歡迎來到隨機變數的組合！
在你之前的統計單元中，已經學過如何處理單一隨機變數，例如學生的身高或蘋果的重量。但如果袋子裡裝了三個蘋果會怎樣？又或者，如果你想找出盒子重量與盒內物品重量之間的差異，該怎麼算呢？
在本章中，我們將探討如何結合不同的獨立隨機變數。這對於單元 S3 來說是一項至關重要的技能，因為它構成了稍後更進階統計檢定（Testing）的基礎。如果剛開始覺得有點抽象也不用擔心，只要看懂了其中的規律，它就像照著食譜做菜一樣簡單！
1. 先修知識：遊戲規則
在結合變數之前，我們先快速重溫統計學一 (S1) 中你需要用到的兩條規則。若 \(X\) 為隨機變數，而 \(a\) 與 \(b\) 為常數：
- 期望值（平均值）： \(E(aX + b) = aE(X) + b\)
- 變異數（離散程度）： \(Var(aX + b) = a^2Var(X)\)
小撇步：請注意，對於變異數而言，\(b\) 會消失（加上一個常數並不會改變數據的離散程度），而 \(a\) 需要平方，因為變異數的單位是原始單位的平方！
2. 結合兩個不同的變數
想像你有兩個獨立變數：\(X\)（咖啡杯的重量）和 \(Y\)（杯內咖啡的重量）。要找出總重量，我們關注的是 \(X + Y\)。
組合的平均值
計算新的平均值非常直接。只需根據期望值進行加減即可：
\(E(aX \pm bY) = aE(X) \pm bE(Y)\)
組合的變異數
這是學生最容易出錯的地方，請務必留意！如果 \(X\) 和 \(Y\) 是獨立的：
\(Var(aX \pm bY) = a^2Var(X) + b^2Var(Y)\)
等等，為什麼兩者中間都是加號？
把變異數想成「不確定性」或「誤差」。如果你加上兩件物品，你的不確定性就會增加。即使你是從一個物品中減去另一個，總體的不確定性依然會增加，因為你結合了兩次測量的「不穩定性」。
類比：如果你嘗試測量兩張搖晃的桌子之間的縫隙，這個縫隙會比單張桌子搖晃得更厲害！
避免常見錯誤：永遠不要將變異數相減。即使公式要求的是 \(X - Y\)，你依然要相加變異數：\(Var(X - Y) = Var(X) + Var(Y)\)。
3. 常態分配變數的線性組合
S3 課程大綱的核心重點在於，當 \(X\) 和 \(Y\) 皆服從常態分配 (Normal Distribution) 時會發生什麼。
黃金法則：如果 \(X\) 和 \(Y\) 都是常態分配，那麼它們的任何線性組合（例如 \(X + Y\) 或 \(2X - 3Y\)）也必定是常態分配。
主公式
如果 \(X \sim N(\mu_x, \sigma_x^2)\) 和 \(Y \sim N(\mu_y, \sigma_y^2)\) 是獨立的，那麼：
\(aX \pm bY \sim N(a\mu_x \pm b\mu_y, a^2\sigma_x^2 + b^2\sigma_y^2)\)
解題步驟：
- 找出每個變數的平均值 (\(\mu\)) 和變異數 (\(\sigma^2\))。
- 使用期望值規則計算新的平均值。
- 計算新的變異數（記得將係數平方，並且永遠執行加法）。
- 寫出新的分配形式：\(N(\text{新平均值}, \text{新變異數})\)。
- 使用計算機或常態分配表查出所需的機率。
範例：
餅乾的重量 \(C \sim N(30, 2)\)，其包裝的重量 \(P \sim N(5, 0.5)\)。總重量 \(T = C + P\) 的分配為何？
\(E(T) = 30 + 5 = 35\)
\(Var(T) = 2 + 0.5 = 2.5\)
所以，\(T \sim N(35, 2.5)\)。
4. 「總和」與「倍數」的陷阱
這是 Further Maths S3 最容易失分的地方之一。單一物品乘以 \(n\) 倍與 \(n\) 個獨立物品相加之間有巨大的差異。
情況 A：單一變數的倍數 (\(nX\))
想像你拿取了一袋巨大的 2kg 麵粉。
\(E(2X) = 2E(X)\)
\(Var(2X) = 2^2Var(X) = 4Var(X)\)
情況 B：獨立變數的總和 (\(X_1 + X_2\))
想像你拿取了兩袋分開的 1kg 麵粉。因為它們是分開的，它們的變異可能會稍微抵銷（一袋可能重一點，另一袋可能輕一點）。
\(E(X_1 + X_2) = E(X) + E(X) = 2E(X)\)
\(Var(X_1 + X_2) = Var(X) + Var(X) = 2Var(X)\)
重點總結：相加獨立項目（情況 B）所得的變異數會比將單一項目乘以倍數（情況 A）的變異數小。在考試中請務必細讀題目：你買的是「一瓶 5 公升的瓶子」(\(5X\)) 還是「五瓶 1 公升的瓶子」(\(X_1 + X_2 + X_3 + X_4 + X_5\))？
5. 總結與快速回顧
你知道嗎？這種結合常態變數的能力，就是我們稍後在 S3 學到的中央極限定理 (Central Limit Theorem) 的基礎，它能讓我們對平均值進行預測！
快速回顧欄：
- 平均值：\(E(aX + bY) = aE(X) + bE(Y)\)
- 變異數：\(Var(aX + bY) = a^2Var(X) + b^2Var(Y)\)
- 變異數：\(Var(aX - bY) = a^2Var(X) + b^2Var(Y)\)（永遠執行加法）
- 常態變數的線性組合永遠是常態的。
- 標準差是變異數的平方根——使用這些公式前，請務必先換算成變異數！
鼓勵一下：如果變異數的規則讓你感到奇怪，記住「搖晃的桌子」那個類比就好。誤差永遠只會疊加！多練習幾個關於 \(X_1 + X_2\) 對比 \(2X\) 的題目，很快你就會成為這部分的專家了。