【读书笔记-＞统计学】05-03 “概率”的整体影响-相互独立的随机变量、线性变化随机变量的计算概念简介

相互独立的随机变量的“加”与“减”

新的情景：假设有2台老虎机，它们各自独立，其概率分布分别如下：

老虎机1：

x	-5	395
P(X=x)	0.99	0.01

老虎机2，也就是上面用过的老虎机：

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

求在两台老虎机上各玩一局的期望和方差。

---

当然，我们可以用原始的方法，既然是求E(X+Y)或Var(X+Y)，那么我们可以求出X+Y的概率分布，也就是列一张X+Y的表，在分别求期望和方差。

不过，我们有别的方法！

E(X)+E(Y)=E(X+Y)

我们只要相加两个事件的期望，其实就求出了E(X+Y)。意义显而易见，例如，如果你玩两局，一局有望赢5美元，另一局有望赢10美元，则总体上有望赢5美元+10美元。
$$E(X)+E(Y)=E(X+Y)$$
类似地，可以求出方差，只要将两个方差相加即可。对于所有独立随机变量来说，这些结论全都成立。
$$Var(X+Y)=Var(X)+Var(Y)$$

提示：方差加法仅适用于独立随机变量

E(X)-E(Y)=E(X-Y)

同理，如果是两个随机变量的差，只需要期望相减即可。
$$E(X)-E(Y)=E(X-Y)$$
不过，X-Y的方差依然需要将两个方差加起来。这可能有违直观，加的原因是变异性增大了。
$$Var(X-Y)=Var(X)+Var(Y)$$

注意：这里的随机变量是独立的

线性变换的“加”与“减”

和独立随机变量同理，线性变换也可以做加减运算（个人观点：因为线性变换后的两个随机变量也是相互独立的！）。

假设有这种情况：如果赌场更改了两台老虎机（或者只是其中一台）的赌本和奖金，我们需要求出整个概率分布，以便求出新的期望和方差。

当然我们也可以做表，画出整个随机变量概率表格，不过上面的加减更简单些。

假设X和Y老虎机的收益变了，使得X的收益为aX，Y的收益为bY，其中a和b为任意数字。现，求aX和bY这两个组合的期望和方差。

aX+bY的期望和方差

$$\begin{gathered} E(aX+bY)=aE(X)+bE(Y) \\ Var(aX+bY)=a^{2}Var(X)+b^{2}Var(Y) \end{gathered}$$

aX-bY的期望和方差

$$\begin{gathered} E(aX-bY)=aE(X)-bE(Y) \\ Var(aX-bY)=a^{2}Var(X)+b^{2}Var(Y) \end{gathered}$$

方差减法与独立随机变量时相同。

个人评论：有些同学可能会有疑问，那么如果是X（或Y）的收益变成aX(或Y)+b呢？

其实不用担心，照样使用线性变换的公式就好了，期望+b，方差不变。

问：为什么把X-Y的方差加起来？你肯定应该做减法吧？

答：猛一看这有违直觉，不过，当你用一个变量减另一个变量时，其实变异性是增大的，因此方差也增大。变量相减的变异性与变量增加的变异性其实是一样的。

还有一种理解方法：计算方差时会取基本数值的平方，Var(X+bY)等于$Var(X)+b^{2}Var(Y)$，如果b=-1，则得出Var(X-Y)，由于$(-1{)}^2=1$，因此Var(X-Y)=Var(X)+Var(Y)。

**我举一个方便我理解的例子。**如果有一个硬币，我规定人的那面我加1分，国徽的那面我得0分，那么概率分布为：

x	0	1
P(X=x)	0.5	0.5

那么，期望为0.5，方差为0.25。

• 如果掷两次硬币，将得分相加，那得分的期望应该是1；方差是0.5。
• 如果要 求：掷第一次硬币的得分 与 掷第二次硬币的得分的差别，则期望应该是0；方差照样是0.5，而不是0.25-0.25=0。

我们验证一下，设Y是新的随机变量：

y	-1	0	1
P(Y=y)	0.25	0.5	0.25

一共也就4种可能，也就是00（=0）、01（=-1）、10（=1）、11（=0）。

根据方差公式，$Var(Y)=\sum (y-\mu {)}^{2}P(Y=y)$

期望=0；方差=0.5。

公式总结

一道“期望”的实际应用题！

一道2个随机变量的“期望”和“方差”之差的题目！