方差期望公式推导
更新日期:2026-11-11 22:27:45
| 标题 | 方差期望公式推导 | ||||||||||||||||||||||||||||||||||||||||||||||
| 内容 | 在概率论与统计学中,方差和期望是描述随机变量分布特性的两个重要指标。方差衡量的是随机变量与其均值之间的偏离程度,而期望则是随机变量的平均值。在实际应用中,常常需要对条件期望与方差进行联合分析,从而引出“方差期望公式”,也称为“全方差公式”。本文将对这一公式的推导过程进行总结,并通过表格形式展示关键步骤。 一、基本概念 1. 期望(Expectation): 随机变量 $ X $ 的期望记为 $ E[X] $,表示其长期平均值。 2. 方差(Variance): 随机变量 $ X $ 的方差记为 $ \text{Var}(X) = E[(X - E[X])^2] $,表示其围绕均值的波动程度。 3. 条件期望(Conditional Expectation): 在给定另一个随机变量 $ Y $ 的条件下,$ X $ 的期望记为 $ E[X | Y] $。 | Y) = E[(X - E[X | Y])^2 | Y] $。 | Y)] + \text{Var}(E[X | Y]) | Y]) + (E[X | Y] - E[X]) | Y])^2 + 2(X - E[X | Y])(E[X | Y] - E[X]) + (E[X | Y] - E[X])^2 | Y])^2 | Y]] + 2E[(X - E[X | Y])(E[X | Y] - E[X])] + E[(E[X | Y] - E[X])^2 | Y] $ 是关于 $ Y $ 的函数,第二项中 $ E[X | Y] - E[X] $ 与 $ X - E[X | Y] $ 相乘后,期望为0,因此: | Y)] + \text{Var}(E[X | Y]) |
| 步骤 | 内容 | 说明 | ||
| 1 | 定义方差 | $\text{Var}(X) = E[(X - E[X])^2]$ | ||
| 2 | 引入条件期望 | 将 $ X - E[X] $ 拆分为两部分 | ||
| 3 | 展开平方项 | $(X - E[X])^2 = (X - E[X | Y])^2 + ...$ | |
| 4 | 取期望 | 对等式两边取期望,分离条件期望与方差 | ||
| 5 | 简化项 | 第二项期望为0,得到最终公式 | ||
| 6 | 得出结论 | $\text{Var}(X) = E[\text{Var}(X | Y)] + \text{Var}(E[X | Y])$ |
五、结论
方差期望公式是概率论中的一个重要工具,广泛应用于风险评估、金融建模、统计推断等领域。通过理解其推导过程,我们可以更深入地把握随机变量的不确定性来源,从而更好地进行数据分析与决策。
以上就是【方差期望公式推导】相关内容,希望对您有所帮助。