第556篇《数学之光：全红婵儿的清华之路》

第556篇《数学之光：全红婵儿的清华之路》

课桌台面落着细碎树影，人教版数学课本摊开，篇目为离散型随机变量的数字特征。全红婵指尖按着书页，方才整理完毕超几何分布与二项分布的笔记，纸上还留有两组分布均值、方差的算式。在此之前她只是针对特定分布记下对应的计算公式，E(X)、D(X)如同依附在模型之上的附属结论。此刻课本将数字特征单独列为一节，她慢慢意识到均值与方差并不单单归属于二项或是超几何分布。任意一组离散型随机变量，列出全部可取取值以及对应概率之后，便能够算出均值和方差。均值衡量整体平均水平，方差衡量数据的波动幅度，两个数值从两个不同维度概括随机变量完整的面貌。她拿起草稿纸写下简单例子，随机变量X可取1，2，3，对应概率依次为0.2，0.5，0.3。依靠直觉去估量平均数远远不够，必须有标准化的运算方式。

淡淡的光晕在桌旁缓缓铺开，雅各布·伯努利的身形浮现在微光之中，目光扫过纸面罗列的取值与概率，话音平缓悠长。

数字特征，是抛开每一次偶然结果，去捕捉随机现象稳定特质的工具。概率分布完整记录变量每一种取值的可能性，信息完备却繁杂。均值与方差把海量信息压缩成两个数字。均值也就是数学期望，衡量长期重复试验之下结果的平均落点；方差刻画结果偏离均值的剧烈程度。许多学习者只会套用二项分布的均值方差公式，以为只有特殊分布才有数字特征。普通离散随机变量同样可以计算期望方差，二项分布的E(X)=np、D(X)=np(1‑p)不过是通用公式推导出来的特例。先掌握底层通用算式，再去接纳特例公式，知识的根基才不会漂浮。除此之外还有两条核心运算性质，变量线性变换之后期望与方差的变化规则，这是本节绕不开的重难点。

全红婵轻轻点头摆正课本，顺着课本编排次序梳理知识点。前面学过的分布列、二项分布、超几何分布都可以作为例题载体。倘若通用公式理解浅薄，碰到经过平移、伸缩变换后的随机变量，便会习惯性胡乱套用旧公式。她沉下心，笔尖落在笔记本空白处，逐层搭建笔记框架。

知识点精讲

一、离散型随机变量的均值，数学期望

一般地，设离散型随机变量X的分布列为P(X=xᵢ)=pᵢ，i取1，2，3……n。则称E(X)=x₁p₁+x₂p₂+x₃p₃+……+xₙpₙ为随机变量X的数学期望，简称期望，也叫均值。

时空智者留下哲思评述。期望并不是必然会出现的结果。不要产生误区，认定多次试验之后结果一定会等于期望数值。它代表大量重复试验下，观测数值的算术平均数无限趋近于E(X)。单次试验的结果具备极强偶然性，只有样本量不断放大，平均水平才会慢慢向期望值靠拢。好比抛掷一枚均匀硬币一万次，正面次数期望是五千次，并不代表抛掷一万次就恰好出现五千次正面，大概率会在五千附近浮动。

全红婵在笔记侧边写下简易例题辅助领会。随机变量X代表投掷一枚质地均匀的骰子掷出的点数。X可取1，2，3，4，5，6，每一个取值对应的概率全部为1/6。E(X)=1×1/6+2×1/6+3×1/6+4×1/6+5×1/6+6×1/6=21/6=3.5。骰子不可能掷出3.5这个点数，可期望依旧为3.5。这个例子敲碎了她心中的误区，期望允许是无法取到的中间数值。

二、均值的运算性质

设a、b均为常数，随机变量Y=aX+b，则E(Y)=E(aX+b)=aE(X)+b。

伯努利缓缓开口，这条线性性质十分关键。X每一个取值乘上常数a，整体期望随之乘a；整体加上常数b，期望同步增加b。举通俗事例，某商品销量为随机变量X，每一件商品利润五元，固定运营成本二十元，总利润Y=5X‑20，总利润的期望E(Y)=5E(X)‑20。

此处需要留心，不存在E(aX+b)=aE(X)+b之外的简易拓展。期望不具备乘法拆分性质，E(XY)一般不等于E(X)·E(Y)，唯有X与Y相互独立的时候等式方才成立。课本基础阶段很少深挖非独立变量乘积的期望，但是心中要记下这条边界，不可随意拆分乘积。

三、离散型随机变量的方差

在分布列已知的前提下，称D(X)=∑(xᵢ‑E(X))²pᵢ，i从1至n，为随机变量X的方差。√D(X)称作标准差，记作σ(X)。

方差计算逻辑，拿每一个变量取值减去均值得到偏差，将偏差平方消除正负差异，再乘上对应概率加权求和。平方的目的在于不会让正负偏差互相抵消。倘若直接对偏差加权求和，∑(xᵢ‑E(X))pᵢ结果恒等于零，无法反映波动情况。平方处理之后，离散程度越大，方差数值越大；取值大多聚拢在均值周边，方差偏小。标准差和原始随机变量单位保持一致，方差单位是原始单位的平方，分析实际问题时常会选用标准差。

全红婵演算一组对照案例。变量X取值为1和5，概率各占二分之一。E(X)=3，D(X)=(1‑3)²×0.5+(5‑3)²×0.5=4×0.5+4×0.5=4。变量Y取值2和4，概率各0.5，E(Y)=3，D(Y)=(2‑3)²×0.5+(4‑3)²×0.5=1。两个变量均值完全一样，方差却不相同。Y的取值更加靠近均值，波动更小。均值描述中心点，方差描述散开的幅度，二者搭配起来，才能描摹变量完整特征。

四、方差的运算性质

设常数为a、b，Y=aX+b，D(Y)=D(aX+b)=a²D(X)。

常数b加减不会对方差产生任何影响。整体变量向上平移或是向下平移，每一个取值与均值的差值不会发生改变，离散程度不变。变量整体乘上a，偏差同步放大a倍，平方之后多出a²。

全红婵把性质并排记录。

E(aX+b)=aE(X)+b

D(aX+b)=a²D(X)

两条式子放在一处对比记忆，千万不要出现D(aX+b)=aD(X)+b这类低级错误。平移量b只改动均值，不会改变波动幅度。

伯努利说道，很多学生背诵性质时图省事，把方差性质记成和期望一致，做题便一错到底。你可以依靠定义式简单推导一遍。Y=aX+b，E(Y)=aE(X)+b。Y每一个取值yᵢ=axᵢ+b。yᵢ‑E(Y)=axᵢ+b‑aE(X)‑b=a(xᵢ‑E(X))。平方之后得到a²(xᵢ‑E(X))²，加权求和，D(Y)=a²∑(xᵢ‑E(X))²pᵢ=a²D(X)。推导一次，便很难遗忘。

五、特殊分布数字特征复盘整合

1.X~B(n，p)

E(X)=np，D(X)=np(1‑p)

2.X~H(N，M，n)

E(X)=n·M/N，课本不提供通用简易方差公式。

全红婵标注提醒。两条期望公式可以由通用期望公式推导得出。考试题目给出完整分布列，优先依靠通用算式计算；明确变量服从二项分布，才可以直接套用快捷公式。不判定分布就使用np求取期望属于逻辑漏洞。

六、解题通用流程

第一步，根据题意写出随机变量X全部可能取值。

第二步求出每一个取值对应的概率，列出完整分布列。

第三步利用E(X)=∑xᵢpᵢ算出均值。

第四步套用方差定义式D(X)=∑(xᵢ‑E(X))²pᵢ算出方差。

第五步如若存在变换Y=aX+b，使用线性性质快速算出E(Y)与D(Y)，不必重新求取Y完整分布列。

伯努利说道，题目不会总是直接给出分布列。部分应用题需要先借助古典概型、二项分布、超几何分布算出概率，搭建分布列之后再求数字特征。搭建分布列是基础步骤，分布列出错，后续均值方差计算全部没有意义。

题型突破

题型一 已知分布列求期望方差

例题，离散随机变量X分布列为

X 0 1 2 3

P 0.1 0.3 0.4 0.2

求E(X)，D(X)。

解析 E(X)=0×0.1+1×0.3+2×0.4+3×0.2=0+0.3+0.8+0.6=1.7。

D(X)=(0‑1.7)²×0.1+(1‑1.7)²×0.3+(2‑1.7)²×0.4+(3‑1.7)²×0.2

=2.89×0.1+0.49×0.3+0.09×0.4+1.69×0.2

=0.289+0.147+0.036+0.338=0.81。

变式，令Y=2X‑1，求E(Y)，D(Y)。

E(Y)=2E(X)‑1=2×1.7‑1=2.4

D(Y)=2²D(X)=4×0.81=3.24。

不需要列出Y的分布列进行繁琐运算，线性变换性质大幅缩减步骤。

题型二 分布列含有未知参数，借助期望求值

例题，随机变量X可取0，1，2。P(X=0)=0.2，P(X=1)=m，P(X=2)=n。已知E(X)=1.2。概率总和为1，0.2+m+n=1，m+n=0.8。

E(X)=0×0.2+1·m+2·n=m+2n=1.2。联立方程组

m+n=0.8

m+2n=1.2

两式相减n=0.4，m=0.4。

分布列补齐之后，可继续算出D(X)。这类题型依靠概率之和为1、期望数值建立二元方程组，解出缺失参数。

全红婵写下要点，分布列隐含条件：全部概率相加等于1，这是极易忽略的等量关系。

题型三 二项分布搭配线性变换计算数字特征

例题，随机变量X~B(8，0.5)，设Y=3X+2，求E(Y)，D(Y)。

解析先算X的期望方差。E(X)=8×0.5=4，D(X)=8×0.5×0.5=2。

E(Y)=3E(X)+2=3×4+2=14

D(Y)=3²·D(X)=9×2=18。

易错示范：D(Y)=3D(X)+2，按照错误式子算出D(Y)=8，结果完全偏离。做题时刻谨记常数加减不影响方差。

题型四 超几何分布背景下求数字特征大题

例题，储物箱内共有18个物件，合格品12件，次品6件。不放回抽取5件，次品数目记作X。

(1)求E(X)

(2)若取出一件次品亏损两元，一件合格品获利三元，总利润记作Y，写出Y与X关系式并且求E(Y)。

解析(1)X服从超几何分布H(18，6，5)。E(X)=5×6/18=5/3。

(2)抽取五件物品，合格品数量为5‑X。总利润Y=3(5‑X)‑2X=15‑5X。

E(Y)=15‑5E(X)=15‑5×5/3=20/3。

本题不需要计算方差。如若题干要求D(Y)，不可以借助超几何分布简易期望公式顺势推导方差，只能求出完整分布列再计算方差。

题型五 期望在决策问题当中的应用

例题，甲方案单次投资盈利的随机变量为X，E(X)=12万元，D(X)=4。乙方案盈利随机变量Y，E(Y)=12万元，D(Y)=9。两个方案期望收益一致。方差越小代表收益波动小，风险更低。优先选取甲方案。

全红婵记下结论。期望收益相同时，方差越小越稳定，风险偏小；方差数值大，获利上限更高，亏损可能性同样提升。现实抉择之中，依靠期望判断平均收益，依靠方差评估风险大小。

易错清单

易错点一 将数学期望当成必然发生的取值，认为试验结果一定会等于E(X)，忽略期望代表大量试验下的平均水平。

易错点二 混淆线性变换性质，D(aX+b)=a²D(X)错写为D(aX+b)=aD(X)+b。

易错点三 看见变量服从二项分布，套用np求取期望之后，想当然使用np(1‑p)去计算超几何分布的方差。超几何分布没有简易记忆公式。

易错点四 计算方差时省去偏差的平方步骤，直接加权求和偏差，得到数值恒为零，运算全盘出错。

易错点五 做题跳过分布列，凭空判定分布。题目没有给出充足条件证明是二项分布，必须使用通用式E(X)=∑xᵢpᵢ求期望。

易错点六 误以为E(XY)=E(X)E(Y)恒成立，只有X、Y相互独立时等式才成立，基础题型不随意拆分乘积形式的变量。

易错点七 标准差和方差概念混淆，审题看清要求计算方差还是标准差，标准差需要对方差开算术平方根。

学习心得感悟

晚风穿过窗棂吹动稿纸，全红婵停下笔，望着笔记当中并列的期望与方差两条主线，心中生出许多思索。起初她以为期望就是最有可能出现的数，一枚骰子的期望3.5打破了固有认知。偶然事件没有注定的结果，期望描绘的是漫长重复之后浮现出来的规律。单次选择无从预判结局，可反复去做一件事，整体的平均走向可以被测算出来。

方差带来另一重启发。两件事平均收益一致，不代表两件事完全等同。波动幅度藏在均值的表象之下。只盯着平均结果去做判断，会忽略潜藏的风险。看待一件事物至少要拥有两重视角，既要看见长期平均的走向，也要看清过程当中起伏震荡的幅度。

线性变换的性质让她感受到数学的简洁之美。变量整体平移伸缩，不必重新罗列整套分布列，便能推导出新变量的数字特征。抓住变换规则，就可以以简驭繁。可简洁的规则有清晰边界，偷懒越过边界套用公式便会出错。

伯努利的身影慢慢消散在柔光里，留下话语落在心底。世间万事都存有平均趋势与起伏动荡。你定下前行的方向，便是锚定心中的期望；路途之上的起落波折，便是现实的方差。不必因一次低于预期的结果沮丧，也不要凭单次超出预想的收获自满。拉长时间的维度去看待得失，同时衡量前路风险，方能做出清醒的抉择。

全红婵合上笔记本，目光落在课本下一章节。成对数据的统计分析即将开启，视角从随机变量概率模型，转向实测收集而来的样本数据。她收拢散乱的演算草稿，将笔记本收进帆布书包，缓步走出自习室。

互动区互动环节：《红婵清华北大学霸笔记铺》涵盖初高中各科笔记、真题、方法技巧、学习心得感悟及趣味故事等，在手机上随时可翻看，是你的行走课堂，专门为初高中学生打造《红婵清华北大学霸笔记铺》互动环节内容。 免费为收藏关注的同学设计笔记，把你的要求发在评论区，例如 给我设计一篇初中八年级英语上册第3单元的学习笔记。设计完成后编号放在红婵儿清华北大学霸笔记铺的专栏里，你可自行提取。另外你有好的设计笔记，请在评论区留言，我们在学霸笔记铺设专题专栏为你发布，欢迎你的参与！让我们共同打造最实用的学霸笔记库

章末备注：文中公式和算式的代码（乱码）可用任一款ai软件（豆包）解锁，即将内容复制并粘贴至豆包对话框确认即可