說實話概率論與數(shù)理統(tǒng)計里隨機變量的數(shù)學特征這一章是最容易讓人產生我會了錯覺的地方。公式屈指可數(shù)——期望、方差、協(xié)方差、相關系數(shù)——怎么看都比前面的聯(lián)合分布、后面的參數(shù)估計輕量。可真上了考場丟分大戶往往就在這兒不是不會算而是算得零零碎碎、步驟不合規(guī)范、公式張冠李戴還有人一看到獨立和不相關就頭腦發(fā)懵。下面就直接拆成8大核心題型來聊離散型期望方差、連續(xù)型期望方差、隨機變量函數(shù)的期望、常見分布的數(shù)學特征、協(xié)方差、相關系數(shù)、矩與中心矩、切比雪夫不等式。每種題型我都會講清楚三件事題目長什么樣、用什么方法做、步驟怎么寫不會被扣分。這篇內容適合正在備考考研數(shù)學數(shù)一、數(shù)三的同學、期末復習概率論的本科生以及想系統(tǒng)補一遍數(shù)字特征知識點的自學者。全程走題型識別→方法步驟→易錯點→完整例題的路線你看完一道題就能會一類題。1. 數(shù)字特征在考綱里的真實權重為什么看著簡單卻總丟分1.1 這一章到底考什么先把知識骨架擺出來。隨機變量的數(shù)字特征說白了就是用幾個數(shù)來概括一個隨機變量。最基礎的是期望E(X)它是一階原點矩描述隨機變量的取值中心然后是方差D(X)它是二階中心矩描述取值圍繞期望的波動幅度再往上兩個隨機變量之間的關系用協(xié)方差Cov(X,Y)和相關系數(shù)ρ刻畫。整章的邏輯鏈條非常清晰期望→方差→協(xié)方差→相關系數(shù)一個比一個復雜但全都建立在加權平均這個樸素觀念上。所以這一章的學習不能靠背題要靠一條線期望是所有數(shù)字特征的起點方差的本質是E(X2)與[E(X)]2的差協(xié)方差的本質是E(XY)與E(X)E(Y)的差。你只要把這三個期望算明白后面全部是套公式的機械操作。更重要的是數(shù)字特征不只獨立成題它還是整門課的計算底盤。后面學大數(shù)定律和中心極限定理需要期望和方差矩估計法直接要求一階矩和二階矩參數(shù)估計、假設檢驗里反復出現(xiàn)的正態(tài)分布其期望方差是最基本的信息。這一章練不熟后面每個章節(jié)都會跟著吃力。考研數(shù)學和期末考出題人心里清楚得很數(shù)字特征是大題的零件小題單獨考大題串著用。1.2 8大題型的識別與分工我把這些年真題和期末題里出現(xiàn)過的問法做了個歸類8大題型的分工如下題型典型問法核心方法易錯程度題型一離散型隨機變量的E(X)、D(X)分布律列表逐項求和中等題型二連續(xù)型隨機變量的E(X)、D(X)對密度函數(shù)分段積分中高題型三隨機變量函數(shù)E[g(X)]、E[g(X,Y)]不重新求分布直接加權平均中等題型四常見分布的期望方差參數(shù)識別速查表較低題型五協(xié)方差Cov(X,Y)定義式或E(XY)-E(X)E(Y)中高題型六相關系數(shù)、獨立與不相關判斷ρ計算獨立性定義高題型七矩與中心矩定義積分/方差公式反推中等題型八切比雪夫不等式已知期望方差估計概率范圍中等從考頻看題型四的小題幾乎白送題型一、二、三、五是大題主力題型六是區(qū)分度最高的概念題題型七、八屬于穩(wěn)拿分的進階題。按這個優(yōu)先級分配復習時間比平均用力高效得多。2. 題型一、二離散型與連續(xù)型期望方差的標準計算流程2.1 離散型分布律是唯一的地基離散型的期望方差規(guī)矩就一條先把分布律寫對再動手。我見過太多同學拿到題直接開始算期望結果分布律的概率和都沒檢查算出來的期望自然不對還找不到原因。來看一個標準例題。設X的分布律為P{X-1}0.2P{X0}0.3P{X1}0.1P{X2}0.4。求E(X)和D(X)。標準解法分四步。第一步驗證概率和為1。0.20.30.10.41正常。 第二步求期望E(X)(-1)×0.20×0.31×0.12×0.40.7。 第三步先求E(X2)E(X2)(-1)2×0.202×0.312×0.122×0.41.9。 第四步用方差簡便公式D(X)E(X2)-[E(X)]21.9-0.721.41。這里有兩個關鍵點也是兩個經典丟分點。第一E(X2)必須用xi2去乘pi而不是用xi乘pi之后再整體平方這兩者完全是兩回事。第二X0那一項在E(X)里乘以0可以忽略但我建議你在卷面上保留它。這能向閱卷老師傳遞一個信號你的分布律項目是全的。數(shù)學閱卷很多地方看的就是你有沒有意識到這一項存在。2.2 連續(xù)型分段密度函數(shù)的積分邊界連續(xù)型比離散型多一道坎積分。公式是E(X)∫xf(x)dxE(X2)∫x2f(x)dx。積分區(qū)間理論上是整個實數(shù)軸但因為密度函數(shù)通常只在某段非零實際積分區(qū)間會自然縮到密度不為零的部分。先來一個最簡單的例子。設X的密度為f(x)3x20x1其他為0。E(X)∫?1 x·3x2 dx3/4。 E(X2)∫?1 x2·3x2 dx3/5。 D(X)3/5-(3/4)23/80。是不是很簡單但一旦密度函數(shù)分段情況就變了。再看一個三角形分布f(x)x0≤x1f(x)2-x1≤x≤2其他為0。先檢查歸一化∫?1 x dx1/2∫?2(2-x)dx1/2合計1。求期望E(X)∫?1 x·x dx∫?2 x·(2-x)dx1/32/31。E(X2)∫?1 x2·x dx∫?2 x2·(2-x)dx1/4[2x3/3-x?/4]?21/411/127/6。D(X)7/6-11/6。分段函數(shù)最坑的不是積分難而是寫區(qū)間。很多人把分界點x1寫重或寫漏。注意密度函數(shù)在個別點上的取值并不影響連續(xù)型概率和期望所以寫成0≤x1、1≤x≤2完全沒問題關鍵是每一段里被積函數(shù)要對號入座。計算時把積分拆成各段再相加不要混在一起否則很容易出現(xiàn)符號和邊界錯誤。2.3 兩個必須倒背如流的線性性質不管離散還是連續(xù)下面兩條永遠成立E(aXb)aE(X)b。 D(aXb)a2D(X)。注意第二條里的系數(shù)要平方。常數(shù)b對方差沒有任何貢獻因為它只平移分布不改變波動程度。常見錯誤是寫D(3-2X)2D(X)正確寫法是D(3-2X)4D(X)。方差永遠不可能是負數(shù)所以凡是算出負方差第一步就錯了趕緊回頭重算。3. 題型三隨機變量函數(shù)的期望不重新求分布也能算3.1 一個可以合法偷懶的公式如果Yg(X)求E(Y)有兩條路線。路線一是先求出Y的分布律或密度函數(shù)再用定義算路線二直接用下面這個公式E[g(X)]Σg(xi)pi離散型E[g(X)]∫g(x)f(x)dx連續(xù)型。也就是說你完全不需要知道Y的分布直接在X的概率結構上對g(X)做加權平均就行。這就是常說的無意識統(tǒng)計學家法則。為什么合法因為期望的本質就是按概率加權平均。g(X)取某個值對應的事件就是X落入相應取值集合其概率完全由X的分布決定。所以在X的樣本空間上直接加權和先求Y的分布再加權結果必然一致。舉個例子。設X服從(0,1)上的均勻分布求E(e^X)。直接算E(e^X)∫?1 e^x dxe-1≈1.718。如果非要先求Ye^X的密度Y∈(1,e)F_Y(y)P(X≤ln y)ln yf_Y(y)1/y再算E(Y)∫?^e y×(1/y)dye-1。結果一樣但路程遠了一大截?？荚嚂r間有限能走捷徑必須走。3.2 二維函數(shù)的期望E(XY)是協(xié)方差的前哨站二維情形的公式是E[g(X,Y)]?g(x,y)f(x,y)dxdy連續(xù)型或二重求和離散型?？荚嚴镒畛？嫉木褪莋(X,Y)XY因為它是協(xié)方差的原材料。算E(XY)時離散型就老老實實列聯(lián)合分布律的每一項E(XY)ΣΣx_i y_j p_ij。連續(xù)型就做二重積分先對哪個變量積都行關鍵是積分區(qū)域和被積函數(shù)別漏特別是被積函數(shù)里的xy因子別丟掉。我見過不少同學把聯(lián)合密度積分出來等于1然后宣布這就是E(XY)——那分明是在算歸一化不是算期望。3.3 三個無條件成立的加減法這一小節(jié)是白送分的部分但也是很多人搞不清的部分。第一E(XY)E(X)E(Y)不管X和Y是否獨立都成立。只要單個期望存在加法就能拆。第二更一般的線性性E(aXbYc)aE(X)bE(Y)c同樣不需要任何獨立性條件。第三方差的加法是例外D(XY)D(X)D(Y)2Cov(X,Y)。只有當Cov(X,Y)0不相關獨立一定不相關時才退化成D(X)D(Y)。很多人把方差可加當默認結論遇到不獨立的題直接翻車。真題特別喜歡在第二、第三條上設置陷阱題目不說明獨立性只給邊緣分布問E(XY)可不可以算可以用第一條。問D(XY)可不可以算不可以因為不知道Cov(X,Y)。這個區(qū)別必須刻在腦子里考場上能救命。4. 題型四常見分布的數(shù)學特征一套表和一串記憶鉤子4.1 期望方差速查表常見分布的數(shù)學特征屬于不背就虧的送分題每年必考。下表直接背分布記號概率函數(shù)/密度要點E(X)D(X)0-1分布B(1,p)P{X1}ppp(1-p)二項分布B(n,p)n次獨立重復試驗npnp(1-p)泊松分布P(λ)單位時間事件次數(shù)λλ幾何分布Ge(p)首次成功所需次數(shù)1/p(1-p)/p2均勻分布U(a,b)區(qū)間(a,b)上等可能(ab)/2(b-a)2/12指數(shù)分布Exp(λ)f(x)λe^{-λx}, x01/λ1/λ2正態(tài)分布N(μ,σ2)鐘形曲線μσ2記憶鉤子可以這么找泊松分布的期望和方差都是λ是唯一均值等于方差的重要分布指數(shù)分布的期望是參數(shù)的倒數(shù)參數(shù)越大、平均壽命越短二項分布是0-1分布重復n次的結果期望方差自然從p和p(1-p)后面各乘一個n。均勻分布的方差和區(qū)間長度的平方成正比區(qū)間越寬離散程度越大。4.2 參數(shù)混淆的典型翻車現(xiàn)場指數(shù)分布是重災區(qū)。同一個分布有的教材記作Exp(λ)密度λe^{-λx}期望1/λ有的教材記作E(θ)密度(1/θ)e^{-x/θ}期望θ。如果你只看記號不看密度就可能把1/λ和λ搞反。我的習慣是拿到指數(shù)分布的題先把密度寫出來看清楚參數(shù)是放在指數(shù)上還是分母上再寫期望。正態(tài)分布的方差記號也是坑。題里說N(μ,σ2)那σ2就是方差σ是標準差。有些習題冊不嚴謹?shù)貙懗蒒(μ,σ)你得自己辨別如果題目說方差是9就應該寫成N(μ,9)而不是N(μ,3)。參數(shù)識別錯了后面所有概率計算全部白費。還有一個小結論方便排除選項二項分布的均值np總是大于方差np(1-p)泊松分布均值等于方差。做題時如果選項出現(xiàn)二項分布方差大于均值可以直接排除。4.3 反推參數(shù)的小題套路近幾年小題喜歡反過來考已知期望和方差反求分布參數(shù)。例題設X~B(n,p)且E(X)2D(X)1.5求n、p。列方程組np2np(1-p)1.5。兩式相除得1-p0.75所以p0.25n8。這種題只要把速查表背熟三分鐘就能拿下。均勻分布同理已知E(X)3、D(X)1/3由(ab)/23、(b-a)2/121/3可得a2、b4。能反推參數(shù)的題本質上就是在考你對表格的熟練度。5. 題型五、六協(xié)方差、相關系數(shù)與獨立/不相關辨析5.1 協(xié)方差的計算定義式與簡便式協(xié)方差的定義式是Cov(X,Y)E[(X-E(X))(Y-E(Y))]但考試里幾乎都用簡便式Cov(X,Y)E(XY)-E(X)E(Y)。來一個完整例子。設(X,Y)的聯(lián)合分布律為P{X1,Y0}0.1P{X1,Y1}0.3P{X2,Y0}0.2P{X2,Y1}0.4。先算邊緣分布P{X1}0.4P{X2}0.6P{Y0}0.3P{Y1}0.7。然后E(X)1×0.42×0.61.6E(Y)0×0.31×0.70.7。再算E(XY)1×1×0.32×1×0.41.1。所以Cov(X,Y)1.1-1.6×0.71.1-1.12-0.02。注意協(xié)方差完全可以是負的負值表示兩個變量有反向變動趨勢。這道題里X偏大時Y并不一定隨著變大所以協(xié)方差很小且為負這很符合直覺。協(xié)方差在運算上有幾條性質必須記牢Cov(X,X)D(X)一個變量和自己的協(xié)方差就是方差。Cov(aXb,cYd)ac·Cov(X,Y)平移不影響協(xié)方差系數(shù)要相乘。Cov(XY,Z)Cov(X,Z)Cov(Y,Z)協(xié)方差對第一個變量具有線性可加性。對稱性Cov(X,Y)Cov(Y,X)。5.2 相關系數(shù)把協(xié)方差標準化的線性相關指標相關系數(shù)定義為ρ(X,Y)Cov(X,Y)/(√D(X)√D(Y))。除以標準差的目的是消除量綱和尺度的影響把相關程度壓到[-1,1]區(qū)間。|ρ|越接近1說明兩個變量之間的線性關系越強ρ1表示存在YaXb且a0的嚴格正線性關系ρ-1表示嚴格負線性關系ρ0只說明沒有線性關系不說明沒有其他關系。接上面的例子繼續(xù)算D(X)E(X2)-[E(X)]2(1×0.44×0.6)-1.622.8-2.560.24。 D(Y)E(Y2)-[E(Y)]2(0×0.31×0.7)-0.720.7-0.490.21。 ρ-0.02/√(0.24×0.21)≈-0.089。相關系數(shù)很小說明X和Y之間幾乎沒有線性關系。但請注意沒有線性關系不等于沒有關系很可能存在非線性關系。這一點正是下一小節(jié)的核心考點。5.3 獨立與不相關最經典的考場陷阱邏輯關系只有一句話獨立推出不相關不相關推不出獨立。也就是說獨立性是比不相關性更強的條件。獨立要求兩個變量的所有事件組合都滿足概率乘法公式而不相關只要求協(xié)方差為零兩者在一般情況下差得很遠。考場必背反例設X等可能取值-1、0、1令YX2。先算期望E(X)0E(Y)(1/3)×1(1/3)×0(1/3)×12/3。再算E(XY)E(X3)(-1)3×(1/3)03×(1/3)13×(1/3)0。所以Cov(X,Y)0-0×2/30不相關。但X與Y明顯不獨立因為P{X1,Y1}1/3而P{X1}P{Y1}(1/3)(2/3)2/9兩者不等。這個反例必須爛熟于心。它告訴你兩件事一是不相關只是沒有線性關系二是判斷獨立性只能回到定義P{X∈A,Y∈B}P{X∈A}P{Y∈B}不能用相關系數(shù)替代。唯一的例外是二維正態(tài)分布。若(X,Y)服從二維正態(tài)分布則獨立等價于不相關。這是概率論給的福利題目只要出現(xiàn)二維正態(tài)和ρ0你就可以直接寫獨立兩個字拿分。注意前提是聯(lián)合分布必須是二維正態(tài)僅僅兩個邊緣分布各自是正態(tài)是不夠的。6. 題型七、八矩、中心矩與切比雪夫不等式6.1 高階矩從定義出發(fā)別被高階嚇住矩就是期望的推廣。k階原點矩定義為α_kE(X^k)k階中心矩定義為μ_kE[(X-E(X))^k]。常見的特殊值α_1E(X)就是期望μ_10正負偏離相互抵消μ_2D(X)就是方差。三階中心矩反映分布的偏斜方向四階中心矩和峰度有關但考試階段只需要知道按定義算就行不會讓你解釋偏度系數(shù)。計算高階矩有兩條路。第一條是直接積分比如知道了X的密度f(x)就老老實實算∫x^k f(x)dx。第二條更常用用期望和方差反推二階矩。很多題目直接給E(X)1、D(X)3讓你求E(X2)這時候用E(X2)D(X)[E(X)]2314一秒出答案根本不需要知道X的具體密度。再看一個例子。設X服從參數(shù)為λ的指數(shù)分布求E(X2)。方法一分部積分兩次得到2/λ2。方法二E(X2)D(X)[E(X)]21/λ21/λ22/λ2。哪個快顯然是方法二。所以凡是題目里給了期望方差要算二階矩時優(yōu)先走方差公式這條捷徑。6.2 切比雪夫不等式只靠期望方差就能給概率劃界切比雪夫不等式說的是對任意ε0都有P{|X-E(X)|≥ε}≤D(X)/ε2。更常用的等價寫法是P{|X-E(X)|ε}≥1-D(X)/ε2。翻譯成人話就是不管X服從什么分布只要期望和方差存在隨機變量取值落在期望±ε范圍內的概率至少是1-D(X)/ε2。它的價值在于完全不需要知道分布類型這在很多實際估計問題里是唯一能用的工具。例題某課程成績X的均值為75分方差為16用切比雪夫不等式估計P{65X85}。65到85正好是75±10所以取ε10P{65X85}P{|X-75|10}≥1-16/1000.84。也就是說不管成績分布長什么樣落在65到85分之間的比例至少是84%。這個界是保守估計真實值通常比這個數(shù)字更大但至少兩個字就是切比雪夫不等式的核心價值。6.3 什么時候該用切比雪夫做題時看到只知道期望和方差估計概率下界對任意分布成立這些字樣基本就是切比雪夫的信號。還要提醒一句如果ε≤σ即ε2≤D(X)那么1-D(X)/ε2≤0不等式給出的是廢話題目一般會設計成εσ的情況。切比雪夫不等式在理論上還是證明大數(shù)定律的橋梁用它可以證明樣本均值依概率收斂于總體期望。考研數(shù)學的證明題偶爾會用到這條路徑所以它的意義不止一個小題。理解了用方差控制偏離概率這個思想后面學大數(shù)定律和中心極限定理都會順很多。7. 綜合題動手練一道題串起6個核心考點7.1 題目與完整解答把前面講的重點串成一道綜合題。設X服從參數(shù)為λ的指數(shù)分布令Y2X1。(1) 求E(X)、D(X)、E(Y)、D(Y) (2) 求Cov(X,Y)、ρ(X,Y) (3) 判斷X與Y是否獨立、是否相關 (4) 用切比雪夫不等式估計P{|X-1/λ|2/λ}的下界。解答過程如下。(1) 指數(shù)分布直接查表E(X)1/λD(X)1/λ2。由線性性質E(Y)2×(1/λ)12/λ1D(Y)22D(X)4/λ2。(2) 用協(xié)方差性質Cov(X,Y)Cov(X,2X1)2Cov(X,X)2D(X)2/λ2。相關系數(shù)ρCov(X,Y)/(√D(X)√D(Y))(2/λ2)/[√(1/λ2)×√(4/λ2)]1。(3) 因為X和Y是嚴格的線性關系Y2X1所以ρ1X與Y完全正線性相關。既然Y由X唯一決定X和Y必然不獨立?？荚嚴飳懄?故不獨立是給分的。(4) 切比雪夫不等式取ε2/λD(X)1/λ2所以P{|X-1/λ|2/λ}≥1-(1/λ2)/(4/λ2)3/4。對照一下真實概率指數(shù)分布下P{X3/λ}1-e^{-3}≈0.9502確實大于3/4。這個對照告訴我們切比雪夫給出的下界往往偏保守但它不需要知道分布類型這就是它不可替代的原因。7.2 從閱卷視角看這些步驟不能省我批改過不少試卷數(shù)字特征大題最忌寫完答案不寫過程。閱卷是踩點給分的你寫出由線性性質E(Y)2E(X)1給一步的分寫出D(Y)4D(X)再給一步分就算最后數(shù)字算錯前面步驟分還能保住大半。反過來只寫一個最終數(shù)字對了全分錯了零分風險完全不對等。建議答題時把每一步的依據(jù)寫成一個短句比如由指數(shù)分布知E(X)1/λ由D(X)E(X2)-[E(X)]2得……。這既是給閱卷老師看的也是給自己檢查用的——寫出來之后運算錯誤更容易被自己發(fā)現(xiàn)。8. 寫在最后我批改作業(yè)時最心疼的三種錯誤8.1 三種錯誤背后的共同根源每年改作業(yè)、答疑翻來覆去就是那幾種錯法。第一種分布律概率還沒加總等于1就開始算期望算出個錯誤答案還反復檢查計算過程其實錯在源頭。第二種把E(XY)E(X)E(Y)當成萬能公式到處用完全不看獨立性條件一道協(xié)方差大題從第一步就廢了。第三種D(aXb)a2D(X)的系數(shù)出錯把22寫成2或者看到D(3-2X)就寫個負號——方差永遠是正的出現(xiàn)負數(shù)說明方向錯了。這三種錯誤有個共同根源只背了公式結論沒背公式的使用條件。數(shù)字特征這塊公式雖少但每個公式都有前提。E(XY)E(X)E(Y)需要獨立或不相關D(XY)D(X)D(Y)需要不相關切比雪夫不等式需要方差存在。你在整理筆記的時候一定要把公式條件捆綁記憶而不是孤零零抄一行公式。8.2 考前三天我建議你只做的一件事我自己當年備考的時候有個笨但有效的習慣把8類題型各自整理5道典型題每道題不看答案、完整默寫解法步驟連續(xù)三天重復一遍。這個章節(jié)不需要海量刷題題目套路太固定了你把8個動作練到肌肉記憶考前再翻一遍速查表拿分比花半個月攻參數(shù)估計穩(wěn)得多。最后再分享一個自查清單算完期望檢查是否落在取值范圍內算完方差看是否為非負算完相關系數(shù)看是否在[-1,1]之間算完指數(shù)分布確認參數(shù)是放在指數(shù)上還是分母上算完連續(xù)型積分看結果量級是否合理。這五條全部過一遍數(shù)字特征部分的題基本就不會因為粗心丟分了。數(shù)學特征這章的價值就在確定性三個字上——它不像有些考點那樣靠靈感和運氣你規(guī)范地寫它就穩(wěn)定地給分。