- 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
13 KiB
tags, 专题, 日期, 状态, 关联笔记
| tags | 专题 | 日期 | 状态 | 关联笔记 | |||||||
|---|---|---|---|---|---|---|---|---|---|---|---|
|
概率论 第4讲 · 随机变量的数字特征 | 2026-11-07 | 知识点盘点(五节 + 覆盖对照表),配套 5 个点分册共 19 题 |
|
第4讲 · 随机变量的数字特征:知识点盘点
真题库第 18 章。近十年 7 题 32 分,全部是选填(单选 4 题 19 分 + 填空 3 题 13 分),没有独立的大题。
这一讲的特殊性:它自己不出大题,但第 3 讲的解答题、第 6 讲的参数估计,处处要用它——E 、D 、\operatorname{Cov} 是概率论里唯一的"通用工具"。所以这里的定位是工具册,不是考点册。
一句话定性:数字特征 = 用几个数概括一个分布。EX 说"在哪",DX 说"多散",\operatorname{Cov} 说"怎么一起动"。所有公式都是这三件事的推论。
0 三张表
0.1 按分值排(时间紧就照这个顺序)
| 优先 | 点 | 真题锚点 | 分值 | 文件 |
|---|---|---|---|---|
| 1 | 协方差与相关系数 | 2016·8、2020·14、2021·16 | 约 13 | 04 |
| 2 | 数学期望(含函数期望、绝对偏差) | 2017·14、2023·8 | 约 9 | 02 |
| 3 | 方差与矩 | 2022·8、2025·8 | 约 10 | 03 |
| 4 | 线性组合与最值 | 2025·8 | 嵌在选择里 | 06 |
| 5 | 条件期望与重期望 | 大纲要求、十年未单考 | — | 05 |
0.2 按依赖链排(文件顺序,也就是建议的阅读顺序)
02 数学期望 ← 一切的地基:先把 E 算对
↓
03 方差与矩 ← E 的"二阶版":DX = EX² - (EX)²
↓
04 协方差与相关系数 ← 两个变量的"二阶版"
↓
05 条件期望与重期望 ← 把 E 拆成两层:E[E(Y|X)]
↓
06 线性组合与最值 ← D(aX+bY) 与它的极值
为什么条件期望排在协方差之后:重期望 E(XY)=E\left[X\,E(Y\mid X)\right] 是算协方差的主力工具,没有协方差的需求就不会想到用它。
0.3 符号约定
| 记号 | 含义 |
|---|---|
EX |
\sum x_ip_i 或 \int xf(x)\mathrm dx |
DX=\operatorname{Var}(X) |
E(X-EX)^2=EX^2-(EX)^2 |
\sigma_X=\sqrt{DX} |
标准差 |
\operatorname{Cov}(X,Y) |
E(X-EX)(Y-EY)=E(XY)-EX\cdot EY |
\rho_{XY} |
\dfrac{\operatorname{Cov}(X,Y)}{\sigma_X\sigma_Y}\in[-1,1] |
E(Y\mid X) |
条件期望,本身是 X 的函数(随机变量) |
A_k=EX^k 、B_k=E(X-EX)^k |
k 阶原点矩、k 阶中心矩 |
0.4 知识点与练习文件对照(按知识点粒度)
| 盘点章节(知识点) | 对应题目 |
|---|---|
| §1.1 定义与四条性质 | 点 1 题 1 |
| §1.2 随机变量函数的期望(不需求分布) | 点 1 题 2、点 1 题 3 |
| §1.3 常见分布的期望 | 点 1 题 4 |
| §2.1 定义与计算公式 | 点 2 题 1 |
| §2.2 四条性质 | 点 2 题 2 |
| §2.3 常见分布的方差 | 点 2 题 3 |
| §2.4 矩与标准化 | 点 2 题 4 |
| §3.1 定义 | 点 3 题 1 |
| §3.2 双线性(算协方差的唯一公式) | 点 3 题 2 |
| §3.3 相关系数的意义与极值 | 点 3 题 3、点 3 题 4 |
| §4.1 条件期望 | 点 4 题 1 |
| §4.2 重期望公式 | 点 4 题 2 |
| §4.3 条件方差与总方差公式 | 点 4 题 3 |
| §5.1 线性组合的期望与方差 | 点 5 题 1 |
| §5.2 方差的最值(选择压轴常客) | 点 5 题 2、点 5 题 3 |
| §5.3 三条常用恒等式 | 点 5 题 4 |
1 数学期望
1.1 定义与四条性质
EX=\sum_i x_ip_i\ (\text{离散}),\qquad EX=\int_{-\infty}^{+\infty}xf(x)\,\mathrm dx\ (\text{连续}).
性质(不要求独立):
E(aX+bY+c)=aEX+bEY+c;\qquad X\le Y\Rightarrow EX\le EY;\qquad \lvert EX\rvert\le E\lvert X\rvert .
注意:
E(XY)=EX\cdot EY只在独立(或不相关)时成立,不属于"性质",是"额外结论"。
1.2 随机变量函数的期望(不需求分布)
E\,g(X)=\sum_i g(x_i)p_i\quad\text{或}\quad E\,g(X)=\int_{-\infty}^{+\infty}g(x)f(x)\,\mathrm dx;
E\,g(X,Y)=\iint g(x,y)f(x,y)\,\mathrm d\sigma .
这是全讲最重要的一条技术:求
E(1/X)、E\lvert X-a\rvert、E\min(X,c)时,不要先求新变量的分布再求期望,直接把g塞进原积分。省掉一次"求密度+积分"。
1.3 常见分布的期望
| 分布 | EX |
记忆方式 |
|---|---|---|
B(n,p) |
np |
拆成 n 个 0 -1 之和 |
P(\lambda) |
\lambda |
参数即均值 |
G(p) (几何) |
\dfrac1p |
平均等 \frac1p 次 |
U(a,b) |
\dfrac{a+b}{2} |
中点 |
E(\lambda) |
\dfrac1\lambda |
参数是"速率",期望是"时间" |
N(\mu,\sigma^2) |
\mu |
参数即均值 |
\chi^2(n) |
n |
自由度即均值 |
2 方差与矩
2.1 定义与计算公式
DX=E(X-EX)^2=E X^2-(EX)^2 .
考场一律用右边那个:先算 EX 与 EX^2 ,相减。定义式只在证明里用。
2.2 四条性质
D(aX+b)=a^2DX\quad(\text{常数项不影响});\qquad 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 ——注意"差"也是加,这是最高频的错点。
DC=0;\qquad DX=0\iff X\ \text{几乎处处为常数}.
2.3 常见分布的方差
| 分布 | DX |
|---|---|
B(n,p) |
np(1-p) |
P(\lambda) |
\lambda |
G(p) |
\dfrac{1-p}{p^2} |
U(a,b) |
\dfrac{(b-a)^2}{12} |
E(\lambda) |
\dfrac{1}{\lambda^2} |
N(\mu,\sigma^2) |
\sigma^2 |
\chi^2(n) |
2n |
2.4 矩与标准化
k 阶原点矩 A_k=EX^k ;k 阶中心矩 B_k=E(X-EX)^k 。其中 A_1=EX 与 B_2=DX 最常用 。
标准化:X^*=\dfrac{X-EX}{\sqrt{DX}} ,则 EX^*=0 、DX^*=1 。这一步是中心极限定理与所有"查表"题的前提。
3 协方差与相关系数
3.1 定义
\operatorname{Cov}(X,Y)=E(X-EX)(Y-EY)=E(XY)-EX\cdot EY,\qquad \rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}} .
3.2 双线性(算协方差的唯一公式)
\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).
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) 。
实战写法:把
\operatorname{Cov}当成"带符号的乘法表",逐项展开成\operatorname{Cov}(X,X)、\operatorname{Cov}(X,Y)这样的原子,再代入数值。这一步比用E(XY)-EX\,EY快得多,也不容易错。
3.3 相关系数的意义与极值
三条结论:
\lvert\rho\rvert\le1;\lvert\rho\rvert=1\iff P\{Y=aX+b\}=1(完全线性相关,a>0时\rho=1,a<0时\rho=-1);\rho只度量线性关系:\rho=0只说明"没有线性关系",不说明"没有关系"。
独立与不相关的分界:独立 \Rightarrow 不相关(二阶矩存在时);反向只在二维正态下成立。完整辨析见 第3讲 点4 题3。
4 条件期望与重期望
4.1 条件期望
E(Y\mid X=x)=\sum_j y_j\,p_{j\mid i}\quad\text{或}\quad E(Y\mid X=x)=\int_{-\infty}^{+\infty}y\,f_{Y\mid X}(y\mid x)\,\mathrm dy .
关键认识:E(Y\mid X) 是 X 的函数,因此它本身是一个随机变量;而 E(Y\mid X=x) 是一个数。
4.2 重期望公式
EY=E\left[E(Y\mid X)\right].
用途:当 Y 的分布要分两层才能写清(混合型、分层抽样、随机个数的和)时,先求内层再求外层。
乘法版本(算协方差的主力):
E(XY)=E\left[X\cdot E(Y\mid X)\right].
4.3 条件方差与总方差公式
DY=\underbrace{E\left[D(Y\mid X)\right]}_{\text{组内}}+\underbrace{D\left[E(Y\mid X)\right]}_{\text{组间}} .
读法:总方差 = 组内方差的平均 + 组间(各组均值之间)的方差。混合型题里算 DY 只需这一条,不必写出 f_Y 。
5 线性组合与最值
5.1 线性组合的期望与方差
E\left(\sum a_iX_i\right)=\sum a_iEX_i;\qquad D\left(\sum a_iX_i\right)=\sum a_i^2DX_i+2\sum_{i<j}a_ia_j\operatorname{Cov}(X_i,X_j).
两项情形:D(aX+bY)=a^2DX+b^2DY+2ab\rho\sigma_X\sigma_Y 。
5.2 方差的最值(选择压轴常客)
在约束 a^2+b^2=1 下最大化 D(aX+bY) :
D(aX+bY)=\sigma_X^2a^2+\sigma_Y^2b^2+2\rho\sigma_X\sigma_Yab .
\sigma_X=\sigma_Y=\sigma时:=\sigma^2\left(1+2\rho ab\right),在a=b=\frac{1}{\sqrt2}处取最大\sigma^2(1+\rho),在a=-b处取最小\sigma^2(1-\rho);\sigma_X\ne\sigma_Y时:配方为二次型,最大值=\dfrac{\sigma_X^2+\sigma_Y^2+\sqrt{(\sigma_X^2-\sigma_Y^2)^2+4\rho^2\sigma_X^2\sigma_Y^2}}{2}(考场上用配方或拉格朗日,别背这个式子)。
5.3 三条常用恒等式
\sum_{i=1}^{n}(X_i-\bar X)^2=\sum 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{ 处最小}).
最后一条是"均方误差分解":
c取均值时期望平方偏差最小,最小值就是方差。这条在参数估计的 MSE 比较里还会再用一次。
6 覆盖对照(大纲 vs 真题 vs 参考仓库)
| 知识点 | 大纲要求 | 十年真题 | 参考仓库 | 处置 |
|---|---|---|---|---|
| 数学期望的定义与性质 | 掌握 | 2017·14 | 有 | 点 1,2 题 |
| 随机变量函数的期望 | 掌握 | 2023·8 | 有 | 点 1,3 题 |
| 常见分布的期望 | 掌握 | 每题必用 | 有 | 点 1,2 题 |
| 方差的定义与性质 | 掌握 | 2022·8、2025·8 | 有 | 点 2,4 题 |
| 常见分布的方差 | 掌握 | 2022·8 | 有 | 点 2,2 题 |
| 矩与标准化 | 了解 | 嵌在别处 | 有 | 点 2,1 题 |
| 协方差与双线性 | 掌握 | 2020·14、2024·9 | 有 | 点 3,3 题 |
| 相关系数与极值 | 掌握 | 2016·8、2021·16 | 有 | 点 3,3 题 |
| 条件期望与重期望 | 掌握 | 大纲要求、十年未单考 | 有 | 点 4,3 题 |
| 总方差公式 | 掌握 | 2020·22(第3讲) | 有 | 点 4,1 题 |
| 线性组合的方差 | 掌握 | 2025·8 | 有 | 点 5,1 题 |
| 方差的最值 | 掌握 | 2025·8 | 无(自编) | 点 5,2 题 |
| 样本均值与偏差平方和 | 掌握 | 嵌在别处 | 有 | 点 5,1 题 |
判断:13 个知识点里,大纲"掌握"的 12 个全部配题;余下"矩与标准化"属"了解"层次,也配了 1 题。"方差最值"参考仓库未单列,属自编题,用于补齐 2025·8 的新形态。
7 与相邻讲的接口
| 本讲内容 | 来源 / 去向 | 用法 |
|---|---|---|
| 密度、分布律、边缘、条件 | 第 2、3 讲 | 本讲所有 E 都是在它们的积分上加一个权 |
| 独立与不相关的完整辨析 | 第3讲点4 | 本讲只做"\rho 的极值",不重复讲独立性 |
二维正态的 \rho 与条件分布 |
第3讲点3 §3.5 | 点 5 的方差最值直接用它 |
D\bar X=\sigma^2/n |
第 6 讲(数理统计) | 样本均值的方差,参数估计的基础 |
\operatorname{Cov} 的样本版 S^2 |
第 6 讲(数理统计) | 无偏性证明全靠它 |
| 切比雪夫不等式 | 第 5 讲上(大数定律) | 它就是用 DX 去控制"偏离" |
跨讲一句话:本讲把"分布"压成"数";第 5 讲用这些数去谈极限;第 6 讲用这些数去评价估计量。