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

12 KiB
Raw Permalink Blame History

tags, 专题, 日期, 状态, 关联笔记
tags 专题 日期 状态 关联笔记
数学一
在学练习
概率论
数字特征
线性组合
方差最值
概率论 第4讲 · 点5 线性组合与最值 2026-11-07 知识点带题(5.1 线性组合、5.2 方差最值、5.3 三条恒等式,共 4 题)
README
01-知识点盘点

点 5 线性组合与最值

2025·8 直接问"\sigma_X=\sigma_Y 时 D(aX+bY) 的最值",命题组已经把它当独立考点在用|重要度 ★★★ 依赖:点 1—点 4,尤其 §3.2 的双线性。盘点对应:§5 全节。

组织原则:这一点看着有三节,其实是同一条式子的三种问法——D(aX+bY) 怎么展开(5.1)、在 a^2+b^2=1 下怎么求极值(5.2)、系数全取 1/n 时得到什么(5.3)。四题按"展开 → 同方差极值 → 异方差极值 → 平均与偏差平方和"递进,最后一题是第 6 讲无偏性的直接铺垫。难度标准:★☆☆ 一题、★★☆ 两题、★★★ 一题。

知识点 5.1 线性组合的期望与方差(出处:知识章 §2.2)

D\left(\sum_{i=1}^{n}a_iX_i\right)=\sum_{i=1}^{n}a_i^2DX_i+2\sum_{i<j}a_ia_j\operatorname{Cov}(X_i,X_j).

两项的情形(考场上 99% 用到的是这个):

D(aX+bY)=a^2DX+b^2DY+2ab\operatorname{Cov}(X,Y)=a^2DX+b^2DY+2ab\rho_{XY}\sigma_X\sigma_Y .

三条操作提示:

  1. 常数项直接扔:D(aX+bY+c)=D(aX+bY) ;
  2. 系数取平方:是 a^2 ,不是 |a| ,所以 a=-2 与 a=2 对 DX 的贡献一样;
  3. 交叉项跟着符号走:b<0 时交叉项为负——这是唯一需要留心的地方,也是 D(X-Y) 不等于 DX+DY 的原因。

一个随手可用的上界:由 |\rho|\le1 得 \operatorname{Cov}\le\sigma_X\sigma_Y ,故 D(X+Y)\le(\sigma_X+\sigma_Y)^2 。算出来的值超过这个数,一定是把某处符号弄反了。

知识点 5.2 方差的最值(出处:知识章 §2.2)

在约束 a^2+b^2=1 下求 D(aX+bY) 的极值,把它写成二次型:

D(aX+bY)=\begin{pmatrix}a&b\end{pmatrix}\Sigma\begin{pmatrix}a\\b\end{pmatrix},\qquad \Sigma=\begin{pmatrix}\sigma_X^2&\rho\sigma_X\sigma_Y\\ \rho\sigma_X\sigma_Y&\sigma_Y^2\end{pmatrix}.

结论:最大值 = \Sigma 的较大特征值,最小值 = 较小特征值;两根 \lambda 是

\lambda^2-\left(\sigma_X^2+\sigma_Y^2\right)\lambda+\sigma_X^2\sigma_Y^2\left(1-\rho^2\right)=0

的解。等价的两条检验:两特征值之和 =DX+DY 恒成立、两特征值之积 =DX\cdot DY\cdot(1-\rho^2) 也恒成立 。

同方差特例(\sigma_X=\sigma_Y=\sigma ):\lambda=\sigma^2(1\pm\rho) ,即

\max D=\sigma^2\left(1+|\rho|\right)\quad(\rho\ge0\ \text{取}\ a=b,\ \rho<0\ \text{取}\ a=-b),\qquad \min D=\sigma^2\left(1-|\rho|\right).

别背异方差的那个根式。考场上写特征方程 \lambda^2-S\lambda+P=0 更快,S 是两方差之和,P 是 DX\cdot DY\cdot(1-\rho^2) ,然后开根。

知识点 5.3 三条常用恒等式(出处:知识章 §1.1、§1.2)

\sum_{i=1}^{n}\left(X_i-\bar X\right)^2=\sum_{i=1}^{n}X_i^2-n\bar X^2;\qquad E\bar X=\mu,\quad D\bar X=\frac{\sigma^2}{n}; E\left[(X-c)^2\right]=DX+(EX-c)^2\quad(\text{在 }c=EX\text{ 处取最小 }DX).

第二条一行就能推(X_i 独立同分布时):D\bar X=\dfrac{1}{n^2}\sum DX_i=\dfrac{\sigma^2}{n} 。分母取 n 而不是 n-1 这一点最易记错 —— 这是样本均值与样本方差最容易被记串的一处。

第三条是均方误差分解:用常数 c 去猜 X ,误差被拆成"不可消除的波动 DX "加"猜偏了的那一段 (EX-c)^2 "。


题目(按知识点顺序对应)

题 1 · 5.1:两项线性组合的展开(★☆☆)

设 DX=1 、DY=4 、\rho_{XY}=\dfrac12 。

(Ⅰ)求 D(2X-Y+3) ; (Ⅱ)求 \operatorname{Cov}(X+Y,\ X-Y) ; (Ⅲ)分别求 D(X+Y) 与 D(X-Y) ,并验证二者之和等于 2(DX+DY) 。

怎么想:(Ⅰ)(Ⅲ)都是把 D(aX+bY) 的三项照抄,先把 \operatorname{Cov} 算成数;(Ⅱ)把 \operatorname{Cov} 当双线性乘法表逐项展开,\operatorname{Cov}(X,X) 就是 DX 。

解:

先算中间量:\sigma_X=1 、\sigma_Y=2 、

\operatorname{Cov}(X,Y)=\rho_{XY}\sigma_X\sigma_Y=\frac12\cdot1\cdot2=1 .

(Ⅰ) 取 a=2 、b=-1 :

D(2X-Y+3)=4DX+DY+2\cdot2\cdot(-1)\cdot\operatorname{Cov}(X,Y)=4+4-4=4 .

(Ⅱ) 双线性展开:

\operatorname{Cov}(X+Y,\ X-Y)=\operatorname{Cov}(X,X)-\operatorname{Cov}(X,Y)+\operatorname{Cov}(Y,X)-\operatorname{Cov}(Y,Y) =DX-DY=1-4=-3 .

(Ⅲ)

D(X+Y)=DX+DY+2\operatorname{Cov}(X,Y)=1+4+2=7, D(X-Y)=DX+DY-2\operatorname{Cov}(X,Y)=1+4-2=3 . D(X+Y)+D(X-Y)=10=2(1+4)=2(DX+DY)\ ✓

带走结论:\operatorname{Cov}(X+Y,\ X-Y)=DX-DY 与 \rho 完全无关,可以直接当公式用。它就说明"和与差相不相关只取决于方差是否相等":DX=DY 时和与差必然不相关。

关联 · 盘点 §5.1 线性组合的期望与方差 | 上游 — | 下游 — | 速查 八 线性组合与方差最值


题 2 · 5.2:同方差下的最值(★★☆)

设 DX=DY=1 、\rho_{XY}=\dfrac35 。对满足 a^2+b^2=1 的实数 a,b ,记 Z=aX+bY 。

(Ⅰ)把 DZ 写成 a,b 的函数; (Ⅱ)求 DZ 的最大值与最小值,并指出取到时的 (a,b) ; (Ⅲ)把 \rho 换成任意值,写出最大值的一般式。

怎么想:\sigma_X=\sigma_Y=1 时 a^2DX+b^2DY=a^2+b^2=1 是个常数,于是 DZ 只剩"1 加一个交叉项",最值就完全落在 ab 的取值范围上。

解:

(Ⅰ) \sigma_X=\sigma_Y=1 ,

DZ=a^2\cdot1+b^2\cdot1+2\cdot\frac35\cdot ab=a^2+b^2+\frac65ab=1+\frac65ab .

(Ⅱ) 由 a^2+b^2=1 得 |ab|\le\dfrac{a^2+b^2}{2}=\dfrac12 ,等号在 a=\pm b=\dfrac{1}{\sqrt2} 时成立。故

\max DZ=1+\frac65\cdot\frac12=1+\frac35=\frac85\quad\left(a=b=\frac{1}{\sqrt2}\right), \min DZ=1+\frac65\cdot\left(-\frac12\right)=1-\frac35=\frac25\quad\left(a=\frac{1}{\sqrt2},\ b=-\frac{1}{\sqrt2}\right).

(Ⅲ) 一般地

\max DZ=\sigma^2\left(1+|\rho|\right),\qquad \min DZ=\sigma^2\left(1-|\rho|\right).

\rho\ge0 时取 a=b ,\rho<0 时取 a=-b (\rho 的符号决定"同向叠加"还是"反向抵消"涨方差)。

验算:用特征方程 \lambda^2-2\lambda+(1-\rho^2)=0 ,\rho=\frac35 时 \lambda^2-2\lambda+\frac{16}{25}=0 ,\lambda=1\pm\frac35 ,即 \frac85 与 \frac25 ✓。

带走结论:同方差时两个最值一相加正好 2\sigma^2 、一相减正好 2\sigma^2|\rho| 这两个数 。所以看到"\sigma_X=\sigma_Y 、求 D(aX+bY) 最值"的选项,先在心里算出 \sigma^2(1+\rho) 与 \sigma^2(1-\rho) ,选项里没有这两个数就直接判错。

关联 · 盘点 §5.2 方差的最值(选择压轴常客) | 上游 — | 下游 点 5 题 3 | 速查 八 线性组合与方差最值


题 3 · 5.2:异方差下配方(★★★)

设 DX=4 、DY=1 、\rho_{XY}=\dfrac12 。在 a^2+b^2=1 下求 D(aX+bY) 的最大值与最小值,并给出取到最大值时的 a:b 。

怎么想:\sigma_X\ne\sigma_Y 时 a^2+b^2=1 这个约束消不掉两项,硬套同方差结论必错。只有两条路:拉格朗日乘子,或认成二次型求特征值。后者快得多。

解:

先写开:

D(aX+bY)=4a^2+b^2+2\cdot\frac12\cdot2\cdot1\cdot ab=4a^2+b^2+2ab .

写成二次型:

D(aX+bY)=\begin{pmatrix}a&b\end{pmatrix}\begin{pmatrix}4&1\\1&1\end{pmatrix}\begin{pmatrix}a\\b\end{pmatrix}.

特征方程(迹 =5 ,行列式 =4-1=3 ):

\lambda^2-5\lambda+3=0\quad\Rightarrow\quad\lambda=\frac{5\pm\sqrt{13}}{2}.

故

\max D(aX+bY)=\frac{5+\sqrt{13}}{2}\approx4.303,\qquad \min D(aX+bY)=\frac{5-\sqrt{13}}{2}\approx0.697 .

取到最大值时特征向量满足 (4-\lambda)a+b=0 ,即 b=(\lambda-4)a=\dfrac{\sqrt{13}-3}{2}a ,故

a:b=2:\left(\sqrt{13}-3\right)\approx1:0.303 .

归一化后 a\approx0.957 、b\approx0.290 。

验算:4(0.957)^2+(0.290)^2+2(0.957)(0.290)=3.664+0.084+0.555=4.303 ✓,且 a^2+b^2=0.916+0.084=1 ✓。

三条合理性检查(考场上用来秒杀错误选项):

  • \lambda_{\max}\ge\max\{DX,DY\}=4 ;
  • \lambda_{\min}\le\min\{DX,DY\}=1 ;
  • \lambda_{\max}+\lambda_{\min}=5=DX+DY ,\lambda_{\max}\lambda_{\min}=3=DX\cdot DY\cdot(1-\rho^2)=4\cdot\frac34 。

带走结论:约束 a^2+b^2=1 下二次型的极值就是协方差矩阵的特征值,因此必然满足"两特征值之和 = 方差之和"。这一条检验能一秒否掉一半的错误选项——选项里若出现 8 或 1 ,都不用算就知道是错的。

关联 · 盘点 §5.2 方差的最值(选择压轴常客) | 上游 点 5 题 2 | 下游 — | 速查 八 线性组合与方差最值


题 4 · 5.3:样本均值与偏差平方和(★★☆)

设 X_1,X_2,X_3,X_4 独立同分布,EX_i=2 、DX_i=4 ,记 \bar X=\dfrac14\sum_{i=1}^{4}X_i 。

(Ⅰ)求 E\bar X 与 D\bar X ; (Ⅱ)用恒等式 \sum_{i=1}^{4}(X_i-\bar X)^2=\sum_{i=1}^{4}X_i^2-4\bar X^2 求 E\sum_{i=1}^{4}(X_i-\bar X)^2 ; (Ⅲ)求使 E\left[(X_1-c)^2\right] 最小的 c 及该最小值。

怎么想:(Ⅰ)用线性组合的期望方差;(Ⅱ)把恒等式两边的期望分别算出来相减,不要试图求 \sum(X_i-\bar X)^2 的分布;(Ⅲ)展开成 DX_1+(EX_1-c)^2 。

解:

(Ⅰ)

E\bar X=\frac14\sum EX_i=\frac{4\cdot2}{4}=2, D\bar X=\frac{1}{4^2}\sum DX_i=\frac{4\cdot4}{16}=1 .

(Ⅱ) 两边分别取期望:

E\sum_{i=1}^{4}X_i^2=4\left(DX_i+(EX_i)^2\right)=4(4+4)=32, E\left(4\bar X^2\right)=4\left(D\bar X+(E\bar X)^2\right)=4(1+4)=20, E\sum_{i=1}^{4}(X_i-\bar X)^2=32-20=12 .

(Ⅲ)

E\left[(X_1-c)^2\right]=E X_1^2-2c\,EX_1+c^2=DX_1+(EX_1-c)^2=4+(2-c)^2\ \ge\ 4,

等号在 c=2=EX_1 处成立。最小值 =4=DX_1 。

验算:(Ⅱ)的结果应等于 (n-1)\sigma^2=3\times4=12 ✓。这正是样本方差 S^2=\dfrac{1}{n-1}\sum(X_i-\bar X)^2 的期望为 \sigma^2 的根据——分母取 n-1 而不是 n ,就是为了把这个 12 除回 4 。

带走结论:E\sum(X_i-\bar X)^2=(n-1)\sigma^2 必须背。第 6 讲判断 S^2 的无偏性、算 \chi^2(n-1) 的自由度、推 t 分布,全靠这一条。它比 n 少一个,是因为"减掉 \bar X "用掉了一个自由度。

关联 · 盘点 §5.3 三条常用恒等式 | 上游 — | 下游 — | 速查 九 三条恒等式