章节13：条件期望和方差再现和独立随机变量的一个随机数的求和 Lec. 13:
数学大学
章节13：条件期望和方差再
概率论——不确定性的科学 · 单元6:随机变量上的进一步话题 Unit 6: Further topics on
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13：条件期望和方差再
概率论——不确定性的科学 · 单元6:随机变量上的进一步话题 Unit 6: Further topics on
A9D5C2EFD77631D19C33DC59
本节习题课示范条件期望与条件方差类问题的求解套路。
求解框架
先条件化分段，再套全期望与全方差
自查
逐段结果按概率加权后核对总量
Conditional expectation
条件期望本身是随机变量：E[X|Y] 随 Y 的取值而变。
双重身份
给定 y 是常数；作为整体是 Y 的函数
可再求期望
E[E[X|Y]]=E[X]，全期望的另一写法
The law of iterated expe
迭代期望定律：期望的期望等于期望，逐层剥开直达总期望。
公式
E[E[X|Y,Z]] = E[X|Z]（取弱条件）
应用
复杂分层场景逐层化简
Stick-breaking revisited
折棍问题再访：用条件期望重新求解分段比例问题。
条件分解
按折断顺序条件化，逐段求期望
对照
与直接积分法结果一致互相印证
Forecast revisions
预测修订：新信息到来时用条件期望更新预报值。
更新机制
预报 = 当前信息下的条件期望
修订幅度
新旧预报之差反映新信息含量
The conditional variance
条件方差：给定条件后剩余的不确定性 Var(X|Y)=E[X²|Y]−E[X|Y]²。
定义
条件分布内部的散布程度
随机变量
随条件取值而变，本身是随机变量
Derivation of the law of
全方差定律推导：Var(X)=E[Var(X|Y)]+Var(E[X|Y])。
两项含义
第一项是段内平均噪声，第二项是段间均值的波动
推导
对条件二阶矩套迭代期望展开
A simple example
简单例题：两层抽样场景下全方差定律的完整演算。
演算
分别算段内方差均值与均值方差
合计
两项相加核对总方差
Section means and varian
分段均值与方差的表达式：条件化视角下的分段统计量。
分段统计
每段独立的均值与方差估计
合成
全方差定律把分段量拼回整体
本节要点
- ✓E[X|Y] 本身是随机变量
- ✓迭代期望逐层剥开直达总期望
- ✓全方差 = 段内平均噪声 + 段间波动
延伸主题：推一遍全方差定律算一个两层抽样例题
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全方差定律的两项怎么直观理解？
参考答案总波动 = 每一段内部平均波动（段内噪声）+ 各段均值本身在段间跳动（段间差异）。例如分层抽样：层内误差与层间差异相加才是总方差。
2条件期望作为随机变量，对预测问题意味着什么？
参考答案意味着预测可以滚动更新：每获得新观测，E[X|已知] 就按条件重新计算。均方误差准则下它已是最优预测，任何残留在误差里的可预测性都说明条件化不够充分。
3条件方差与条件期望的「无预测价值」检验如何表述？
参考答案若残差 X−E[X|Y] 与 Y 的任意函数都不相关（正交），说明条件化已榨干 Y 的全部预测信息。若仍相关，说明条件化不充分，还可加入更多条件变量继续压低条件方差。