8.7 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4 条件分布与协方差 | 2026-10-30 | 知识点带题(4.1 重期望、4.2 E(XY) 展开、4.3 条件二阶矩与方差,共 3 题) |
|
点 4 条件分布与协方差
原题锚点:第一次模拟第 8 题(选择,完全忘了)|重要度 ★★★ 依赖:一维期望与方差(背诵版 18 数字特征 §1–2);盘点对应:§4 全节。
组织原则:先列知识点(重期望 → E(XY) 展开 → 条件二阶矩),再按条目顺序出题。难度:★☆☆ 1 题、★★☆ 1 题、★★★ 1 题。第 8 题忘就忘在一条公式上:$E(XY)=E[X\cdot E(Y\mid X)]$——把 X 提到条件期望外面,其余全是机械计算。
知识点 4.1 重期望公式(出处:知识章 digital-features.tex §二维期望)
重期望(全期望)公式:解决"已知条件分布 $Y\mid X$,求无条件期望"的问题。设 E(Y\mid X=x) 为给定 X=x 时 Y 的条件期望,它是 x 的函数;将其中的 x 换回 $X$,得随机变量 $E(Y\mid X)$。无条件期望等于条件期望关于 X 的分布的期望:
E(Y)=E\big[E(Y\mid X)\big],\qquad E\big[g(X,Y)\big]=E\Big[E\big(g(X,Y)\mid X\big)\Big].
结构:先对各层 X=x 求条件期望(结果是 X 的函数),再按 X 的分布加权平均——即"先分层求平均,再对层平均取期望"。注意 E(Y\mid X) 是 X 的函数而非常数,最后一步是对 X 取期望。
常用条件期望(须熟记):Y\mid X=x\sim U(0,x) ⟹ $E(Y\mid X=x)=\dfrac{x}{2}$;U(0,x^2) ⟹ $\dfrac{x^2}{2}$;Y\mid X=x\sim E(\lambda) ⟹ $\dfrac{1}{\lambda}$(均匀分布取区间中点、指数分布取参数倒数)。
知识点 4.2 E(XY) 的展开(出处:知识章 digital-features.tex §协方差)
E(XY) 的计算(条件分布情形):给定 X=x 时 X 视为常数,由条件期望的线性性
E(XY\mid X=x)=x\,E(Y\mid X=x).
两边对 X 取期望(重期望公式),得
E(XY)=E\big[X\cdot E(Y\mid X)\big].
使用前提:上式恒成立,不要求 X,Y 独立;而 E(XY)=EX\cdot EY 仅当 X,Y 独立时成立。条件分布题中 Y 由 X 决定(如 $Y\mid X\sim U(0,X)$),二者不独立,必须使用上式,不可拆为 $EX\cdot EY$——第 8 题错选 B 即此误。得到 E(XY) 后,协方差即 $\operatorname{Cov}(X,Y)=E(XY)-EX\cdot EY$。
知识点 4.3 条件二阶矩与方差(出处:知识章 digital-features.tex §方差/相关系数)
条件二阶矩与方差:二阶矩同样由重期望公式求得
E(Y^2)=E\big[E(Y^2\mid X)\big].
再由方差定义 $DY=E(Y^2)-(EY)^2$、DX=E(X^2)-(EX)^2 即可计算方差。常用条件二阶矩:Y\mid X=x\sim U(0,x) 时 $E(Y^2\mid X=x)=\dfrac{x^2}{3}$;U(0,x^2) 时 $E(Y^2\mid X=x)=\dfrac{x^4}{3}$(由均匀分布二阶矩 $\dfrac{b^2+ab+a^2}{3}$,取 a=0 即得)。
相关系数为协方差按标准差归一化后的量,消除量纲影响、便于比较相关强弱:
\rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}},\qquad|\rho_{XY}|\le1.
题目(按知识点顺序对应)
难度说明:本节 3 题,把"条件分布 → 重期望"练熟。题 1 只做第一步(用条件期望求 $E(Y)$),题 2 是第 8 题变体(
U(0,x^2)型,计算量中等),题 3 是第 8 题完整版(U(0,x)型,求 $\rho$)。做错率最高的是题 2——E(X^3)的均匀分布积分算错。
题 1 · 4.1:重期望求无条件矩(★☆☆)
设随机变量
X\sim U(0,1),在X=x的条件下Y\sim U(0,x)。求E(Y)。
怎么想:条件分布给的是条件期望 $E(Y\mid X=x)=\dfrac{x}{2}$;无条件期望用重期望 $E(Y)=E[E(Y\mid X)]$——只对 X 再取一次期望。
解:
E(Y\mid X)=\frac{X}{2},\qquad E(Y)=E\Big(\frac{X}{2}\Big)=\frac12E(X)=\frac12\cdot\frac12=\frac14.
验算:Y 几乎处处落在 $(0,X)\subset(0,1)$,E(Y) 应在 (0,0.5) 内,\dfrac14 ✓。
带走结论:条件分布题第一步永远是写出 E(Y\mid X) 再对 X 取期望。U(0,x) 的条件期望是 $\dfrac{x}{2}$,直接背。
关联 · 盘点 §4.1 重期望公式 | 上游 — | 下游 点 4 题 2 | 速查 四 重期望与协方差
题 2 · 4.2:X 提到条件期望外(★★☆)
设随机变量
X\sim U(0,2),在X=x的条件下Y\sim U(0,x^2)。求\operatorname{Cov}(X,Y)。
怎么想:三步:①$E(Y\mid X=x)=\dfrac{x^2}{2}$;②$E(XY)=E[X\cdot E(Y\mid X)]=\dfrac12E(X^3)$(X 提到外面);③$EX$、EY 用 U(0,2) 的已知矩,最后 $Cov=E(XY)-EX\cdot EY$。
解:
E(Y\mid X)=\dfrac{X^2}{2} ,故
E(XY)=E\Big(X\cdot\frac{X^2}{2}\Big)=\frac12E(X^3).
X\sim U(0,2) :密度 \dfrac12 ,E(X^3)=\displaystyle\int_0^2 x^3\cdot\frac12\,\mathrm dx=\frac12\cdot\frac{2^4}{4}=2 ,故 E(XY)=1 。
EX=1,\qquad EY=E\Big(\frac{X^2}{2}\Big)=\frac12E(X^2)=\frac12\cdot\frac{2^2}{3}=\frac23.
\operatorname{Cov}(X,Y)=1-1\cdot\frac23=\frac13.
验算:Y 随 X 增大而变宽(E(Y\mid X) 随 X 增大),正相关,$\operatorname{Cov}>0$,\dfrac13>0 ✓。
带走结论:E(XY) 的求法只有一种——X 提到条件期望外面。E(X^3) 对均匀分布用 \dfrac{b^{k+1}-a^{k+1}}{(k+1)(b-a)} 直算:U(0,2) 的 $E(X^3)=\dfrac{16}{8}=2$。
关联 · 盘点 §4.2
E(XY)的展开 | 上游 点 4 题 1 | 下游 点 4 题 3 | 速查 四 重期望与协方差
题 3 · 4.3:协方差相关系数综合(★★★)
设随机变量
X\sim U(0,1),在X=x的条件下Y\sim U(0,x)。 (Ⅰ)求E(XY)与\operatorname{Cov}(X,Y); (Ⅱ)求相关系数\rho_{XY}; (Ⅲ)判断X与Y是否独立、是否相关,并说明理由。
怎么想:第 8 题完整版。\operatorname{Cov} 照题 2 套路($E(XY)=\dfrac12E(X^2)$);算 \rho 需要 $DX,DY$——DY 用条件二阶矩 E(Y^2\mid X=x)=\dfrac{x^2}{3} 走重期望;独立性用相关系数非零否决。
解:
(Ⅰ)X\sim U(0,1) :EX=\dfrac12 ,E(X^2)=\dfrac13 。E(Y\mid X)=\dfrac X2 :
E(XY)=E\Big(X\cdot\frac X2\Big)=\frac12E(X^2)=\frac16,\qquad EY=E\Big(\frac X2\Big)=\frac14.
\operatorname{Cov}(X,Y)=\frac16-\frac12\cdot\frac14=\frac16-\frac18=\frac1{24}.
(Ⅱ)E(Y^2)=E\big[E(Y^2\mid X)\big] ,E(Y^2\mid X=x)=\dfrac{x^2}{3} ,故
E(Y^2)=\frac13E(X^2)=\frac19,\qquad DY=\frac19-\frac1{16}=\frac7{144},\qquad DX=\frac1{12}.
\rho_{XY}=\frac{\operatorname{Cov}(X,Y)}{\sqrt{DX}\sqrt{DY}}=\frac{1/24}{\sqrt{(1/12)(7/144)}}=\frac{\sqrt3}{\sqrt7}=\sqrt{\frac37}.
(Ⅲ)相关但不独立。\rho_{XY}=\sqrt{\dfrac37}\ne0 ⟹ 线性相关,相关 ⟹ 不独立。也可直接看联合密度 $f(x,y)=\dfrac1x$($0<y<x<1$)不能拆成 $f_X(x)f_Y(y)$。
验算:$\sqrt{\dfrac37}\approx0.655$——Y 随 X 正相关但关系"软"(Y 只落在 (0,X) 内),相关系数中等偏小,合理 ✓。原卷第 8 题选 A($\dfrac1{24}$)。
带走结论:①二阶矩同样走重期望($E(Y^2)=E[E(Y^2\mid X)]$),DY=E(Y^2)-(EY)^2 不能少;②"Y 由 X 决定"不是"不相关"——这里正相关,只是不线性;③判断独立优先用相关系数非零(一次否决),相关系数为 0 时才回头验分布。
关联 · 盘点 §4.3 条件二阶矩与方差 | 上游 点 4 题 2 | 下游 — | 速查 四 重期望与协方差