核心知识点考研考点梳理#

1. 期望模块 期望是随机变量的平均取值，是所有数字特征的基础：
   • 离散型随机变量：$E(X)=\sum_{k=1}^{\infty}x_k p_k$（要求级数绝对收敛）；连续型随机变量：$E(X)=\int_{-\infty}^{+\infty}x f(x)dx$（要求积分绝对收敛）；二维随机变量期望可通过联合分布直接积分/求和计算。
   • 核心性质：期望的线性性质$E(aX+bY+c)=aE(X)+bE(Y)+c$，无论X与Y是否独立均成立，这是考研最常用的简化计算技巧。
   • 考研高频常见分布期望：0-1分布$p$、二项分布$np$、泊松分布$\lambda$、均匀分布$\frac{a+b}{2}$、正态分布$\mu$、指数分布$\frac{1}{\lambda}$。
2. 方差模块 方差衡量随机变量的离散程度，常用简化公式$D(X)=E(X^2)-[E(X)]^2$，避免直接用定义$D(X)=E[(X-E(X))^2]$计算的繁琐。核心性质：$D(aX+b)=a^2D(X)$；独立随机变量和的方差满足$D(X\pm Y)=D(X)+D(Y)$，非独立时需补充$\pm2\mathrm{Cov}(X,Y)$。
3. 协方差与相关系数
   • 协方差：$\mathrm{Cov}(X,Y)=E(XY)-E(X)E(Y)$，是衡量X与Y线性相关程度的基础量；
   • 相关系数：$\rho_{XY}=\frac{\mathrm{Cov}(X,Y)}{\sqrt{D(X)}\sqrt{D(Y)}}$，仅反映线性相关关系，$\rho_{XY}=0$仅说明X与Y不线性相关，无法推出独立；仅当$(X,Y)$服从二维正态分布时，$\rho_{XY}=0$才等价于X与Y独立，这是考研选择题高频陷阱。
4. 切比雪夫不等式 对任意存在方差的随机变量X，任意$\varepsilon>0$，均有$P(|X-E(X)|\geq\varepsilon)\leq\frac{D(X)}{\varepsilon^2}$，用于在分布未知仅已知期望和方差时估计概率上界，考研常以小题形式考察。

今日学习复盘#

今日通过刷配套习题巩固了上述知识点，重点解决了“非独立变量方差计算”和“相关系数与独立的区别”两个易错点，整理了3道典型错题：包括计算$D(X+Y)$漏加协方差的计算题、混淆独立与不相关的选择题，以及混合分布数字特征计算失误的题目。