【读书笔记-＞统计学】05-02 “概率”的整体影响-随机变量的线性变换、独立观测值概念简介

线性变换

书中给了一个新的情境：在原来的基础上，老虎机的奖励翻5倍，但是拉一次杆的赌本从1美元变成了2美元。

下面是新的概率分布：

y	-2	23	48	73	98
P(Y=y)	0.977	0.008	0.008	0.006	0.001

之前的收益分布的期望和方差分别是“-0.77”和“2.6971”，那么现在呢？
$$\begin{gathered} E(Y)=(-2)\ast 0.977+23\ast 0.008+...+98\ast 0.001 \\ =-0.85 \\ Var(Y)=\sum (Y-\mu {)}^2 \\ =(-2+0.85{)}^2\ast 0.977+...+(98+0.850{)}^2\ast 0.001 \\ =67.4275 \end{gathered}$$
期望稍微下降了一点，因此从长期来看，我们每届可望赔0.85美元；方差增大，这表示从长期看来，我们有可能在这台老虎机上赔更多的钱，但确定性更小。

E(X)与E(Y)之间存在线性关系

新旧收益其实相互关联，每一局的赌本上涨到2美元，赢金则是原来的5倍，它们的期望和方差也存在关系。我们可以看下面：

我们可以将以上公式推广至任意随机变量，若随机变量为X：
$$\begin{gathered} E(aX+b)=aE(x)+b \\ Var(aX+b)=a^{2}Var(X) \end{gathered}$$
这就是所谓的线性变换，因为X发生的是线性变化—即基础概率保持不变，当数值变为新值，其形式为：aX+b。

---

其实也很好理解，假设X，$Y=aX+b$，a和b是常量。每个$x_1,x_2,...,x_n$为X具体的取值，自然地，对于每个$y_1,y_2,...,y_n$，$y_i=a{x}_i+b$。

概率分布如下图所示：

x	$x_1$	$x_2$	…	$x_n$
y	$y_1$	$y_2$	…	$y_n$
P(X=x)	$P(x_1)$	$P(x_2)$	…	$P(x_n)$
P(Y=y)	$P(x_1)$	$P(x_1)$	…	$P(x_1)$

X的期望为$E(X)=\sum xP(X=x)$。则，
$$\begin{gathered} E(Y)=E(aX+b) \\ =\sum (ax+b)\ast P(x) \\ =\sum ax\ast P(x)+\sum bP(x) \\ =a[x_{1}P(x_1)+...x_{n}P(x_n)]+b(P(x_1)+...+P(x_n)) \\ =a\sum xP(x)+b \\ =aE(x)+b \end{gathered}$$
X的方差为$Var(X)=E(X-E(x){)}^2=\sum (x-E(x){)}^{2}P(X=x)$。则，
$$\begin{gathered} Var(Y)=E(Y-E(Y){)}^2 \\ =\sum (y-E(Y){)}^{2}P(Y=y) \\ =\sum [ax+b-(aE(x)+b){]}^{2}P(X=x) \\ =\sum [a(x-E(x)){]}^{2}P(X=x) \\ =\sum a^2\ast (x-E(x){)}^{2}P(X=x) \\ =a^2\sum (x-E(x){)}^{2}P(X=x) \\ =a^{2}Var(x) \end{gathered}$$

---

问：方差中的b哪里去了？

答：在概率分布中增加了一个常数仅对期望有影响，对整个方差没有影响。在变量中增加一个常数不过是将概率分布移动一下，分布的形状依然不变。（也可以从上面的推导看出来，b被减掉了）也就是说，期望以b为幅度进行偏移，但由于形状保持不变，所以方差也保持不变。

问：我很惊奇，方差会乘以一个$a^2$，这是为什么？

答：变量乘以一个常数意味着所有基础数据都乘以该常数。在计算方差的过程中要计算各基础数据的平方。由于基础数据都乘以a，因此最终结果是方差乘以$a^2$。（很好理解啦，$Var(X)=E(X-E(x){)}^2=\sum (x-E(x){)}^{2}P(X=x)$，每个x乘以a，期望E(X)也乘以a，再相减后平方，直觉地肯定方差会是平方倍）

小知识：$E(f(X))=\sum f(x)P(X=x)$，由期望公式直接推导出

例题：

独立观测值

导言

假设有一台非常简单的老虎机，其概率分布X如下表所示：

X	-1	5
P(X=x)	0.9	0.1

为了求出2X的概率分布，只需将X乘以2，由于潜在收益翻倍，因此基础数据发生了变化。

X	-2	10
P(2X=2x)	0.9	0.1

进行线性变换后，所有的概率都保持不变，但可能出现的数值（2X）发生变化—发生变换的是数值而非概率。这些可能数值的数目仍然不变。

如果想在这台老虎机上玩两局，就需要从头开始计算概率分布，这时要考虑两局赌局可能出现的所有结果。

W	-2	4	10
P(W=w)	0.81	0.18(0.09+0.09)	0.01

这一次概率和数值都变了，那么如何求期望与方差呢？

如果多玩几种其他游戏，则数值和概率都发生变化，就连可能数值的数目（由2变3）也会发生变化。这时不可能只对数值进行转化，而概率的计算会迅速变得错综复杂。

每一次拉杆为一个独立观测值

在赌博机上连玩多局赌局时，每一局称为一个事件，每一局的结果称为一个观测值。每一个观测值具有相同的期望和方差，但观测值互有差别，不可能每一局的收益都一样。

我们需要用某种方法对不同赌局或观测值进行区分，如果有X代表老虎机收益的概率分布，则把第一个观测值称为$X_1$，把第二个观测值称为$X_2$。

$X_1$和$X_2$都具有和X一样的概率、可能值、期望和方差，也就是说，虽然它们是互不相干的观测值，并且结果也不同，但它们的概率分布相同。

我们希望求出两局老虎机赌局的期望和方差，实际上就是要求$X_1+X_2$的期望和方差。

观测值速算法

期望

$$E(X_1+X_2)=E(X_1)+E(X_2)=E(X)+E(X)=2E(X)$$

如果我们已知两个观测值的期望，则将E(X)乘以2即可。可以将整个结论推广至多个观测值，若我们想求出n个观测值的期望，则可以按下式计算：
$$E(X_1+X_2+...X_n)=nE(X)$$

方差

$$Var(X_1+X_2)=Var(X_1)+Var(X_2)=Var(X)+Var(X)=2Var(X)$$

与上面相同，多个观测值的时候同理：
$$Var(X_1+X_2+...X_n)=nVar(X)$$

问：难道$E(X_1+X_2)+E(2X)$不一样？

答：不一样。E(2X)表示将变量的基础数据翻倍，然后求期望和方差。$E(X_1+X_2)$表示你观测到了X的两个独立结果，需要求其综合期望。

问：这么说$X_1$和$X_2$是一样的？

答：它们的概率分布相同，但它们本身是不同的结果（或者说观测值）。它们的实际结果可以不一样。

例题，前面2个我无法理解，后面3个大家应该能理解。

我猜测：第一个的意思应该为：超大杯咖啡的咖啡量和X是线性关系，比如aX+b。第二个的意思应该为：每天多喝一杯咖啡，每喝一杯咖啡的量X和其他一杯咖啡的量是独立的。