M1 章节：概率分布、期望值与方差

大家好！欢迎来到统计学中最有趣的话题之一。如果你之前觉得概率有点抽象，不用担心。在本章中，我们会探讨概率分布，令这些概念更具体。我们将学习如何运用期望值来预测随机事件的“平均”结果，并使用方差来衡量结果的离散程度。

为何这很重要？它支撑着各种博弈游戏、保险政策，甚至金融投资背后的数学原理。学完这些，你将能够分析一个简单的游戏，并判断它是否值得一玩！


1. 离散概率分布：随机事件的“游戏规则”

什么是离散随机变量？

想象“随机变量”是一个变量（我们通常称之为 \(X\)），其数值由随机试验的结果决定。“离散”这个词只是指它只能取特定、可数的数值。你不会得到“半个”结果。

例子：设 \(X\) 为掷标准六面骰子所得的点数。\(X\) 可以是 1、2、3、4、5 或 6。它不可能是 2.5。
例子：设 \(Y\) 为掷硬币 3 次所得的正面向上的次数。\(Y\) 可以是 0、1、2 或 3。
类比：离散变量就像房间里的人数。你可以有 3 个人或 4 个人，但不能有 3.5 个人。

什么是概率分布？

一个概率分布就是一个表格、图形或公式，它将离散随机变量的每个可能值与其对应的概率链接起来。它就是该随机变量的完整“游戏规则”。

任何概率分布都有两条黄金法则：

1. 概率必须介乎 0 和 1 之间。对于任何值 \(x\)，\(0 \le P(X=x) \le 1\)。
2. 所有概率之和必须恰好是 1。\(\sum P(X=x) = 1\)。（这表示我们已考虑了所有可能的结果。）

想象它像一个披萨：所有的披萨片（概率）加起来必须是一个完整的披萨！

表示概率分布

表示概率分布最常见的方法是使用一个简单的表格。

例子：一个不公平硬币

想象一个不公平的硬币，掷出正面的概率是 0.4。设 \(X\) 为掷两次硬币中正面向上的次数。\(X\) 的可能值为 0、1 或 2。

\(P(X=0) = P(\text{TT}) = 0.6 \times 0.6 = 0.36\)
\(P(X=1) = P(\text{HT or TH}) = (0.4 \times 0.6) + (0.6 \times 0.4) = 0.24 + 0.24 = 0.48\)
\(P(X=2) = P(\text{HH}) = 0.4 \times 0.4 = 0.16\)

我们可以将其表示在分布表中：

\(x\)                    0         1         2
\(P(X = x)\)      0.36      0.48      0.16

让我们检查一下规则：所有概率都介乎 0 和 1 之间。如果我们把它们加起来：\(0.36 + 0.48 + 0.16 = 1.00\)。正确无误！

第一节重点提要

离散概率分布列出了随机事件所有可能的数值结果及其对应的概率。所有概率之和必须为 1。


2. 期望值 (E[X])：长远平均值

什么是期望值？

期望或期望值，记作 \(E[X]\)，是我们把试验重复无限次后预期会得到的平均值。它是一种“加权平均”，其中较可能发生的结果影响较大。

重要提示：期望值可能不是单次试验中实际会出现的数字！例如，掷一次骰子的期望值是 3.5，但你不可能掷出 3.5。

类比：想象一个简单的游戏。你以 0.1 的概率赢得 $10，以 0.9 的概率赢得 $0。如果你玩这个游戏 100 次，你预期会赢得 10 次，总共 $100。你每次游戏的平均赢得金额将是 $100 / 100 = $1。期望值是 $1。

计算期望值

公式简单且直观。你将每个结果乘以其概率，然后将它们全部加起来。

公式：\(E[X] = \sum x \cdot P(X=x)\)

逐步示例

让我们找出上述不公平硬币例子中，正面向上的期望次数。

\(x\)                    0         1         2
\(P(X = x)\)      0.36      0.48      0.16

1. 将每个 \(x\) 乘以其 \(P(X=x)\)：
\(0 \times 0.36 = 0\)
\(1 \times 0.48 = 0.48\)
\(2 \times 0.16 = 0.32\)
2. 将结果加总：
\(E[X] = 0 + 0.48 + 0.32 = 0.8\)

因此，平均而言，我们预期每次试验（两次掷硬币）会得到 0.8 次正面。

期望值的性质（实用捷径！）

这些规则使计算速度大大加快。设 \(a\) 和 \(b\) 为常数。

性质一：\(E[aX + b] = aE[X] + b\)

换句话说：如果你将每个结果乘以 \(a\) 并加上 \(b\)，期望值也会被乘以 \(a\) 并加上 \(b\)。

例子：一个游戏的派彩金额为 \(X\)（以元计），我们发现 \(E[X] = 5\)。游戏组织者决定将派彩金额加倍并扣除 $2 服务费。新的派彩金额为 \(Y = 2X - 2\)。新的期望派彩是多少？

\(E[Y] = E[2X - 2] = 2E[X] - 2 = 2(5) - 2 = 8\)（即 $8）。无需重新计算整个分布！

函数的期望值，E[g(X)]

有时我们对 \(X\) 的函数（例如 \(X^2\)）的期望值感兴趣。计算方法非常相似。

公式：\(E[g(X)] = \sum g(x) \cdot P(X=x)\)

为了找出 \(E[X^2]\)，我们只需在乘以概率之前将每个 \(x\) 值平方。这对于之后计算方差将会非常重要。

例子：找出 E[X²]

再次使用我们的不公平硬币例子：

\(E[X^2] = (0^2 \cdot 0.36) + (1^2 \cdot 0.48) + (2^2 \cdot 0.16)\)
\(E[X^2] = (0 \cdot 0.36) + (1 \cdot 0.48) + (4 \cdot 0.16)\)
\(E[X^2] = 0 + 0.48 + 0.64 = 1.12\)

常见错误警示：请注意，\(E[X^2] = 1.12\) 与 \((E[X])^2 = (0.8)^2 = 0.64\) 并不相同。这是一个关键区别！

第二节重点提要

期望值 (\(E[X]\)) 是随机变量的理论长期平均值。计算方法是将所有结果的 \(x \cdot P(X=x)\) 相加。其性质，特别是 \(E[aX + b] = aE[X] + b\)，是非常强大的捷径。


3. 方差 (Var(X))：衡量离散程度与风险

什么是方差？

期望值告诉我们分布的“中心”位置，而方差则告诉我们结果与该中心“偏离”的程度。它衡量了波动性或风险。

低方差意味着大多数结果都紧密地聚集在期望值周围。结果可预测且一致。
高方差意味着结果远离期望值。结果不可预测且具风险。

类比：两名学生，Amy 和 Ben，他们的平均考试分数（期望值）都是 80 分。

Amy 的分数：79、80、81、80。（低方差 — 非常稳定）
Ben 的分数：100、60、100、60。（高方差 — 波动很大！）

他们的平均分数相同，但表现却截然不同。方差捕捉了这种差异。

计算方差

方差有两种公式。一种适合理解概念，另一种则是实际计算时的最佳帮手。

公式一：定义式（适合理论理解）

设 \(\mu = E[X]\)。方差是与均值平方差的期望值。 \(\text{Var}(X) = E[(X-\mu)^2] = \sum (x-\mu)^2 \cdot P(X=x)\)。 这个公式在实际应用中效率较低。

公式二：计算公式（请用这个！）

这个几乎总是更快、更容易。

公式：\(\text{Var}(X) = E[X^2] - (E[X])^2\)

助记口诀：“平方的平均值，减去平均值的平方。”

逐步示例（使用快捷公式）

让我们计算不公平硬币例子的方差。我们在上一节已经完成了大部分繁重的工作！

1. 回顾我们之前的结果：
\(E[X] = 0.8\)
\(E[X^2] = 1.12\)
2. 将它们代入公式：
\(\text{Var}(X) = E[X^2] - (E[X])^2\)
\(\text{Var}(X) = 1.12 - (0.8)^2\)
\(\text{Var}(X) = 1.12 - 0.64 = 0.48\)

正面次数的方差是 0.48。

标准差

请注意，方差的单位是平方的（例如，平方元、平方次），这可能难以理解。为了解决这个问题，我们使用标准差，它就是方差的平方根。

公式：\(\sigma = \sqrt{\text{Var}(X)}\)

在我们的例子中，标准差是 \(\sqrt{0.48} \approx 0.693\)。这个值是原始单位（“次”），能更直接地表示离散程度。

方差的性质（更多超实用捷径！）

就像期望值一样，这些规则能省下大量时间。设 \(a\) 和 \(b\) 为常数。

性质一：\(\text{Var}(aX + b) = a^2 \text{Var}(X)\)

让我们来拆解一下：

为何“+ b”会消失？加上一个常数 \(b\) 会使整个分布平移，但并不会改变其离散程度。想象所有学生的考试分数都加了 10 分。平均分会增加 10 分，但最高分和最低分之间的差距保持不变。离散程度不变，所以方差也不变。
为何是“\(a^2\)”？方差是基于平方差的。如果你将所有结果乘以 \(a\)，那么它们与均值的距离也会被 \(a\) 缩放。当你将这些距离平方时，缩放因子就变成了 \(a^2\)。

例子：

一个游戏的派彩金额为 \(X\)，其 \(\text{Var}(X) = 4\)。组织者更改游戏规则，使新的派彩金额为 \(Y = 3X + 10\)。新的方差是多少？

\(\text{Var}(Y) = \text{Var}(3X + 10) = 3^2 \text{Var}(X) = 9 \cdot 4 = 36\)

新的方差是 36。请注意，“+ 10”并没有产生影响。

第三节重点提要

方差 (\(\text{Var}(X)\)) 衡量分布的离散程度或风险。计算时务必使用计算公式 \(\text{Var}(X) = E[X^2] - (E[X])^2\)。请记住其关键性质：\(\text{Var}(aX + b) = a^2 \text{Var}(X)\)。标准差就是方差的平方根。