Files
MathNotesVersion2/基于考研的学习/数学一/知识点构建/25-专背清单-概率论-第4讲-数字特征.md
Yimu 8c4b35a709 概率论专背清单:六讲 231 条口袋卡(21—27)
背诵版 16—20 是讲义态(一讲 1.2—2.3 万字符),复习一次 40 分钟且看完记不住。
用户反馈「不是不理解,是背的东西太多,靠逻辑推演速度太慢」,故另做记忆态清单。

- 21 总纲:收录标准(只收推不出或推起来超十秒的)、五型标签(式/表/判/模/反)、
  三轮刷法、六张跨讲对照(除数账本、独立四种说法、标准化三次、自由度账本、
  三对易混、两类错误)
- 22—27 六讲:32/44/41/36/25/53 条,合计 231 条,全刷 32 分钟
- 每册末「十秒自检」四条到六条,作为过关判据
- 考前三天只看「反」型(不成立断言与反例)与「表」型
- README 加 §四·五 说明分工:清单卡住 → 背诵版查全 → 在学练习看推导
- 总览目录树补入知识点构建(此前遗漏)
- 顺带修两处公式内伪链接(f'[...](b-a)、[x+(n-1)a](x-a)),check_md_links 归零
2026-11-17 20:09:09 +08:00

8.9 KiB
Raw Permalink Blame History

tags, 专题, 日期, 状态, 来源, 关联笔记
tags 专题 日期 状态 来源 关联笔记
数学一
知识点构建
专背清单
概率论
数字特征
协方差
概率论 · 第4讲 数字特征 · 专背清单 2026-11-17 36 条(式 15 / 表 3 / 判 6 / 模 2 / 反 10) 知识点构建 18 背诵版;在学练习第4讲五点;真题库 chapter 18
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_{i<j}a_ia_j\operatorname{Cov}(X_i,X_j) 。  └ 记法:平方项自重,交叉项乘 2。

L4-11 反 D(X-Y)=DX+DY-2\operatorname{Cov} ,不是 DX-DY 。方差永远不为负,所以不能相减。

L4-12 式 标准化:X^*=\dfrac{X-EX}{\sqrt{DX}} ,则 EX^*=0 、DX^*=1 。  └ 这是"标准化"在数字特征层面的意义,与第 5 讲的 CLT 标准化同源。

L4-13 判 已知 EX 与 DX 求 E(X^2) :反用 E(X^2)=DX+(EX)^2 。这是唯一方向,别写成 DX-(EX)^2 。

L4-14 坑 \overline X 的方差是 \frac{\sigma^2}{n} 而不是 \sigma^2 。  └ 因为 D\!\left(\frac1n\sum X_i\right)=\frac{1}{n^2}\cdot n\sigma^2 。漏 n^2 是全书第一号计算错。

三、九个分布的表(1 条,但要默到能反着用)

L4-15 表 期望与方差总表:

分布 记号 EX DX
0-1 B(1,p) p p(1-p)
二项 B(n,p) np np(1-p)
泊松 P(\lambda) \lambda \lambda
几何 G(p) \dfrac1p \dfrac{1-p}{p^2}
超几何 H(N,M,n) n\dfrac MN n\dfrac MN\left(1-\dfrac MN\right)\dfrac{N-n}{N-1}
均匀 U(a,b) \dfrac{a+b}{2} \dfrac{(b-a)^2}{12}
指数 E(\lambda) \dfrac1\lambda \dfrac1{\lambda^2}
正态 N(\mu,\sigma^2) \mu \sigma^2
卡方 \chi^2(n) n 2n

 └ 四个记忆钩子:泊松期望等于方差;指数期望等于标准差(都是 \frac1\lambda );二项是 0-1 的 n 倍;**超几何比二项多一个有限总体修正因子 \frac{N-n}{N-1} **。

四、协方差与相关系数(8 条)

L4-16 式 协方差:\operatorname{Cov}(X,Y)=E(XY)-EX\,EY=E[(X-EX)(Y-EY)] 。  └ 手算走第一条,证明走第二条。

L4-17 式 特例:\operatorname{Cov}(X,X)=DX 。方差是协方差的特例。

L4-18 式 协方差四性质:对称;\operatorname{Cov}(X,c)=0 ;\operatorname{Cov}(aX+b,Y)=a\operatorname{Cov}(X,Y) ;对每个变量可加。  └ 合起来:双线性。\operatorname{Cov}(aX+b,\ cY+d)=ac\operatorname{Cov}(X,Y) 。

L4-19 式 相关系数:\rho_{XY}=\dfrac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}\in[-1,1] 。  └ \rho 是无量纲的,\operatorname{Cov} 有量纲。所以比较相关程度只能看 \rho 。

L4-20 式 线性变换下的 \rho :\rho_{aX+b,\,cY+d}=\operatorname{sign}(ac)\,\rho_{XY} 。  └ 只看 a 与 c 的符号,与 b,d 无关。2022·8 就考这条。

L4-21 式 \lvert\rho\rvert=1\iff 存在 a\ne0,b 使 P\{Y=aX+b\}=1 。  └ 即完全线性相关。注意 a\ne0 是必需的(a=0 时 Y 是常数,DY=0 ,\rho 无定义)。

L4-22 式 不相关四等价:\rho=0\iff\operatorname{Cov}=0\iff E(XY)=EX\,EY\iff D(X\pm Y)=DX+DY 。  └ 四个说法可以互换,做题时选最好算的那个。

L4-23 表 三层关系(背这张表,别背结论):

命题 成立 理由
独立 \Rightarrow 不相关 ✓ E(XY)=EX\,EY
相关 \Rightarrow 不独立 ✓ 逆否命题
不相关 \Rightarrow 独立 ✗ 反例见下
二维正态下不相关 \iff 独立 ✓ 密度可分离

五、条件期望(6 条)

L4-24 反 不相关的经典反例:X\sim U(-1,1) 、Y=X^2 。  └ 不相关:E(XY)=E(X^3)=0=EX\,EY 。不独立:P\{X\le a,Y\le a^2\}=P\{-a\le X\le a\}=a\ne\frac{a+1}{2}\cdot a^2 型。

L4-25 式 重期望公式:E\big[E(Y\mid X)\big]=EY 。  └ 分层求期望:先按 X 分层算,再对 X 加权平均。2025·22 的理赔模型就靠它。

L4-26 式 全方差公式:D(Y)=E\big[D(Y\mid X)\big]+D\big[E(Y\mid X)\big] 。  └ 一句话:总波动 = 组内波动 + 组间波动。

L4-27 式 两条提项性质:独立时 E(Y\mid X)=EY ;E[g(X)Y\mid X]=g(X)E(Y\mid X) 。  └ 第二条:X 的函数在给定 X 后可当常数提出。这是算条件期望最常用的一步。

L4-28 式 条件期望的线性性:E(aY+b\mid X)=aE(Y\mid X)+b ;E(Y_1+Y_2\mid X)=E(Y_1\mid X)+E(Y_2\mid X) 。  └ 与普通期望同形,不需要独立。

L4-29 判 求 D(aX+bY) 的最值:a^2+b^2=1 且 DX=DY=1 时

D(aX+bY)=1+2ab\rho,\qquad \max=1+\lvert\rho\rvert,\ \min=1-\lvert\rho\rvert.

 └ 代换 a=\cos\theta,b=\sin\theta ,得 1+\rho\sin2\theta 。同向叠加取最大(\rho>0 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。