欢迎来到随机变量的组合！
在你之前的统计单元中，已经学过如何处理单一随机变量，例如学生的身高或苹果的重量。但如果袋子里装了三个苹果会怎样？又或者，如果你想找出盒子重量与盒内物品重量之间的差异，该怎么算呢？
在本章中，我们将探讨如何结合不同的独立随机变量。这对于单元 S3 来说是一项至关重要的技能，因为它构成了稍后更进阶统计检验（Testing）的基础。如果刚开始觉得有点抽象也不用担心，只要看懂了其中的规律，它就像照着食谱做菜一样简单！
1. 先修知识：游戏规则
在结合变量之前，我们先快速重温统计学一 (S1) 中你需要用到的两条规则。若 \(X\) 为随机变量，而 \(a\) 与 \(b\) 为常数：
- 期望值（平均值）： \(E(aX + b) = aE(X) + b\)
- 方差（离散程度）： \(Var(aX + b) = a^2Var(X)\)
小贴士：请注意，对于方差而言，\(b\) 会消失（加上一个常数并不会改变数据的离散程度），而 \(a\) 需要平方，因为方差的单位是原始单位的平方！
2. 结合两个不同的变量
想象你有两个独立变量：\(X\)（咖啡杯的重量）和 \(Y\)（杯内咖啡的重量）。要找出总重量，我们关注的是 \(X + Y\)。
组合的平均值
计算新的平均值非常直接。只需根据期望值进行加减即可：
\(E(aX \pm bY) = aE(X) \pm bE(Y)\)
组合的方差
这是学生最容易出错的地方，请务必留意！如果 \(X\) 和 \(Y\) 是独立的：
\(Var(aX \pm bY) = a^2Var(X) + b^2Var(Y)\)
等等，为什么两者中间都是加号？
把方差想成“不确定性”或“误差”。如果你加上两件物品，你的不确定性就会增加。即使你是从一个物品中减去另一个，总体的不确定性依然会增加，因为你结合了两次测量的“不稳定性”。
类比：如果你尝试测量两张摇晃的桌子之间的缝隙，这个缝隙会比单张桌子摇晃得更厉害！
避免常见错误：永远不要将方差相减。即使公式要求的是 \(X - Y\)，你依然要相加方差：\(Var(X - Y) = Var(X) + Var(Y)\)。
3. 正态分布变量的线性组合
S3 课程大纲的核心重点在于，当 \(X\) 和 \(Y\) 皆服从正态分布 (Normal Distribution) 时会发生什么。
黄金法则：如果 \(X\) 和 \(Y\) 都是正态分布，那么它们的任何线性组合（例如 \(X + Y\) 或 \(2X - 3Y\)）也必定是正态分布。
主公式
如果 \(X \sim N(\mu_x, \sigma_x^2)\) 和 \(Y \sim N(\mu_y, \sigma_y^2)\) 是独立的，那么：
\(aX \pm bY \sim N(a\mu_x \pm b\mu_y, a^2\sigma_x^2 + b^2\sigma_y^2)\)
解题步骤：
- 找出每个变量的平均值 (\(\mu\)) 和方差 (\(\sigma^2\))。
- 使用期望值规则计算新的平均值。
- 计算新的方差（记得将系数平方，并且永远执行加法）。
- 写出新的分布形式：\(N(\text{新平均值}, \text{新方差})\)。
- 使用计算器或正态分布表查出所需的概率。
范例：
饼干的重量 \(C \sim N(30, 2)\)，其包装的重量 \(P \sim N(5, 0.5)\)。总重量 \(T = C + P\) 的分布为何？
\(E(T) = 30 + 5 = 35\)
\(Var(T) = 2 + 0.5 = 2.5\)
所以，\(T \sim N(35, 2.5)\)。
4. “总和”与“倍数”的陷阱
这是 Further Maths S3 最容易失分的地方之一。单一物品乘以 \(n\) 倍与 \(n\) 个独立物品相加之间有巨大的差异。
情况 A：单一变量的倍数 (\(nX\))
想象你拿取了一袋巨大的 2kg 面粉。
\(E(2X) = 2E(X)\)
\(Var(2X) = 2^2Var(X) = 4Var(X)\)
情况 B：独立变量的总和 (\(X_1 + X_2\))
想象你拿取了两袋分开的 1kg 面粉。因为它们是分开的，它们的变异可能会稍微抵消（一袋可能重一点，另一袋可能轻一点）。
\(E(X_1 + X_2) = E(X) + E(X) = 2E(X)\)
\(Var(X_1 + X_2) = Var(X) + Var(X) = 2Var(X)\)
重点总结：相加独立项目（情况 B）所得的方差会比将单一项目乘以倍数（情况 A）的方差小。在考试中请务必细读题目：你买的是“一瓶 5 公升的瓶子”(\(5X\)) 还是“五瓶 1 公升的瓶子”(\(X_1 + X_2 + X_3 + X_4 + X_5\))？
5. 总结与快速回顾
你知道吗？这种结合正态变量的能力，就是我们稍后在 S3 学到的中心极限定理 (Central Limit Theorem) 的基础，它能让我们对平均值进行预测！
快速回顾栏：
- 平均值：\(E(aX + bY) = aE(X) + bE(Y)\)
- 方差：\(Var(aX + bY) = a^2Var(X) + b^2Var(Y)\)
- 方差：\(Var(aX - bY) = a^2Var(X) + b^2Var(Y)\)（永远执行加法）
- 正态变量的线性组合永远是正态的。
- 标准差是方差的平方根——使用这些公式前，请务必先换算成方差！
鼓励一下：如果方差的规则让你感到奇怪，记住“摇晃的桌子”那个类比就好。误差永远只会叠加！多练习几个关于 \(X_1 + X_2\) 对比 \(2X\) 的题目，很快你就会成为这部分的专家了。