Combinations of random variables

随机变量的组合：驾驭不确定性

你好！欢迎来到进阶数学统计学中至关重要的一章。随机变量的组合（Combinations of Random Variables）这一课题听起来可能很复杂，但它本质上是关于如何管理事件相互关联时的不确定性。

换个角度思考：如果你购买了两个不同的商品，每个商品的价格都有不确定性（即随机变量），那么总费用的期望值是多少？总费用的离散程度（方差）又是多少？我们需要数学规则来准确地整合这些不确定性。

如果一开始觉得有些棘手，别担心。我们将把每一条规则拆解成简单易懂的步骤。看完这些笔记，你一定会成为处理组合均值和方差的高手！

---

1. 期望值（均值）：简单的规则

期望值（Expected Value），记作 \(E(X)\)，本质上就是随机变量 \(X\) 的理论长期平均值或均值。当组合变量时，计算期望值通常非常简单，这得益于一个叫作线性（Linearity）的概念。

好消息是，无论变量是相互独立还是相关的，期望值的规则都适用！

规则 1：乘以常数 (\(a\))

如果你将一个随机变量 \(X\) 乘以一个常数 \(a\)，那么平均值也会乘以 \(a\)。

• 规则：\(E(aX) = a E(X)\)

示例：如果电影票的平均价格 (\(X\)) 是 8 英镑，那么购买 5 张票的平均价格就是 \(E(5X) = 5 E(X) = 5 \times 8 = 40\) 英镑。

规则 2：加上常数 (\(c\))

如果你给随机变量 \(X\) 加上一个固定数值 \(c\)，那么平均值会增加 \(c\)。

• 规则：\(E(X + c) = E(X) + c\)

示例：如果平均行程时间 (\(X\)) 是 40 分钟，而你总是花费 5 分钟找停车位 (\(c\))，那么总时间的平均值就是 \(E(X+5) = E(X) + 5 = 40 + 5 = 45\) 分钟。

规则 3：组合两个变量 (X 和 Y)

要找到两个变量组合后的期望值，只需将它们各自的期望值进行相应的合并，并保留常数和符号即可。

• 规则：\(E(aX \pm bY) = a E(X) \pm b E(Y)\)

此规则无论是对于加法 (\(+\)) 还是减法 (\(-\)) 都适用。

期望值的核心要点： 期望值既简单又具有线性特征。你可以直接提取常数，并保持符号不变。\(E(\text{和}) = \text{E的之和}\)。

---

2. 方差规则：处理离散度

这是规则开始变得与众不同的地方，务必集中注意力！方差（Variance），记作 \(Var(X)\)，衡量的是随机变量的离散程度或波动性。

!!! 独立性警示 !!!
本课程大纲中用于组合方差的规则，仅在随机变量 \(X\) 和 \(Y\) 相互独立的前提下才有效。如果它们不独立，数学计算会变得极其复杂（涉及协方差），这通常超出了本单元的范围。在考试中，除非题目另有说明，否则你可以假设变量是相互独立的。

规则 1：乘以常数 (\(a\))

如果你将 \(X\) 乘以常数 \(a\)，方差会变为原来的 \(a^2\) 倍。为什么要平方？因为方差是用平方单位来衡量的。

• 规则：\(Var(aX) = a^2 Var(X)\)

类比：想象一段随机长度为 \(X\) 的绳子。如果你将其长度加倍 (\(2X\))，期望长度会加倍，但潜在的波动范围（方差）不仅仅是加倍，它会变为原来的四倍，因为波动在两个维度上都被放大了（平方）。

规则 2：加上常数 (\(c\))

给每个值加上一个固定数 \(c\) 不会改变数据的离散程度。

• 规则：\(Var(X + c) = Var(X)\)

示例：如果一顿饭的费用 (\(X\)) 分布在 10 英镑到 20 英镑之间（方差为 \(V\)），而你额外加上了 5 英镑的固定小费 (\(X+5\))，那么费用现在分布在 15 英镑到 25 英镑之间。中心偏移了，但波动的宽度保持完全不变 (\(V\))。

规则 3：组合两个变量 (X 和 Y)

这是本章最重要的一条规则：组合独立变量时，方差永远是相加的。

为什么？因为不确定性是会累加的。无论你是将两个随机值相加还是求它们的差，结果中的总不确定性总是大于其中任何一个部分单独的不确定性。

• 加法规则：\(Var(aX + bY) = a^2 Var(X) + b^2 Var(Y)\)
• 减法规则：\(Var(aX - bY) = a^2 Var(X) + b^2 Var(Y)\)

注意：减法的公式与加法的公式完全一样！

示例：如果交付时间 \(X\) 的不确定性（方差）为 4 分钟的平方，付款时间 \(Y\) 的不确定性为 9 分钟的平方，则该过程的总不确定性 \(X+Y\) 为 \(4+9=13\)。如果你观察的是这两个时间的差 \(X-Y\)，不确定性仍然是 \(4+9=13\)！

方差的核心要点： 方差永远为正（因为平方），且永远相加（因为不确定性累积）。切记 \(a^2\) 因子！

---

3. 标准差 (\(\sigma\))

标准差（Standard Deviation），记作 \(\sigma\)，就是方差的平方根。它通常更容易解读，因为它的计量单位与随机变量本身的单位相同。

计算过程

你必须先计算出组合后的方差，然后再求标准差。

1. 使用规则求出组合方差：\(Var(aX \pm bY)\)。
2. 对结果取正平方根：\(\sigma_{(aX \pm bY)} = \sqrt{Var(aX \pm bY)}\)。

你不能直接相加或相减标准差！

你知道吗？统计学家使用方差是为了数学上的方便（因为方差的平方规则更简单），但在向非专业人士报告结果时，他们会换算回标准差，这样数字才更有实际意义。

---

4. 规则的推广与常见陷阱

处理多个变量

这些规则可以轻松推广到两个以上的变量（例如 \(X_1, X_2, X_3, \dots, X_n\)）。

• \(E(X_1 + X_2 + X_3) = E(X_1) + E(X_2) + E(X_3)\)
• \(Var(X_1 + X_2 + X_3) = Var(X_1) + Var(X_2) + Var(X_3)\) （假设相互独立）

关键区分：\(n\) 倍变量 vs. \(n\) 个独立副本之和

这是考试中最常出错的地方！你必须搞清楚 \(nX\) 与 \(n\) 个独立随机变量之和 \(X_1 + X_2 + \dots + X_n\) 的区别。

假设 \(X_1, X_2, X_3\) 是变量 \(X\) 的三个独立观测值，其中 \(E(X) = \mu\) 且 \(Var(X) = \sigma^2\)。

情况 A：\(3X\)（同一个变量的三倍）
这代表单个值乘以 3（例如：将一个箱子的尺寸扩大三倍）。

• \(E(3X) = 3 E(X) = 3\mu\)
• \(Var(3X) = 3^2 Var(X) = 9\sigma^2\)

情况 B：\(X_1 + X_2 + X_3\)（3 个独立变量之和）
这代表三个独立的值的总和（例如：三个独立挑选的箱子的总重量）。

• \(E(X_1 + X_2 + X_3) = E(X_1) + E(X_2) + E(X_3) = \mu + \mu + \mu = 3\mu\)
• \(Var(X_1 + X_2 + X_3) = Var(X_1) + Var(X_2) + Var(X_3) = \sigma^2 + \sigma^2 + \sigma^2 = 3\sigma^2\)

区别总结：

• 当一个变量乘以 3 时，方差乘以 \(3^2 = 9\)。
• 当三个独立变量相加时，方差乘以 3。

5. 例题详解与最终总结

示例场景

某公司生产零件。生产零件 A (\(A\)) 和零件 B (\(B\)) 所需的时间（分钟）是相互独立的随机变量。

• \(E(A) = 15\), \(Var(A) = 4\)
• \(E(B) = 20\), \(Var(B) = 9\)

生产流程需要 3 个 A 零件和 1 个 B 零件。总时间 \(T = 3A + B\)。求 \(E(T)\) 和 \(Var(T)\)。

分步解答

第 1 部分：期望时间 \(E(T)\)

1. 应用线性规则：\(E(3A + B) = E(3A) + E(B)\)
2. 应用规则 1（常数乘法）：\(E(3A) = 3 E(A)\)
3. 计算：\(E(T) = 3(15) + 20 = 45 + 20 = 65\) 分钟。

第 2 部分：时间方差 \(Var(T)\)

1. 应用方差加法规则（关键点：无论中间是加还是减，方差始终相加）：\(Var(3A + B) = Var(3A) + Var(B)\)
2. 应用规则 1（对常数平方）：\(Var(3A) = 3^2 Var(A)\)
3. 计算：\(Var(T) = (3^2 \times 4) + 9 = (9 \times 4) + 9 = 36 + 9 = 45\) 分钟的平方。

如果题目要求计算标准差，你会得到：\(\sigma(T) = \sqrt{45} \approx 6.71\) 分钟。

恭喜！你已经掌握了组合随机变量的核心代数规则。勤加练习这四条规则，特别是方差部分的规则，你一定能轻松拿下统计学 3（Statistics 3）的这一章节！