歡迎來到期望值的世界！

你好！歡迎來到 CS1 學習旅程中最重要的章節之一。如果你曾經好奇保險公司是如何決定保單保費的，或者賭徒是如何計算預期收益的，那麼你現在找到答案了：這就是期望值 (Expectations)。

在本章中，我們將學習如何計算隨機變量的「長期平均值」。如果一開始覺得數學公式看起來有點嚇人，不用擔心——我們會透過簡單的類比和清晰的例子逐步拆解。讓我們開始吧！

1. 什麼是期望值？

將期望值 (Expected Value)（記作 \(E[X]\)）想像成概率分佈的重心 (Center of gravity)。如果你將實驗重複進行數百萬次，它就是你所得到的平均值。

離散情況

如果你的隨機變量 \(X\) 是離散的（意味著你可以計算結果，例如擲骰子），期望值就是一個加權平均數 (Weighted average)。你需要將每個可能的值乘以其發生的概率，然後將它們全部加起來。

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

例子： 想像一個遊戲，你有 20% 的機會贏得 \$10，80% 的機會贏得 \$0。
\(E[X] = (10 \times 0.20) + (0 \times 0.80) = \$2\)。\n
儘管你在單次遊戲中永遠不可能剛好贏得 \$2，但如果你玩了 1,000 次，平均每次遊戲預期會贏得 \$2。

\n\n

連續情況

\n

如果 \(X\) 是連續的（例如索賠到達的確切時間），我們就使用積分 (Integration) 而非加總。邏輯是一樣的，只是應用在平滑的曲線圖上。

\n

\(E[X] = \int_{-\infty}^{\infty} x \cdot f(x) \, dx\)

\n

快速複習： 要計算期望值，記住口訣：數值 \(\times\) 概率，然後把它們全部加起來（或積分）即可！

\n\n

2. 期望值的性質

\n

期望值非常「聽話」，它們遵循一些簡單的規則，讓我們的運算輕鬆許多：

\n

1. 線性性質 (Linearity)： \(E[aX + b] = aE[X] + b\)。如果你將所有人的保險索賠額加倍並增加 \$5，平均索賠額也會加倍並增加 \$5。
2. 總和性質 (Sums)： \(E[X + Y] = E[X] + E[Y]\)。總和的平均值等於各平均值的總和。

需要避免的常見錯誤：

很多學生誤以為 \(E[X^2]\) 等同於 \((E[X])^2\)。這是不對的！ 務必透過計算 \(\sum x^2 \cdot P(X=x)\) 來單獨得出 \(E[X^2]\)。

3. 條件期望值：加入「已知條件」

這是最有趣的部分。有時候，我們會獲得額外的資訊。例如，在已知投保人年齡小於 25 歲的條件下，預期的索賠金額是多少？

條件期望值 (Conditional Expectation) \(E[X|Y=y]\) 是指僅在 \(Y\) 取值為 \(y\) 的情況下計算出的 \(X\) 平均值。

如何計算：

1. 找出條件概率 \(P(X|Y)\) 或條件密度函數 \(f(x|y)\)。
2. 使用標準期望值公式，但用條件概率替代一般概率。

\(E[X|Y=y] = \sum x \cdot P(X=x|Y=y)\) (離散)
\(E[X|Y=y] = \int x \cdot f(x|y) \, dx\) (連續)

你知道嗎？ 在精算工作中，條件期望值常用於經驗費率調整 (Experience rating)。如果一名駕駛一年內發生了 3 次事故，我們就會根據這項特定的資訊來「調整」對他未來索賠的期望！

4. 總期望值定律 (Law of Total Expectation)

這是 IFoA 考官的最愛！它也被稱為疊代期望值定律 (Law of Iterated Expectations) 或「塔屬性 (Tower Property)」。

它指出：\(E[X] = E[E[X|Y]]\)

等等，這是什麼意思？
這樣想：要找到 \(X\) 的總體平均值，你可以先找到不同組別的平均值 (\(E[X|Y]\))，然後再對這些組別平均值取平均。

類比：學校考試

想像你想計算全校的平均考試成績。
1. 首先，找出每個班級的平均分 (\(E[X|Class]\))。
2. 然後，根據每個班級的人數進行加權，計算這些班級平均分的平均值。
這就是全校的平均分 (\(E[X]\))。

5. 變異數與條件變異數

期望值告訴我們「中心」在哪，但變異數 (Variance) 告訴我們數值有多分散。
標準公式為：\(Var(X) = E[X^2] - (E[X])^2\)。

總變異數定律 (Law of Total Variance)

這個公式看起來很嚇人，讓我們拆解一下：
\(Var(X) = E[Var(X|Y)] + Var(E[X|Y])\)

口訣：「變異數的期望值 加上 期望值的變異數」 (E-V 加上 V-E)。

此公式將總風險分為兩部分：
1. \(E[Var(X|Y)]\)： 「組內」變異（每個組別內部的平均不確定性）。
2. \(Var(E[X|Y])\)： 「組間」變異（各組平均值之間的差異程度）。

6. 總結與學習重點

恭喜！你已經掌握了評估期望值的核心概念。以下是你複習時應該記住的要點：

- 期望值是加權平均數： 將結果乘以其概率即可。
- 線性性質： 你可以將常數移出期望值括號。
- 條件性： 當你有額外資訊改變了概率時，請使用 \(E[X|Y]\)。
- 總期望值定律： \(E[X] = E[E[X|Y]]\)。當 \(X\) 取決於另一個因素 \(Y\) 時使用此定律。
- 總變異數定律： \(Var(X) = E[Var(X|Y)] + Var(E[X|Y])\)。這有助於將風險分解為不同的來源。

最後小貼士： 當你遇到一個變量取決於另一個變量的題目時（例如：索賠次數取決於天氣），你的思維應該立即跳轉到條件期望值！保持練習，這些公式很快就會變成你的直覺。