Files
MathNotesVersion2/基于考研的学习/数学一/知识点构建/18-背诵版-概率论-第4讲-数字特征.md
T

141 lines
11 KiB
Markdown
Raw 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, 知识点构建, 背诵版, 概率论, 数字特征]
专题: 概率论 · 第4讲 随机变量的数字特征 · 背诵版
日期: 2026-10-27
状态: 背诵版 v1(考点完整呈现 + 13 题清单,无解答)
来源: 参考仓库 Math/advanced-math 同源概率仓库(knowledge/3-digital-features + exercise/3-digital-features)|在学练习尚无此讲
关联笔记: ["[[README]]", "[[18-背诵版-概率论-第4讲-数字特征]]"]
---
# 概率论 · 第4讲 随机变量的数字特征 · 背诵版
> **说明**:本讲在「在学练习」尚未建讲,按用户口径「单独一讲」。考点取自参考仓库 `probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex`,题目取自该文件例题与 `exercise/3-digital-features/digital-features.tex`(切比雪夫估算题两处重复,已去重并注双出处)。
> **用法**:看 §0 骨架 → 闭卷回忆考点正文 → 用题目清单自测,卡住回查参考仓库对应 tex 节。
## 0. 本讲骨架(先背这张图)
**一句话**:数字特征 = **「期望(加权平均)+ 方差(波动)+ 协方差/相关系数(线性相关程度)+ 切比雪夫(无分布估算)」**——当分布未知或太复杂时,只用特征量说话。
**真题地位**:**高频大题综合点**——离散/连续期望方差计算、$D(X\pm Y)$ 与协方差联动、独立与不相关的辨析、切比雪夫估算;是数理统计(09 号)与多维随机变量(07 号)的计算底座。参考仓库对应 knowledge/3 与 exercise/3。
**依赖链**:一维期望 → 方差($EX^2-(EX)^2$)→ 常用分布特征表 → 二维期望 → 协方差/相关系数 → 独立性与相关性 → 切比雪夫不等式。**主线**:**一切从 $EX$ 出发——$E(XY)$ 是二维题的总开关**。
**考点树**
| 节 | 考点(对应题号) |
|---|---|
| §1 一维期望 | 定义(离散/连续)、函数期望、性质(题1–6) |
| §2 方差 | 定义、$EX^2-(EX)^2$、性质(题7–8) |
| §3 常用分布特征 | 七分布期望方差表 |
| §4 二维数字特征 | 二维期望、协方差、相关系数、性质(题9–11) |
| §5 独立与相关 | 独立 ⟹ 不相关、不相关 ⇏ 独立、二维正态等价、判断流程(题12) |
| §6 切比雪夫 | 不等式、估算应用(题13) |
## 1. §1 一维数学期望
**定义**(绝对收敛才存在):离散 $EX=\sum x_ip_i$;连续 $EX=\int_{-\infty}^{+\infty}xf(x)\,dx$。**函数期望**:$E[g(X)]=\sum g(x_i)p_i$(概率不变,只换 $x$)或 $\int g(x)f(x)\,dx$。
**性质**:①线性 $E\left(\sum a_iX_i\right)=\sum a_iEX_i$($Ec=c$,$E(aX+c)=aEX+c$,$E(X\pm Y)=EX\pm EY$);②**独立时** $E(XY)=EX\cdot EY$,$E[g_1(X)g_2(Y)]=E[g_1(X)]E[g_2(Y)]$(**不独立时不能拆**)。
**两类计算模式**:①**拟合已知分布**(分布律带 $k!$ 型 ⟹ 泊松、带 $C_n^k$ 型 ⟹ 二项),直接用已知期望;②**定义直接算**(拟合不出时逐项求和/积分)。
## 2. §2 方差
**定义**:$DX=E[(X-EX)^2]=EX^2-(EX)^2$(第二式最常用);标准差 $\sqrt{DX}$;标准化 $X^*=\frac{X-EX}{\sqrt{DX}}$($EX^*=0,DX^*=1$)。
**性质(必背)**:$DX\ge0$;$Dc=0$;$D(aX+b)=a^2DX$;**$D(X\pm Y)=DX+DY\pm2Cov(X,Y)$**(不独立必有交叉项);独立时 $D(aX\pm bY)=a^2DX+b^2DY$,$D(\sum a_iX_i)=\sum a_i^2DX_i$。
## 3. §3 常用分布数字特征(一张表背完)
| 分布 | 期望 | 方差 |
|---|---|---|
| 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 $G(p)$ | $\frac1p$ | $\frac{1-p}{p^2}$ |
| 正态 $N(\mu,\sigma^2)$ | $\mu$ | $\sigma^2$ |
| 均匀 $U(a,b)$ | $\frac{a+b}2$ | $\frac{(b-a)^2}{12}$ |
| 指数 $E(\lambda)$ | $\frac1\lambda$ | $\frac1{\lambda^2}$ |
**可记忆规律**:泊松期望=方差;指数期望=方差的平方根;0-1/二项方差 $=np(1-p)$。
## 4. §4 二维数字特征
**二维期望**:$E[g(X,Y)]=\sum_i\sum_j g(x_i,y_j)p_{ij}$ 或 $\int\!\!\int g(x,y)f(x,y)\,dxdy$(**不需要独立**)。
**协方差**:$Cov(X,Y)=E[(X-EX)(Y-EY)]=E(XY)-EX\cdot EY$(第二式最常用);$Cov(X,X)=DX$。
**相关系数**:$\rho_{XY}=\dfrac{Cov(X,Y)}{\sqrt{DX}\sqrt{DY}}$(标准化协方差;**只描述线性相关程度**,$|\rho|\le1$,越近 1 越线性相关;$\rho=0$ 只说明不线性相关,不排除非线性关系)。
**协方差性质**:对称 $Cov(X,Y)=Cov(Y,X)$;$Cov(X,c)=0$;$Cov(aX+b,Y)=aCov(X,Y)$;$Cov(X_1+X_2,Y)=Cov(X_1,Y)+Cov(X_2,Y)$;独立 ⟹ $Cov=0$;$Y=aX+b$ 时 $\rho=\mathrm{sign}(a)$。
## 5. §5 独立性与相关性
**三层关系(必背)**:
- **独立 ⟹ 不相关**($P(XY)=P(X)P(Y)$ ⟹ $E(XY)=EXEY$ ⟹ $\rho=0$);
- **不相关 ⇏ 独立**($X\sim\frac12e^{-|x|}$ 与 $|X|$ 反例:$\rho=0$ 但分布不独立);
- **相关 ⟹ 不独立**($\rho\ne0$ 一定不独立);
- **二维正态**下独立 ⟺ 不相关($\rho=0$ 时 $f=f_Xf_Y$ 拆开)。
**判断流程(先相关后独立)**:①算 $Cov=E(XY)-EXEY$;②$\ne0$ ⟹ 相关不独立;③$=0$ ⟹ 不相关,再用分布($F=f_Xf_Y$ 或 $p_{ij}=p_ip_j$)判独立与否。**等价不相关条件**:$\rho=0\iff Cov=0\iff E(XY)=EXEY\iff D(X\pm Y)=DX+DY$。
## 6. §6 切比雪夫不等式
$P\{|X-EX|\ge\epsilon\}\le\dfrac{DX}{\epsilon^2}$(或 $P\{|X-EX|<\epsilon\}\ge1-\dfrac{DX}{\epsilon^2}$),$\epsilon>0$,$DX$ 存在。
**用途**:①**无分布估算**概率(只知道期望方差);②证明收敛性(数理统计中的一致性);③**常构造 $Z=X-Y$** 再套($EZ=EX-EY$,$DZ=DX+DY-2Cov$)。
### §4·B 题型考点(怎么做、为什么、坑)★必背
**① 分布律拟合已知分布**(题1):分布律带 $\frac{\lambda^k}{k!}$ 形式 ⟹ 化成标准泊松 $\frac{\lambda^k}{k!}e^{-\lambda}$(提系数 $\frac{\sqrt e}{\sqrt e-1}$),直接 $EX=\frac{\sqrt e}{2\sqrt e-2}$。**为什么快**:不逐项求和,用已知期望。
**② 期望定义直算**(题2):$E(\frac1{1+X})$ 拟合不出 ⟹ $\sum\frac1{1+k}\frac{\lambda^k}{k!}e^{-\lambda}$,**凑 $\frac{\lambda^{k+1}}{(k+1)!}$ 错位**($\sum_{k=0}^\infty\frac{\lambda^k}{(k+1)!}=\frac{e^\lambda-1}{\lambda}$),结果 $1-e^{-\lambda}$。**坑**:下标 $k=0$ 起算与 $\frac1{k+1}$ 的错位要小心。
**③ 期望不存在**(题3):$f=\frac1{\pi(1+x^2)}$,$EX=\int\frac{x}{\pi(1+x^2)}dx$ 发散 ⟹ **期望不存在**(柯西分布原型)。判据:$\int|x|f(x)dx=+\infty$。
**④ 分段函数期望**(题4):$E[\min\{|X|,1\}]$ ⟹ 按 $\min$ 的拐点 $x=1$ **拆积分段** $\int_0^1x+\int_1^\infty 1$,$\frac1\pi\ln2+\frac12$。
**⑤ 正态配方法**(题5):$E[(X-2)^2e^{2X}]$——把 $e^{2x}$ **配进密度** $e^{2x}e^{-x^2/2}=e^2e^{-(x-2)^2/2}$,积分为 $e^2\cdot E_{\text{新正态}}(t^2)=e^2(\sigma^2+\mu^2)=e^2$。**为什么**:$e^{2x}$ 是配平方法的核心($e^{ax-\frac{x^2}2}$ 型都这么配)。
**⑥ 抽象密度判断**(题6):$E(X)=a$ 时,$\int xf(x+a)dx\overset{t=x+a}{=}\int(t-a)f(t)dt=a-a=0$ 恒成立;但 $\int_{-\infty}^a xf(x)dx$ **上下限与期望无关**,不一定 $\frac12$。**坑**:期望是加权平均,不能与面积一半混淆。
**⑦ 方差线性组合必须先改写系数**(题7):$D(X_1-\overline X)$——**$\overline X$ 与 $X_1$ 相关**,不能直接拆 $D$;先把 $X_1-\overline X=\frac{n-1}{n}X_1-\frac1n\sum_{i=2}^nX_i$ 化成独立项,$=\frac{n-1}{n}\sigma^2$。
**⑧ 乘积方差用 $E(X^2Y^2)$**(题8):$D(X_1X_2)=E(X_1^2X_2^2)-(EX_1EX_2)^2$,独立时 $=EX_1^2EX_2^2-\mu^4=(\sigma^2+\mu^2)^2-\mu^4$。
**⑨ 相关系数线性性**(题9):$\rho_{YZ}=\frac{a}{|a|}\rho_{XY}$ ⟹ 相等的充要条件 $a>0$。**核心**:$Cov(Y,aX+b)=aCov(X,Y)$ 与 $\sqrt{DZ}=|a|\sqrt{DX}$ 的 $a/|a|$ 符号。
**⑩ 独立与不相关的完整判定**(题12):证不相关用 $\rho=0$($EXY-EXEY=0$);证不独立用**分布**($P\{X\le a,|X|\le a\}\ne P\{X\le a\}P\{|X|\le a\}$)。**坑**:不相关≠独立,必须两步各证。
**⑪ 切比雪夫三件套**(题13):①构 $Z=X-Y$ 使 $EZ=0$;②由 $\rho=\frac{Cov}{\sqrt{DXDY}}$ 求 $Cov$($0.5=\frac{Cov}{2}$ ⟹ $Cov=1$);③$DZ=DX+DY-2Cov=3$,$\le\frac3{36}=\frac1{12}$。
## 7. 题目清单(13 题)
> 编号按本讲内部顺序;A–E 组对应出处节。来源:knowledge/3 例题 2 道(切比雪夫与 exercise 重复去重)+ exercise/3 11 道。
### A. 一维数学期望(题1–6)
- **题 1 · 分布律拟合泊松(★★★)**【e3】:$X$ 的分布律 $P\{X=k\}=\frac{1}{2^kk!(\sqrt e-1)}$($k=1,2,\cdots$),求 $EX$(提系数化泊松 $P(\frac12)$,$=\frac{\sqrt e}{2\sqrt e-2}$)。
- **题 2 · 期望定义直算(★★★)**【e3】:$X\sim P(\lambda)$,求 $E(X)E\left(\frac1{1+X}\right)$(错位求和 $\sum_{i=1}^\infty\frac{\lambda^i}{i!}e^{-\lambda}=1-e^{-\lambda}$)。
- **题 3 · 期望不存在(★★☆)**【e3】:$X$ 的密度 $f(x)=\frac1{\pi(1+x^2)}$,求 $EX$($\int\frac x{\pi(1+x^2)}dx$ 发散,期望不存在)。
- **题 4 · 分段函数期望(★★★)**【e3】:$X$ 密度 $f(x)=\frac1{\pi(1+x^2)}$,求 $E[\min\{|X|,1\}]$(拆段积分,$=\frac1\pi\ln2+\frac12$)。
- **题 5 · 正态配方法(★★★★)**【e3】:$X\sim N(0,1)$,求 $E[(X-2)^2e^{2X}]$($e^{2x}$ 配进密度,$=e^2$)。
- **题 6 · 抽象密度与期望(★★★)**【e3】:$E(X)=a$,判断 $\int_{-\infty}^{+\infty}xf(x+a)dx=0$ 与 $\int_{-\infty}^a xf(x)dx=\frac12$ 是否成立(前者恒成立,后者不一定)。
### B. 方差(题7–8)
- **题 7 · 方差线性组合(★★★★)**【e3】:$X_1,\cdots,X_n$ 独立同方差 $\sigma^2>0$,$\overline X=\frac1n\sum X_i$,求 $D(X_1-\overline X)$(改写系数,$=\frac{n-1}{n}\sigma^2$)。
- **题 8 · 乘积方差(★★★)**【e3】:$X_1,X_2$ 独立且同 $N(\mu,\sigma^2)$,求 $D(X_1X_2)$($=E(X_1^2X_2^2)-(EX_1EX_2)^2=\sigma^4+2\sigma^2\mu^2$)。
### C. 二维数字特征(题9–11)
- **题 9 · 相关系数线性性(★★★)**【e3】:$\rho_{XY}\ne0$,$Z=aX+b$,求 $\rho_{YZ}=\rho_{XY}$ 成立的充要条件($a>0$)。
- **题 10 · 协方差(★★☆)**【e3】:$X_1,\cdots,X_n$ 独立同分布方差 $\sigma^2$,$Y_1=\sum_{i=2}^nX_i$,$Y_2=\sum_{j=1}^{n-1}X_j$,求 $Cov(Y_1,Y_2)$(公共项系数相乘累加;参考仓库例题未给出解答)。
- **题 11 · 相关系数综合(★★★★)**【k3】:$X$ 取 $0,1$($1/3,2/3$),$Y$ 取 $-1,0,1$(各 $1/3$),且 $P\{X^2=Y^2\}=1$,求 $(X,Y)$ 联合分布、$Z=XY$ 分布、$\rho_{XY}$(联合由 $P\{X^2\ne Y^2\}=0$ 定,$Z$ 均匀取三值,$\rho=0$)。
### D. 独立性与相关性(题12)
- **题 12 · 不相关且不独立证明(★★★★)**【k3】:$X$ 密度 $f(x)=\frac12e^{-|x|}$,证明 $X$ 与 $|X|$ 不相关且不独立($EX=0$、$EX|X|=0$ ⟹ $\rho=0$;$P\{X\le a,|X|\le a\}\ne P\{X\le a\}P\{|X|\le a\}$)。
### E. 切比雪夫不等式(题13)
- **题 13 · 切比雪夫估算(★★★)**【k3/e3 同题】:$EX=EY=2$,$DX=1$,$DY=4$,$\rho_{XY}=0.5$,估计 $P\{|X-Y|\ge6\}$($Z=X-Y$,$DZ=3$,$\le\frac{3}{36}=\frac1{12}$)。
---
> **回查入口**:参考仓库 `参考仓库/Math/advanced-math` 同源 `probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex`、`exercise/3-digital-features/digital-features.tex`。