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
T
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

160 lines
8.9 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, 专背清单, 概率论, 数字特征, 协方差]
专题: 概率论 · 第4讲 数字特征 · 专背清单
日期: 2026-11-17
状态: 36 条(式 15 / 表 3 / 判 6 / 模 2 / 反 10)
来源: 知识点构建 18 背诵版;在学练习第4讲五点;真题库 chapter 18
关联笔记: ["[[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。