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

148 lines
7.7 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, 速查卡]
专题: 概率论 第4讲 · 随机变量的数字特征(速查)
日期: 2026-11-07
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 第4讲 · 随机变量的数字特征:速查卡
考前十分钟只看这一页。
## 一 三条定义式
<!-- KP: 1.1, 2.1, 3.1 -->
$$EX=\sum x_ip_i\ \text{或}\ \int xf(x)\,\mathrm dx;\qquad DX=E X^2-(EX)^2;\qquad \operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY .$$
三者分工:$EX$ 说"**在哪**",$DX$ 说"**多散**",$\operatorname{Cov}$ 说"**怎么一起动**"。
$D$ 与 $\operatorname{Cov}$ 都用"**平方的期望减期望的平方**"这一招,区别只是 $\operatorname{Cov}$ 里是两个不同的变量。
## 二 七大分布的期望与方差
<!-- KP: 1.3, 2.3 -->
| 分布 | $EX$ | $DX$ |
|---|---|---|
| $B(n,p)$ | $np$ | $np(1-p)$ |
| $P(\lambda)$ | $\lambda$ | $\lambda$ |
| $G(p)$ | $\dfrac1p$ | $\dfrac{1-p}{p^2}$ |
| $U(a,b)$ | $\dfrac{a+b}{2}$ | $\dfrac{(b-a)^2}{12}$ |
| $E(\lambda)$ | $\dfrac1\lambda$ | $\dfrac1{\lambda^2}$ |
| $N(\mu,\sigma^2)$ | $\mu$ | $\sigma^2$ |
| $\chi^2(n)$ | $n$ | $2n$ |
**两组"同值"**:泊松的 $EX=DX=\lambda$ ,指数的 $EX=DX=\frac1\lambda$ (量纲正好相反,一个按"率",一个按"时间")。正态与卡方则是"参数即矩"。$U(a,b)$ 的方差里那个 $12$ 来自 $\frac{(b-a)^2}{12}$ ,不是 $4$ 。
## 三 不需求分布就能算函数期望
<!-- KP: 1.2 -->
$$E\,g(X)=\int g(x)f(x)\,\mathrm dx\quad(\text{或}\ \sum g(x_i)p_i).$$
三条高频用法:
- $E(1/X)$ :直接积 $\int\frac{f(x)}{x}\mathrm dx$ ,**千万不要写成 $1/EX$ 的样子** ;
- $E\lvert X-a\rvert$ :按 $x<a$ 与 $x>a$ 拆成两段;
- $E\min(X,c)$ :按 $x<c$ 与 $x>c$ 拆两段($c$ 处是截断点)。
**方向感**:$1/x$ 是凸函数,故 $E(1/X)\ge\dfrac{1}{EX}$ ,等号只在 $X$ 为常数时成立(琴生)。
## 四 方差性质与矩
<!-- KP: 2.2, 2.4 -->
$$D(aX+b)=a^2DX,\quad DC=0,\quad D(X\pm Y)=DX+DY\pm2\operatorname{Cov}(X,Y).$$
**独立时**交叉项消失,$D(X\pm Y)=DX+DY$ ——**"差"也是加**,这是最高频的错点。
矩:$A_k=EX^k$ 、$B_k=E(X-EX)^k$ ,且 $A_1=EX$ 、$B_2=DX$ 。$B_3$ 度量偏斜:对称分布(正态、均匀、$t$ )的 $B_3=0$ 。
标准化:$X^*=\dfrac{X-EX}{\sqrt{DX}}$ 使 $EX^*=0$ 、$DX^*=1$ 。
## 五 协方差的双线性
<!-- KP: 3.2 -->
$$\operatorname{Cov}(aX+bY,\ cZ+dW)=ac\operatorname{Cov}(X,Z)+ad\operatorname{Cov}(X,W)+bc\operatorname{Cov}(Y,Z)+bd\operatorname{Cov}(Y,W).$$
**当乘法表用**:把每一项拆成 $\operatorname{Cov}(X,X)=DX$ 、$\operatorname{Cov}(X,Y)$ 这样的原子,再代数值。三条特例:$\operatorname{Cov}(X,X)=DX$ 、$\operatorname{Cov}(X,c)=0$ 、$\operatorname{Cov}(X+Y,Z)=\operatorname{Cov}(X,Z)+\operatorname{Cov}(Y,Z)$ 。
**一个白送的结论**:$\operatorname{Cov}(X+Y,\ X-Y)=DX-DY$ ,与 $\rho$ 无关。
## 六 相关系数三条
<!-- KP: 3.3 -->
1. $\lvert\rho\rvert\le1$ ;
2. $\lvert\rho\rvert=1\iff P\{Y=aX+b\}=1$ ($a>0$ 时 $\rho=1$ ,$a<0$ 时 $\rho=-1$ );
3. $\rho=0$ 只否定**线性**关系,不否定一切关系。
**独立与不相关的分界**:独立 $\Rightarrow$ 不相关;反向只在**二维正态**下成立。反例模板 $X\sim U(-1,1)$ 、$Y=X^2$ ,此时 $\rho=0$ 但 $Y$ 完全由 $X$ 决定。
## 七 重期望与总方差
<!-- KP: 4.1, 4.2, 4.3 -->
$$EY=E\left[E(Y\mid X)\right];\qquad E(XY)=E\left[X\,E(Y\mid X)\right];\qquad DY=E\left[D(Y\mid X)\right]+D\left[E(Y\mid X)\right].$$
**口诀:先固定、再平均**。总方差的两项读作"**组内 $+$ 组间**"。
随机和($S=\sum_{i=1}^{N}Y_i$ ,各 $Y_i$ 同分布且与 $N$ 独立):
$$ES=EN\cdot EY_1,\qquad DS=EN\cdot DY_1+DN\cdot(EY_1)^2 .$$
## 八 线性组合与方差最值
<!-- KP: 5.1, 5.2 -->
$$D(aX+bY)=a^2DX+b^2DY+2ab\rho_{XY}\sigma_X\sigma_Y .$$
约束 $a^2+b^2=1$ 下求极值:写特征方程
$$\lambda^2-\left(DX+DY\right)\lambda+DX\cdot DY\left(1-\rho^2\right)=0,$$
最大值取较大根、最小值取较小根。
**同方差特例**($\sigma_X=\sigma_Y=\sigma$ ):$\max=\sigma^2(1+\lvert\rho\rvert)$ 、$\min=\sigma^2(1-\lvert\rho\rvert)$ ,两数之和恰为 $2\sigma^2$ 。这一条可当算错的自检。
## 九 三条恒等式
<!-- KP: 5.3 -->
$$\sum_{i=1}^{n}\left(X_i-\bar X\right)^2=\sum X_i^2-n\bar X^2;\qquad E\bar X=\mu,\ D\bar X=\frac{\sigma^2}{n};$$
$$E\left[(X-c)^2\right]=DX+(EX-c)^2\quad(c=EX\ \text{时最小}).$$
**必记推论**:$E\sum_{i=1}^{n}\left(X_i-\bar X\right)^2=(n-1)\sigma^2$ 。第 6 讲的 $S^2$ 分母取 $n-1$ 、$\chi^2$ 自由度是 $n-1$ ,全部由它而来。
## 十 最容易丢分的六处
1. **把 $D(X-Y)$ 写成 $DX-DY$ 是错的**:应为 $DX+DY-2\operatorname{Cov}$ ,独立时是 $DX+DY$ 。
2. **把 $E(1/X)$ 写成 $1/EX$ 是错的**:两者差着一个方差项,只有 $X$ 为常数时才相等。
3. **默认 $E(XY)=EX\cdot EY$ 是错的**:这需要独立(或不相关),不是"性质"。
4. **由 $\rho=0$ 断言独立**:只有二维正态可以这样反推。
5. **同方差最值漏掉绝对值**:$\rho<0$ 时的最大值是 $\sigma^2(1-\rho)$ ,不是 $\sigma^2(1+\rho)$ 。
6. **$D\bar X$ 与 $DS^2$ 的分母混用**:$D\bar X=\sigma^2/n$ ,而 $E S^2=\sigma^2$ 要求 $S^2$ 的分母是 $n-1$ 。
---
## 回查
<!-- AUTO:回查 -->
| 想查什么 | 对应题目 |
|---|---|
| 一 三条定义式 | [点 1 题 1](02-点1-数学期望.md#user-content-题-1--11由分布律算期望与函数期望)、[点 2 题 1](03-点2-方差与矩.md#user-content-题-1--21二项分布的方差)、[点 3 题 1](04-点3-协方差与相关系数.md#user-content-题-1--31由联合分布律求协方差与相关系数) |
| 二 七大分布的期望与方差 | [点 1 题 4](02-点1-数学期望.md#user-content-题-4--13用性质速算不积分)、[点 2 题 3](03-点2-方差与矩.md#user-content-题-3--23由期望与方差反求参数) |
| 三 不需求分布就能算函数期望 | [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)、[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) |
| 四 方差性质与矩 | [点 2 题 2](03-点2-方差与矩.md#user-content-题-2--22方差性质与协方差交叉项)、[点 2 题 4](03-点2-方差与矩.md#user-content-题-4--24矩偏度与标准化) |
| 五 协方差的双线性 | [点 3 题 2](04-点3-协方差与相关系数.md#user-content-题-2--32双线性展开) |
| 六 相关系数三条 | [点 3 题 3](04-点3-协方差与相关系数.md#user-content-题-3--33相关系数的三条性质)、[点 3 题 4](04-点3-协方差与相关系数.md#user-content-题-4--33多项分布的负相关) |
| 七 重期望与总方差 | [点 4 题 1](05-点4-条件期望与重期望.md#user-content-题-1--41条件期望是一个函数)、[点 4 题 2](05-点4-条件期望与重期望.md#user-content-题-2--42重期望算混合型)、[点 4 题 3](05-点4-条件期望与重期望.md#user-content-题-3--43随机个数的和) |
| 八 线性组合与方差最值 | [点 5 题 1](06-点5-线性组合与最值.md#user-content-题-1--51两项线性组合的展开)、[点 5 题 2](06-点5-线性组合与最值.md#user-content-题-2--52同方差下的最值)、[点 5 题 3](06-点5-线性组合与最值.md#user-content-题-3--52异方差下配方) |
| 九 三条恒等式 | [点 5 题 4](06-点5-线性组合与最值.md#user-content-题-4--53样本均值与偏差平方和) |
<!-- /AUTO:回查 -->
整册入口:[知识点盘点](01-知识点盘点.md)、[点 1](02-点1-数学期望.md)、[点 2](03-点2-方差与矩.md)、[点 3](04-点3-协方差与相关系数.md)、[点 4](05-点4-条件期望与重期望.md)、[点 5](06-点5-线性组合与最值.md)。