的技术——**函数期望不需求分布**(1.2),最后收表(1.3)。四道题里两道都在练 1.2,因为这是考场上唯一能"省一步"的地方。难度标准:★☆☆ 一题、★★☆ 三题。
## 知识点 1.1 定义与四条性质(出处:[知识章 digital-features.tex §1.1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex)|[练习章 §1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/exercise/3-digital-features/digital-features.tex))
$$EX=\sum_i x_ip_i\ (\text{离散});\qquad EX=\int_{-\infty}^{+\infty}xf(x)\,\mathrm dx\ (\text{连续}).$$
四条性质(**都不要求独立**):
1. $E(aX+bY+c)=aEX+bEY+c$ (线性);
2. $X\le Y\Rightarrow EX\le EY$ (保序);
3. $\lvert EX\rvert\le E\lvert X\rvert$ ;
4. $EC=C$ (常数视为退化随机变量)。
> **$E(XY)=EX\,EY$ 不在性质里**。它是"独立(或不相关)"的**额外结论**,套用前必须确认前提。
## 知识点 1.2 随机变量函数的期望(出处:[知识章 §1.1、§2.1](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex))
$$E\,g(X)=\sum_i g(x_i)p_i\quad\text{或}\quad E\,g(X)=\int_{-\infty}^{+\infty}g(x)f(x)\,\mathrm dx .$$
二维版本:$E\,g(X,Y)=\iint g(x,y)f(x,y)\,\mathrm d\sigma$ 。
**三条要点**:
1. **不需求 $g(X)$ 的分布**——这是它最大的价值;
2. $g$ 一般**不能提出去**:$E(1/X)\ne1/EX$ 、$E(X^2)\ne(EX)^2$ 、$E\lvert X\rvert\ne\lvert EX\rvert$ ;
3. 分段函数(如 $\min$ 、$\max$ 、绝对值)要**按段拆积分**,分段点就是 $g$ 的换型点。
## 知识点 1.3 常见分布的期望(出处:[知识章 §1.4](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex))
| 分布 | $EX$ | 备注 |
|---|---|---|
| $B(n,p)$ | $np$ | 用"$n$ 个 $0$ -$1$ 之和"推 |
| $P(\lambda)$ | $\lambda$ | 参数即均值 |
| $G(p)$ | $\dfrac1p$ | 平均等 $\frac1p$ 次 |
| $U(a,b)$ | $\dfrac{a+b}{2}$ | 中点 |
| $E(\lambda)$ | $\dfrac1\lambda$ | 参数是速率 |
| $N(\mu,\sigma^2)$ | $\mu$ | 参数即均值 |
| $\chi^2(n)$ | $n$ | 自由度即均值 |
> **用法**:考场上遇到这些分布,**期望直接写**,把时间留给后面的积分。只有在"要写过程"的解答题里才用定义推一遍。
---
## 题目(按知识点顺序对应)
### 题 1 · 1.1:由分布律算期望与函数期望(★☆☆)
> 设 $X$ 的分布律为
>
> | $X$ | $-1$ | $0$ | $1$ | $2$ |
> |---|---|---|---|---|
> | $p$ | $0.2$ | $0.3$ | $0.3$ | $0.2$ |
>
> 求 $EX$ 、$E X^2$ 、$DX$ 、$E\lvert X\rvert$ 与 $E\min\{X,1\}$ 。
**怎么想**:$EX$ 与 $E X^2$ 都是"加权平均",只是权前的数换了。$E\lvert X\rvert$ 与 $E\min\{X,1\}$ 属于函数期望——**逐项代 $g$ 即可**,不必求新分布。
**解**:
$$EX=(-1)(0.2)+0(0.3)+1(0.3)+2(0.2)=-0.2+0.3+0.4=0.5 .$$
$$E X^2=(1)(0.2)+0(0.3)+(1)(0.3)+(4)(0.2)=0.2+0.3+0.8=1.3 .$$
$$DX=EX^2-(EX)^2=1.3-0.25=1.05=\frac{21}{20} .$$
$$E\lvert X\rvert=(1)(0.2)+0+(1)(0.3)+(2)(0.2)=0.2+0.3+0.4=0.9 .$$
$E\min\{X,1\}$ :把每个 $x_i$ 换成 $\min\{x_i,1\}$ ,即 $-1,0,1,1$ :
$$E\min\{X,1\}=(-1)(0.2)+0(0.3)+(1)(0.3)+(1)(0.2)=-0.2+0.3+0.2=0.3 .$$
**验算**:$DX>0$ ✓;$E\min\{X,1\}<EX=0.5$ ✓(因为 $\min\{x,1\}\le x$ 逐点成立,期望必须更小);$E\lvert X\rvert=0.9>\lvert EX\rvert=0.5$ ✓。
**带走结论**:**算 $EX^2$ 要用平方值加权,不能拿 $(EX)^2$ 顶替**,两者差 $DX$ 。本题 $(EX)^2=0.25$ 、$EX^2=1.3$ ,差得极远——这就是"方差大"的含义。
> **关联** · 盘点 [§1.1 定义与四条性质](01-知识点盘点.md#user-content-11-定义与四条性质) | 上游 — | 下游 — | 速查 [一 三条定义式](07-速查卡.md#user-content-一-三条定义式)
---
### 题 2 · 1.2:连续型上的函数期望(★★☆)
> 设 $X$ 的概率密度为 $f(x)=2x$ ($0<x<1$ ),其他为 $0$ 。
>
> (Ⅰ)求 $EX$ 与 $DX$ ;
> (Ⅱ)求 $E\!\left(\dfrac1X\right)$ ,并与 $\dfrac{1}{EX}$ 比较;
> (Ⅲ)求 $E\min\left\{X,\dfrac12\right\}$ 。
**怎么想**:(Ⅰ)直接积。(Ⅱ)把 $\frac1x$ 塞进积分,**注意它在 $x=0$ 处发散**——但乘上 $f(x)=2x$ 之后变成常数 $2$ ,所以收敛,这是本题的巧处。(Ⅲ)$\min$ 在 $x=\frac12$ 换段,必须拆两个积分。
**解**:
**(Ⅰ)**
$$EX=\int_0^1x\cdot2x\,\mathrm dx=\frac23,\qquad E X^2=\int_0^1x^2\cdot2x\,\mathrm dx=\frac12,$$
$$DX=\frac12-\frac49=\frac{1}{18} .$$
**(Ⅱ)**
$$E\!\left(\frac1X\right)=\int_0^1\frac1x\cdot2x\,\mathrm dx=\int_0^12\,\mathrm dx=2 .$$
而 $\dfrac{1}{EX}=\dfrac{3}{2}=1.5$ 。两者**不相等**:$E\!\left(\frac1X\right)>1/EX$ 。
**原因**:$g(x)=\frac1x$ 是**凸函数**,由琴生不等式 $E g(X)\ge g(EX)$ ,等号只在 $X$ 为常数时成立。
**(Ⅲ)** 在 $x=\frac12$ 处分段:
$$E\min\left\{X,\frac12\right\}=\int_0^{1/2}x\cdot2x\,\mathrm dx+\int_{1/2}^{1}\frac12\cdot2x\,\mathrm dx=\left[\frac{2x^3}{3}\right]_0^{1/2}+\left[\frac{x^2}{2}\right]_{1/2}^{1}$$
$$=\frac{1}{12}+\left(\frac12-\frac18\right)=\frac{1}{12}+\frac38=\frac{11}{24}\approx0.458 .$$
**验算**:$\frac{11}{24}<\frac23=EX$ ✓(因为 $\min\{x,\frac12\}\le x$ );且 $\frac{11}{24}<\frac12$ ✓(截断后期望不超过截断值)。
**带走结论**:一般 **$E g(X)\ne g(EX)$ 才是常态**,方向由凹凸性决定:$g$ 凸则 $E g(X)\ge g(EX)$ ,$g$ 凹则相反。$\frac1x$ 、$x^2$ 、$\lvert x\rvert$ 都是凸的,所以"倒数的期望 $>$ 期望的倒数"是常态。
> **关联** · 盘点 [§1.2 随机变量函数的期望(不需求分布)](01-知识点盘点.md#user-content-12-随机变量函数的期望不需求分布) | 上游 — | 下游 [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) | 速查 [三 不需求分布就能算函数期望](07-速查卡.md#user-content-三-不需求分布就能算函数期望)
---
### 题 3 · 1.2:绝对偏差与平方偏差(★★☆)
> 设 $X\sim U(0,1)$ 。
>
> (Ⅰ)求 $E\left\lvert X-\dfrac13\right\rvert$ ;
> (Ⅱ)求 $E\left(X-\dfrac13\right)^2$ ;
> (Ⅲ)若要让 $E\lvert X-c\rvert$ 最小,$c$ 应取多少?若要让 $E(X-c)^2$ 最小呢?
**怎么想**:绝对值必须**在 $x=\frac13$ 处分段**,两段方向相反。平方不用分段——展开即可。第三问是"最小化平均偏差",两个目标给出两个不同的答案,这正是本题的教学点。
**解**:
**(Ⅰ)** $f(x)=1$ ($0<x<1$ )。分段:
$$E\left\lvert X-\frac13\right\rvert=\int_0^{1/3}\left(\frac13-x\right)\mathrm dx+\int_{1/3}^{1}\left(x-\frac13\right)\mathrm dx .$$
第一段:$\left[\frac x3-\frac{x^2}{2}\right]_0^{1/3}=\frac19-\frac{1}{18}=\frac{1}{18}$ 。
第二段:$\left[\frac{x^2}{2}-\frac x3\right]_{1/3}^{1}=\left(\frac12-\frac13\right)-\left(\frac1{18}-\frac19\right)=\frac16+\frac1{18}=\frac{2}{9}$ 。
故
$$E\left\lvert X-\frac13\right\rvert=\frac{1}{18}+\frac{2}{9}=\frac{1}{18}+\frac{4}{18}=\frac{5}{18}\approx0.278 .$$
**(Ⅱ)**
$$E\left(X-\frac13\right)^2=E X^2-\frac23EX+\frac19=\frac13-\frac23\cdot\frac12+\frac19=\frac13-\frac13+\frac19=\frac19 .$$
**(Ⅲ)** 两个目标的最优 $c$ **不同**:
- **平方偏差**:$E(X-c)^2=DX+(EX-c)^2$ ,在 $c=EX=\frac12$ 处最小,最小值 $DX=\frac{1}{12}$ ;
- **绝对偏差**:$E\lvert X-c\rvert$ 在 $c=$ **中位数**处最小,$U(0,1)$ 的中位数是 $\frac12$ ,最小值 $=\frac14$ (可验证:$\int_0^c(c-x)+\int_c^1(x-c)=c^2-c+\frac12$ ,在 $c=\frac12$ 取 $\frac14$ )。
本题两者恰好都在 $\frac12$ (因为均匀分布对称),**但一般分布不重合**——平方偏差配均值,绝对偏差配中位数。
**验算**:$\frac{5}{18}\approx0.278>\frac19\approx0.111$ ✓(同一量纲下"绝对偏差"必不小于"平方偏差",因为约束在 $[0,1]$ 内偏差绝对值小于 $1$ ,平方后更小)。
**带走结论**:**绝对值分段、平方展开**。另外记住这对"最优 $c$ ":**平方偏差 $\to$ 均值,绝对偏差 $\to$ 中位数**——这是 2023·8 型选择题的常见考法。
> **关联** · 盘点 [§1.2 随机变量函数的期望(不需求分布)](01-知识点盘点.md#user-content-12-随机变量函数的期望不需求分布) | 上游 [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) | 下游 — | 速查 [三 不需求分布就能算函数期望](07-速查卡.md#user-content-三-不需求分布就能算函数期望)
---
### 题 4 · 1.3:用性质速算,不积分(★★☆)
> 设 $X\sim B(10,0.3)$ 、$Y\sim P(2)$ 、$Z\sim E\!\left(\dfrac12\right)$ ,且三者**相互独立**。求
>
> (Ⅰ)$E(3X-2Y+1)$ ;
> (Ⅱ)$E(X^2)$ 与 $E(XY)$ ;
> (Ⅲ)$E\left(\dfrac{1}{Z}\right)$ 。
**怎么想**:三问都在考"**用已知的 $E$ 与 $D$ 反推**"。(Ⅰ)只用线性;(Ⅱ)$EX^2=DX+(EX)^2$ ,$E(XY)$ 靠独立;(Ⅲ)指数分布的倒数期望要单独积一次——它是"$1/Z$ 不是常数"的又一次提醒。
**解**:
**(Ⅰ)** $EX=10\times0.3=3$ ,$EY=2$ ,故
$$E(3X-2Y+1)=3\cdot3-2\cdot2+1=9-4+1=6 .$$
**(Ⅱ)** $DX=10\times0.3\times0.7=2.1$ ,故
$$E X^2=DX+(EX)^2=2.1+9=11.1 .$$
由独立性 $E(XY)=EX\cdot EY=3\times2=6$ 。
**(Ⅲ)** $Z$ 的密度是 $\frac12\mathrm e^{-z/2}$ ($z>0$ ),故
$$E\!\left(\frac1Z\right)=\int_0^{+\infty}\frac1z\cdot\frac12\mathrm e^{-z/2}\,\mathrm dz .$$
这个积分**发散**($\frac1z$ 在 $0$ 附近使被积函数 $\sim\frac{1}{2z}$ )。所以本题的正确结论是:**$E\left(\frac1Z\right)$ 不存在**。
$\dfrac{1}{EZ}=\dfrac{1}{2}=0.5$ 只是"倒数的期望"的**错误替代品**,两者不能互换。
**验算**:$\int_{\varepsilon}^{1}\frac{1}{2z}\mathrm dz=\frac12\ln\frac1\varepsilon\to+\infty$ ✓(对数发散)。
**带走结论**:**只有独立才能拆 $E(XY)$ 这一步**;**$E X^2=DX+(EX)^2$ 是最常用的反推式**;而"期望存在"要先检查积分收敛——指数分布的倒数期望就是典型的发散例。
> **关联** · 盘点 [§1.3 常见分布的期望](01-知识点盘点.md#user-content-13-常见分布的期望) | 上游 — | 下游 — | 速查 [二 七大分布的期望与方差](07-速查卡.md#user-content-二-七大分布的期望与方差)
---