如何最大化已知边缘分布的离散随机变量X与Y的期望E(XY)
2026-4-16
如何最大化已知边缘分布的离散随机变量X与Y的期望E(XY)
嘿，咱们来一步步解决这个问题：已知两个离散随机变量X和Y的边缘分布，目标是最大化它们乘积的期望E(XY)。先把已知的列联表整理清楚：
| Y=1 | Y=2 | Y=3 | 总计（X的边缘概率） | |
|---|---|---|---|---|
| X=1 | $a_{11}$ | $a_{12}$ | $a_{13}$ | $\mathbf{P}(X=1)=\frac{1}{2}$ |
| X=2 | $a_{21}$ | $a_{22}$ | $a_{23}$ | $\mathbf{P}(X=2)=\frac{1}{4}$ |
| X=3 | $a_{31}$ | $a_{32}$ | $a_{33}$ | $\mathbf{P}(X=3)=\frac{1}{4}$ |
| 总计（Y的边缘概率） | $\mathbf{P}(Y=1)=\frac{1}{3}$ | $\mathbf{P}(Y=2)=\frac{1}{3}$ | $\mathbf{P}(Y=3)=\frac{1}{3}$ | 1 |
首先，我们把期望E(XY)展开，它等于所有i·j·a_ij的累加和，具体展开后是：
$$
\mathbf{E}(XY) = \sum_{i=1}^{3} \sum_{j=1}^{3} i \cdot j \cdot a_{ij} = a_{11} + 2a_{12} + 3a_{13} + 2a_{21} + 4a_{22} + 6a_{23} + 3a_{31} + 6a_{32} + 9a_{33}
$$
要最大化这个期望，核心思路其实特别直观：把概率质量尽可能往i和j都大的单元格里分配，因为这些项的系数i·j最大，对期望的贡献也最多。咱们一步步来分配配额：
- 先盯系数最大的项：$9a_{33}$（对应X=3,Y=3）。X=3的边缘概率是1/4，Y=3的边缘概率是1/3，所以$a_{33}$最多能取到两者的最小值$\frac{1}{4}$。这时候X=3的配额刚好用完，Y=3还剩下$\frac{1}{3} - \frac{1}{4} = \frac{1}{12}$的配额。
- 接下来看系数次大的项：$6a_{23}$和$6a_{32}$。因为X=3已经没配额了，$a_{32}$没法分配，所以优先填$a_{23}$。X=2的边缘概率是1/4，Y=3还剩1/12，所以$a_{23}$取$\frac{1}{12}$，Y=3的配额用完，X=2还剩下$\frac{1}{4} - \frac{1}{12} = \frac{1}{6}$的配额。
- 再看系数排第三的有效项：$4a_{22}$（对应X=2,Y=2）。Y=2的边缘概率是1/3，目前还没分配，X=2还剩1/6，所以$a_{22}$取$\frac{1}{6}$，X=2的配额用完，Y=2还剩下$\frac{1}{3} - \frac{1}{6} = \frac{1}{6}$。
- 处理Y=2剩下的1/6：X=1还有大量配额（1/2），对应的项是$2a_{12}$，所以$a_{12}$取$\frac{1}{6}$，Y=2的配额用完。
- 最后处理Y=1的1/3配额：X=1还剩下$\frac{1}{2} - \frac{1}{6} = \frac{1}{3}$，刚好匹配，所以$a_{11}$取$\frac{1}{3}$，所有配额都分配完毕。
把这些值代入E(XY)的公式计算最大值：
$$
\mathbf{E}(XY) = 1 \times \frac{1}{3} + 2 \times \frac{1}{6} + 6 \times \frac{1}{12} + 4 \times \frac{1}{6} + 9 \times \frac{1}{4} = \frac{49}{12} \approx 4.083
$$
其实这个思路可以总结成一个小规律：要最大化E(XY)，就遵循**“正匹配”原则**——让大的X值尽可能对应大的Y值；反过来如果要最小化E(XY)，就让大的X对应小的Y值，这也是协方差相关的直观结论哦。
备注：内容来源于stack exchange，提问作者No Name
相关产品推荐
相关产品推荐
