歡迎來到「離散度」（Spread）的世界！

在之前的課程中，我們學習了期望值（Expected Value）（即平均值），它告訴我們隨機變量的「中心」在哪裡。但僅僅知道中心點是不夠的！試想像兩名射箭選手：一位總是正中紅心，另一位則時而偏左、時而偏右，準心嚴重不穩。雖然他們的平均表現都是射中中心，但兩人的表現卻大不相同！

本章將探討如何衡量隨機變量的「離散程度」或「風險」。這對精算師來說至關重要，因為在保險業中，我們為之定價的本質就是不確定性（Uncertainty）（即離散度）。如果這些公式看起來有點嚇人，不用擔心，我們會一步步拆解給大家看！

1. 變異數（Variance）：衡量「波動空間」的指標

隨機變量的變異數（Variance），記作 \( Var(X) \) 或 \( \sigma^2 \)，用來衡量數值與平均值之間的平均平方距離。它告訴我們數據在平均值附近「波動」得有多厲害。

概念公式

\( Var(X) = E[(X - \mu)^2] \)
其中 \( \mu \) 是平均值 \( E[X] \)。

等等，為什麼要平方？

問得好！如果我們只計算與平均值的距離總和，正數差值（高於平均）和負數差值（低於平均）會互相抵消，導致結果變成零。透過平方，所有數值都會變為正數，這樣我們就能觀察到離散程度的總量級。

考試必備的「捷徑公式」

在 Exam P 的考場上，你幾乎總是會用到這個版本，因為計算起來快得多！
\( Var(X) = E[X^2] - (E[X])^2 \)

記憶小撇步：默唸「平方的期望值，減去期望值的平方」。

如何計算 \( E[X^2] \)：
  • 離散型（Discrete）： \( \sum x^2 \cdot P(X=x) \)
  • 連續型（Continuous）： \( \int_{-\infty}^{\infty} x^2 \cdot f(x) \, dx \)

快速複習：要找到變異數，先求出「二階動差」\( E[X^2] \)，再求出「一階動差」（即平均值）並將其平方，最後兩者相減即可！

2. 標準差（Standard Deviation）：回歸現實的單位

變異數固然好用，但它有個怪癖：它的單位是平方單位。如果 \( X \) 代表美元，變異數的單位就是「平方美元」。這到底是什麼意思？為了回到我們能理解的單位，我們使用標準差（Standard Deviation）（\( \sigma \)）。

公式： \( \sigma = \sqrt{Var(X)} \)

關鍵點：標準差永遠不會是負數。因為它是變異數的平方根，結果永遠 \( \geq 0 \)。如果在考試中計算出負的標準差，請停下來檢查一下變異數公式中的相減步驟是否出錯了！

類比：披薩外送

如果一家披薩店表示其平均外送時間為 30 分鐘，且標準差為 5 分鐘，你可以合理預期披薩會在 25–35 分鐘內送到。但如果標準差是 20 分鐘，你可能會在 10 分鐘或 50 分鐘才拿到披薩——這就是更大的不確定性！

3. 變異係數（Coefficient of Variation, CV）

有時候，我們想比較兩樣事物的離散程度。100 美元的標準差算「大」嗎？這得看情況！如果你為價值 1,000,000 美元的房子投保，100 美元微不足道；但如果你為價值 200 美元的腳踏車投保，100 美元可就是個大數目了！

變異係數（CV）將標準差表示為平均值的百分比，它是衡量相對風險（Relative Risk）的指標。

公式： \( CV = \frac{\sigma}{E[X]} \)

注意：此公式僅在平均值 \( E[X] \) 不為零時使用。

4. 變異數的變換規則

Exam P 很喜歡考當你對隨機變量進行變換（例如增加費用或乘上倍數）時，變異數會發生什麼變化。這些規則與平均值的規則可是大不相同的！

規則 A：加上常數

\( Var(X + b) = Var(X) \)
為什麼？如果你給班上每個學生額外加 5 分，平均分會提高，但離散程度（學生之間的分數差距）會完全保持不變。加上一個常數並不會改變變異數。

規則 B：乘上常數

\( Var(aX) = a^2 \cdot Var(X) \)
常見錯誤警示！學生經常忘記將常數平方。如果你將每項索賠額增加一倍（\( 2X \)），變異數會增加為原本的 4 倍（\( 2^2 \)）。

合併規則：

\( Var(aX + b) = a^2 \cdot Var(X) \)

快速範例：

如果 \( Var(X) = 10 \)，那麼 \( Var(3X + 5) \) 是多少？
1. 忽略 \( +5 \)（它不影響離散度）。
2. 將 \( 3 \) 平方，得到 \( 9 \)。
3. \( 9 \cdot 10 = 90 \)。

5. 總結與關鍵要點

你知道嗎？變異數通常被稱為「二階中心動差」（second central moment）。它是所有精算科學中最核心的概念之一！

關鍵要點：

  • 變異數（\( \sigma^2 \)）衡量平方離散度：\( E[X^2] - (E[X])^2 \)。
  • 標準差（\( \sigma \)）是變異數的平方根，單位與原始變量一致。
  • 變異係數為 \( \sigma / \mu \)，用於衡量相對風險。
  • 常數影響：加常數（\( +b \)）不會改變變異數；乘上常數 \( a \)，變異數會縮放 \( a^2 \) 倍。

避免常見陷阱：
永遠記住 \( (E[X])^2 \) 並不等於 \( E[X^2] \)。例如，若 \( X \) 是擲骰子的點數，\( E[X] = 3.5 \)，則 \( (E[X])^2 = 12.25 \)。然而，\( E[X^2] = (1^2+2^2+3^2+4^2+5^2+6^2)/6 = 15.16 \)。它們的數值差異很大！

繼續練習！只要多算個幾次，變異數的計算就會變成本能。你一定做得到的！