考研笔记

第19章 随机变量的数字特征

🏠 概率论与数理统计 · 本章题库（85 题） · 易错清单（52 条）

这一章在做什么

前三章一直在求分布——完整地回答”取每个值的可能性有多大”。但分布是一个函数，难以比较、难以传达、难以做进一步的运算。

第19章做的是压缩：把一整个分布压成几个数。

或一个函数几个数

代价是信息损失（不同分布可以有相同的期望方差），收获是可运算性：数能相加、相乘、比大小，函数不能。第20章的大数定律与中心极限定理、第21–23章的全部统计推断，输入的都是这几个数，而不是分布本身。

所以这一章几乎不引入新对象，却是通向后四章的唯一门户。

两条铁律

铁律一：期望永远线性，方差要看相关性

无条件成立 交叉项要检查

期望的可加性不需要独立、不需要同分布、什么都不需要——这是概率论里最”便宜”的定理，也是指示变量法（本章第三节）的全部基础。超几何分布的期望之所以能一行算出，全靠它。

方差就挑剔得多：只有不相关时交叉项才消失。这条分界线贯穿全章。

铁律二： 只量直线

独立不相关不相关独立

是一个数，只能测量一个方向上的关联——线性方向。两个变量可以有严格的函数关系（）却 。

唯二的例外：二维正态、- 变量（ 表）。除此之外，解答题里写”不相关故独立”一律扣分。

主线一：从一个变量的数字特征说起（第一至五节）

核心工具：LOTUS

不需要先求的分布

第17章花整章求 的密度，那套功夫在这里可以完全跳过。只有题目明确要分布时才去求分布。

四支具体工具，各配一节：

  • 第一节 LOTUS 与级数/积分技巧（7 题）——三个模板级数（、、）；指数分布的 ；“把被积函数配成另一个密度让积分等于 1”。
  • 第二节 认出分布：配方与参数反解（9 题）——认出分布 硬积分。配方模板 、；二项反解先做除法 ；方差的定性比较（ 上尖峰 均匀 V 形 ）。
  • 第三节 指示变量法（6 题）——见”个数""次数”就拆成 。招牌战果：超几何的期望与二项相同，一行证完。
  • 第四节 条件期望与全期望公式（7 题）——两段式随机过程的唯一入口。； 把二重积分降成一重。
  • 第五节 截断与混合型的期望（4 题）——混合按权重加期望（但方差要加组间项）；尾积分公式 是截断变量的天然搭档。

主线二：两个变量的关联（第六至九节，本章核心地带）

这四节合计 20 题，是本章的绝对重心。

一个定义，四种用法

  • 第六节 双线性展开（6 题）——像多项式乘法一样展开， 项再合并。必备副产品：（无条件）、。
  • 第七节 线性不变性与 $\lvert\rho\rvert=1$（4 题）——， 只记方向不记大小。 退化成一条直线。核心动作是在复杂表达式之间找出恒等式形式的直线（）。
  • 第八节 不相关的等价刻画（5 题）——六个说法是同一件事。极化恒等式 把协方差完全用方差表达。
  • 第九节 不相关但不独立的反例谱（5 题）——三类盲区：对称性造零协方差、非线性恒等式约束、支撑集非矩形。独立性的保持性（）是不相关没有的性质，这是本章绝大多数选择题的钥匙。

一张几何图景把这四节串起来

把中心化的随机变量看成向量：

  • 是内积， 是长度， 是夹角余弦；
  • 不相关就是正交， 就是勾股定理；
  • 就是 Cauchy–Schwarz， 就是共线；
  • 极化恒等式与向量的 一字不差。

详见 协方差与相关系数。

主线三：把前面的工具用在具体结构上（第十至十四节）

  • 第十节 绝对值的数字特征：对称化（6 题）——骨架是 ，所以唯一的新工作是求 。半正态公式 （只对零均值成立）。 与 是本章最干净的”不相关但不独立”。
  • 第十一节 次序统计量的数字特征（8 题）——本章两个大头之一。（）；恒等式 、；Rényi 分解把 变成三行。
  • 第十二节 离散型：由数字特征反推联合分布（8 题）——另一个大头。- 变量下 ，给边缘和协方差就能定死整张表；逻辑零格是最省力的入口；多项分布 恒为负。
  • 第十三节 混合型与乘积变换下的相关性（4 题）——，于是”乘一个零均值因子就抹平相关性”是造反例的标准配方。两两独立 相互独立。
  • 第十四节 二维连续型的数字特征（6 题）——能拆就拆、能用条件期望就用、能认出分布就认，二重积分是最后手段。

概念页

十分钟速查

必背的数字特征：见 常见分布数字特征表。最容易忘的四条——

几何 超几何与二项同多乘

必背的五个公式

全章使用频率最高 前两项永远是加号

三个自检动作

  1. 算完看范围——超出 立刻回头；量纲因子（、）必须约干净。
  2. 方差算完看符号——出现负数立刻回头（多半是 写成了 ）。
  3. 端点/极限验算——、、、 处答案是否合理。 在 处给 ✓。

通向第20章（大数定律与中心极限定理）

本章的产出正是下一章的全部输入——第20章没有引入任何新的数字特征，它只是让 ：

  1. 与 —— 中心极限定理的两个参数。 里， 和 都来自本章，定理本身不提供任何新的计算工具。
  2. —— 大数定律的引擎。本章第六节把它当一道计算题算过（协方差的双线性展开），下一章它升格成定理的心脏：除以 时方差被除以 ，这就是”样本越多越准”的全部理由。
  3. 切比雪夫不等式 —— 把方差直接翻译成概率界，是弱大数定律的证明工具。见 切比雪夫不等式与 第20章第一节。它的三步流程（①算 ②算 ③配成以 为中心）里，前两步全是本章的内容——难点从来不在不等式。
  4. 独立同分布之和的可加性 —— 本章的 、 就是下一章标准化的分母来源。求和时期望乘 、标准差乘 ，这个错位是第20章的头号错源。
  5. 柯西分布没有期望 —— 所以大数定律对它失效。本章第五节与第十节两次遇到柯西，下一章它升格为大数定律与中心极限定理共同的标准反例： 与单个 同分布，平均多少次都不收敛。
  6. 样本二阶矩收敛到总体二阶矩 —— 本章 1000 强化 19 已经用过（由 反解 ），下一章给出理由：，见 依概率收敛与辛钦大数定律。极限是二阶原点矩 ，不是方差——这是第20章的第一失分点，而它考的其实是本章的公式。
  7. —— 本章的高阶矩计算，在第20章直接变成 的 、（正态时 ，故 ）。
  8. 指示变量 —— 本章第三节的工具，在第20章就是伯努利大数定律（频率收敛到概率）的全部内容。本章算过 $\frac{\nu_n(1)}{n}$ 的方差，第20章问它的极限，第22章用它讲相合性——同一道题在三章里各被用一次。

通向第21–23章（数理统计）

  • 与 （本章 880 综合解答 2）——这是样本方差 分母取 的根源。
  • 经验分布函数 ——本章 1000 强化 7 的 就是它，无偏且相合。
  • （本章 880 综合解答 5）——第22章用 估计端点参数 ，偏差以 速度收缩。
  • 协方差矩阵半正定 —— 接线代二次型，也是多元统计的起点。
  • （本章 1000 强化 17）—— 是 Gini 平均差，一个非参数的分散度量。

链接

反向链接