Files
MathNotesVersion2/基于考研的学习/数学一/模拟卷/复盘专项-第一次模拟遗忘点/05-点4-条件分布与协方差.md
T

132 lines
8.7 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, 模拟卷, 复盘专项, 概率论, 条件分布, 协方差]
专题: 复盘专项 · 第一次模拟遗忘点 · 点4 条件分布与协方差
日期: 2026-10-30
状态: 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)
关联笔记: ["[[README]]", "[[01-知识点盘点]]"]
---
# 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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex))
**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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex))
**$E(XY)$ 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](../../../../参考仓库/Math/probability-theory-and-mathematical-statistics/knowledge/3-digital-features/digital-features.tex))
**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](01-知识点盘点.md#user-content-41-重期望公式) | 上游 — | 下游 [点 4 题 2](05-点4-条件分布与协方差.md#user-content-题-2--42x提到条件期望外) | 速查 [四 重期望与协方差](10-速查卡.md#user-content-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](01-知识点盘点.md#user-content-42-exy-的展开) | 上游 [点 4 题 1](05-点4-条件分布与协方差.md#user-content-题-1--41重期望求无条件矩) | 下游 [点 4 题 3](05-点4-条件分布与协方差.md#user-content-题-3--43协方差相关系数综合) | 速查 [四 重期望与协方差](10-速查卡.md#user-content-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](01-知识点盘点.md#user-content-43-条件二阶矩与方差) | 上游 [点 4 题 2](05-点4-条件分布与协方差.md#user-content-题-2--42x提到条件期望外) | 下游 — | 速查 [四 重期望与协方差](10-速查卡.md#user-content-四-重期望与协方差)
---