歡迎來到線性組合的世界！

歡迎！今天我們要來學習如何處理隨機變數的「團隊」。在之前的章節中，你花了不少時間研究單一變數（例如單筆保險索賠的成本）。但在現實世界中，以及在 Exam P 的考場上，我們經常需要處理多個變數的組合。

你可以把它想像成投資組合管理：你關心的不只是單一支股票，而是你所有股票組合後的總價值。這一章將教你數學上的「捷徑」，讓你無需進行大量的微積分運算，就能求出這些組合群體的期望值 (Mean/Expected Value) 和 變異數 (Variance)。

別擔心，如果剛開始覺得有點複雜也沒關係；一旦你看出了其中的規律，這其實是考試中最容易「拿分」的章節之一！

1. 期望值的超能力：線性性質 (Linearity)

期望值（或平均值）非常友善，它遵循一個叫做線性性質 (Linearity) 的法則。

如果你有兩個隨機變數 \(X\) 和 \(Y\)，以及常數 \(a\)、\(b\) 和 \(c\)，它們組合後的期望值正是你所期望的樣子：

\( E[aX + bY + c] = aE[X] + bE[Y] + c \)

為什麼這是一個超能力？ 因為這條規則適用於任何情況，無論 \(X\) 和 \(Y\) 是否獨立！它們可以是好朋友、死對頭，或者是完全無關的陌生人；期望值總是可以這樣進行線性相加。

現實生活類比：超市購物

想像 \(X\) 是牛奶的價格，\(Y\) 是麵包的價格。如果你買了 2 瓶牛奶 (\(2X\)) 和 3 個麵包 (\(3Y\))，且有一個固定的 \( \$1 \) 塑膠袋收費 (\(c\))，那麼你的平均總成本就是：\n
\n 2 倍的牛奶平均價格 + 3 倍的麵包平均價格 + $1 的費用。

重點回顧盒：
• \( E[X + Y] = E[X] + E[Y] \)
• \( E[aX] = aE[X] \)
• \( E[c] = c \)（常數的「平均值」就是該常數本身！）

2. 共變異數 (Covariance)：衡量關聯性

在討論變異數之前，我們需要先認識共變異數 (Covariance)。共變異數用來衡量兩個變數如何共同變動。

共變異數的公式為：
\( Cov(X, Y) = E[XY] - E[X]E[Y] \)

必須記住的重點：
1. 如果 \(X\) 和 \(Y\) 是獨立的 (Independent)，那麼 \(Cov(X, Y) = 0\)。 (但要小心：反之則不一定成立！)
2. \(Cov(X, X)\) 其實就是 \(Var(X)\) 的另一種寫法。
3. 如果 \(Cov(X, Y)\) 為正，表示它們傾向於一起增減；如果為負，表示當一個變數上升時，另一個傾向於下降。

3. 線性組合的變異數：運用「展開法」

變異數比期望值稍微固執一點。它不能直接相加，因為變數之間會互相干擾。

求和變異數的公式為：
\( Var(aX + bY) = a^2Var(X) + b^2Var(Y) + 2abCov(X, Y) \)

如何記憶？

回想一下高中代數中平方二項式的展開：\((m + n)^2 = m^2 + n^2 + 2mn\)。
變異數公式看起來幾乎一樣！
• \(a^2\) 和 \(b^2\) 項是「平方項」。
• \(2abCov(X, Y)\) 是「中間項」，用來處理變數之間的相互影響。

常見錯誤警示！ 學生經常忘記要對常數取平方。如果你看到 \(Var(3X)\)，答案應該是 \(9Var(X)\)，而不是 \(3Var(X)\)。

如果變數是獨立的呢？

這是最理想的情況！如果 \(X\) 和 \(Y\) 獨立，它們的共變異數為零。公式簡化為：
\( Var(aX + bY) = a^2Var(X) + b^2Var(Y) \)

你知道嗎？ 即使你是要將兩個獨立變數相減，你依然要將它們的變異數相加！
\( Var(X - Y) = Var(X) + (-1)^2Var(Y) = Var(X) + Var(Y) \)。
類比： 如果你有兩個不確定來源，從其中一個減去另一個並不會讓你的生活變得更確定——反而會增加更多混亂！

4. 相關係數 (\(\rho\))

有時候考試會直接給你相關係數 (Correlation Coefficient, \(\rho\)) 而不是共變異數。相關係數可以看作是「標準化」後的共變異數，數值恆介於 -1 到 1 之間。

它們之間的關係是：
\( \rho_{XY} = \frac{Cov(X, Y)}{\sigma_X \sigma_Y} \)

或者，為了方便變異數計算，變形為：
\( Cov(X, Y) = \rho_{XY} \cdot \sigma_X \cdot \sigma_Y \)
（其中 \(\sigma\) 是標準差，即 \(\sqrt{Var}\)）。

5. 逐步教學：解決線性組合問題

當你遇到題目要求計算 \(aX + bY\) 的變異數時，請遵循以下步驟：

步驟 1： 找出 \(Var(X)\) 和 \(Var(Y)\)。
步驟 2： 確認關係。它們是否獨立？如果不獨立，請找出 \(Cov(X, Y)\) 或相關係數 \(\rho\)。
步驟 3： 對常數進行平方 (\(a^2\) 和 \(b^2\))。
步驟 4： 將數值代入「大公式」：\(a^2Var(X) + b^2Var(Y) + 2abCov(X, Y)\)。
步驟 5： 再三檢查符號！如果你計算的是 \(Var(X - Y)\)，則 \(b = -1\)。這會使得中間項變為負數：\(-2Cov(X, Y)\)。

6. 重點總結

• 期望值很容易： 直接代入計算即可。\(E[aX + bY + c] = aE[X] + bE[Y] + c\)。
• 變異數需要平方： 務必將係數平方 (\(a \rightarrow a^2\))。
• 交互作用項： 別忘了加上 \(2abCov(X, Y)\)，除非你 100% 確定變數是獨立的。
• 獨立是一種禮物： 它使 \(Cov(X, Y) = 0\)，能大大簡化你的計算工作。
• 常數沒有變異數： \(Var(X + 5) = Var(X)\)。加上一個固定數值只會平移數據，並不會改變其「分散程度」。

請繼續多練習這些公式！它們是精算數學的基礎。你可以做到的！