6.0 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | ||||||||
|---|---|---|---|---|---|---|---|---|---|---|---|---|
|
复盘专项 · 第一次模拟遗忘点 · 点5 协方差与方差联动 | 2026-10-30 | 知识点带题(5.1 协方差定义与性质、5.2 方差联动,共 2 题) |
|
点 5 协方差与方差联动
原题锚点:同章易考(点 4 第 8 题的计算底座,第一次模拟第 9 题的"无偏估计比方差"也依赖方差公式)|重要度 ★★☆ 依赖:点 4 的 $E(XY)$——协方差定义直接用它;盘点对应:§5 全节。
组织原则:先列知识点(定义性质 → 方差联动),再按条目顺序出题。难度:★★☆ 2 题。这一点的核心是两个公式的符号:$\operatorname{Cov}=E(XY)-EXEY$;$D(X\pm Y)=DX+DY\pm2Cov$——交叉项符号别搞反。
知识点 5.1 协方差定义与性质(出处:知识章 digital-features.tex §协方差/相关系数)
协方差定义:设 (X,Y) 为二维随机变量,称
\operatorname{Cov}(X,Y)=E\big[(X-EX)(Y-EY)\big]=E(XY)-EX\cdot EY
为 X,Y 的协方差。等号右端由期望线性性展开即得:$E[(X-EX)(Y-EY)]=E(XY)-EX\cdot EY$。它刻画 X,Y 偏离各自均值的同向性:同向偏大/偏小 ⟹ 正值;反向偏离 ⟹ 负值;互不关联 ⟹ 趋于 $0$。
性质(必背):①对称性 $\operatorname{Cov}(X,Y)=\operatorname{Cov}(Y,X)$;②$\operatorname{Cov}(X,c)=0$(c 为常数);③齐次性 $\operatorname{Cov}(aX+b,Y)=a\operatorname{Cov}(X,Y)$;④可加性 $\operatorname{Cov}(X_1+X_2,Y)=\operatorname{Cov}(X_1,Y)+\operatorname{Cov}(X_2,Y)$;⑤$\operatorname{Cov}(X,X)=DX$。
相关系数:协方差除以两标准差,消除量纲与尺度影响:
\rho_{XY}=\dfrac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}},\qquad|\rho|\le1.
它仅刻画线性相关程度:$\rho=0$(不相关)只说明无线性关系,不排除非线性关系(如 Y=X^2 时 \rho 可为 $0$)。
独立与不相关:独立 ⟹ 不相关($E(XY)=EXEY$);不相关 ⇏ 独立;\rho\ne0 ⟹ 不独立。二维正态分布中二者等价。
知识点 5.2 方差联动(出处:知识章 digital-features.tex §方差性质)
方差的和差公式:设 X,Y 方差存在,则
D(X\pm Y)=DX+DY\pm 2\operatorname{Cov}(X,Y).
推导:由 D(Z)=E(Z^2)-[E(Z)]^2 展开 $Z=X\pm Y$,利用期望线性性与 \operatorname{Cov}(X,Y)=E(XY)-EXEY 即得——交叉项符号由展开式确定:D(X+Y) 取 $+2\operatorname{Cov}$,D(X-Y) 取 $-2\operatorname{Cov}$。
要点:只要 X,Y 不独立,交叉项 2\operatorname{Cov}(X,Y) 即存在,不能省略;仅当独立($\operatorname{Cov}=0$)时退化为 $DX+DY$。题目未声明独立时,按一般公式计算。
题目(按知识点顺序对应)
难度说明:本节 2 题。题 1 从联合分布律直算 $\operatorname{Cov}$(不依赖条件分布,是点 4 的基础对照),题 2 练
D(X\pm Y)的交叉项符号与相关系数。做错率最高的是题 2 的D(X-Y)符号。
题 1 · 5.1:联合分布直算协方差(★★☆)
设二维随机变量
(X,Y)的联合分布律为P\{X=0,Y=1\}=\frac13,\qquad P\{X=1,Y=0\}=\frac13,\qquad P\{X=1,Y=1\}=\frac13,其余概率为
0。求\operatorname{Cov}(X,Y)。
怎么想:先算边缘分布(行和/列和),再算 $EX,EY$,最后 E(XY) 只在 X=1,Y=1 那一点有贡献。
解:边缘分布:P\{X=0\}=\dfrac13 ,P\{X=1\}=\dfrac23 ;P\{Y=0\}=\dfrac13 ,P\{Y=1\}=\dfrac23 。
EX=\frac23,\qquad EY=\frac23,\qquad E(XY)=1\cdot1\cdot P\{X=1,Y=1\}=\frac13.
\operatorname{Cov}(X,Y)=\frac13-\frac23\cdot\frac23=\frac13-\frac49=-\frac19.
验算:$P{X=1,Y=1}=\dfrac13$,独立时应为 $\dfrac23\cdot\dfrac23=\dfrac49$——实际更小,说明 X,Y 负相关,Cov<0 ✓。
带走结论:E(XY) 按联合分布直算,只对乘积非零的点(这里 $X=1,Y=1$)有贡献;E(XY)=EXEY 是独立的标志,这里不成立,正说明不独立。
关联 · 盘点 §5.1 协方差定义与性质 | 上游 — | 下游 点 5 题 2 | 速查 四 重期望与协方差
题 2 · 5.2:方差联动与相关系数(★★☆)
设随机变量
X,Y满足DX=4,DY=9,\operatorname{Cov}(X,Y)=-3。 (Ⅰ)求D(X+Y)与D(X-Y); (Ⅱ)求相关系数\rho_{XY},并判断X,Y的相关方向。
怎么想:直接套 D(X\pm Y) 公式,注意 D(X-Y) 的交叉项是 $-2Cov$(Cov<0 时反而变大);相关系数 $\rho=\dfrac{Cov}{\sqrt{DX}\sqrt{DY}}$。
解:
(Ⅰ)
D(X+Y)=DX+DY+2\operatorname{Cov}=4+9+2(-3)=7,
D(X-Y)=DX+DY-2\operatorname{Cov}=4+9-2(-3)=19.
(Ⅱ)
\rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}=\frac{-3}{2\cdot3}=-\frac12.
Cov<0 ⟹ X,Y 负相关(一个增大另一个倾向减小)。
验算:$D(X-Y)=19\ge7=D(X+Y)$——因为 $Cov<0$,相减反而加大波动 ✓。|\rho|=\dfrac12\le1 ✓。
带走结论:D(X-Y) 的交叉项是 $-2Cov$——当 Cov<0 时 $D(X-Y)>DX+DY$,别把符号写反。\rho 的符号就是 Cov 的符号(分母恒正)。