章节6：方差：一个事件上的条件；多元随机变量 Lec. 6: Variance
数学大学
章节6：方差：一个事件上
概率论——不确定性的科学 · 单元4：离散随机变量 Unit 4: Discrete random variables
按 空格/→ 演示下一步
全部页面点击任意一页，跳回舞台从这页播放
数学大学
章节6：方差：一个事件上
概率论——不确定性的科学 · 单元4：离散随机变量 Unit 4: Discrete random variables
E3088DC28DDF20E99C33DC59
本节习题课示范离散随机变量方差类问题的标准求解流程。
求解框架
先求 PMF，再按定义或线性性算方差
常见陷阱
把 E[X²] 误当成 (E[X])²
Variance
方差度量随机变量围绕均值的散布程度：Var(X)=E[(X−μ)²]。
定义
偏差平方的期望，恒非负
简化公式
Var(X)=E[X²]−(E[X])²
标准差
σ=√Var，与 X 同量纲
Total expectation theore
全期望定理：按条件拆分加权，总期望等于各条件期望的加权和。
公式
E[X]=ΣP(Aᵢ)E[X|Aᵢ]
用途
分段场景下化整为零逐段求期望
Joint PMFs and the expec
联合 PMF 支撑多元期望：E[g(X,Y)] 按联合分布双重求和。
联合 PMF
p_{XY}(x,y) 完整描述联合行为
期望规则
E[g(X,Y)]=ΣΣg·p_{XY}
本节要点
- ✓方差 = E[X²] 减均值的平方
- ✓全期望定理分段拆解复杂场景
- ✓多元期望按联合 PMF 双重求和
延伸主题：用简化公式算一次方差用全期望解一道分段题
课后思考
先自己回答，再展开参考答案——能讲出来才算真懂。
1为什么 E[X²] ≠ (E[X])²？什么时候两者会接近？
参考答案E[X²] 是平方值的平均，(E[X])² 是平均值的平方，差值恰为方差。X 波动越小两者越接近；X 为常数时相等。方差正是用这个差来度量波动。
2全期望定理与全概率公式是什么关系？
参考答案全概率公式分解事件概率，全期望定理把同样的「分情况」思想用于期望：按互斥完备的条件集拆分，各条件下的期望加权求和。结构同源，对象从概率换成了期望。
3联合 PMF 求出的边际 PMF 有什么用？
参考答案对联合 PMF 按行或列求和即得各自的边际 PMF——单个变量的分布。期望、方差等单变量指标都基于边际计算；联合里多出的信息是两者的相关性。