# 随机变量的参数

> AP 统计学 · AP 统计学 2024-2027
> 来源: https://www.owlsprep.com/zh/study/ap-statistics-u11-parameters-of-random-variables/

本模块涵盖离散随机变量的核心描述性参数，包括期望值、方差，以及符合AP统计学考试要求的变换与组合规则。

**先修:** [离散概率分布的构建](https://www.owlsprep.com/zh/study/ap-statistics-u11-discrete-probability-distributions/); 线性函数的基本代数运算

## 学习目标

- 根据离散随机变量的完整概率分布计算其期望值（均值）
- 推导并计算离散随机变量的方差与标准差
- 应用线性变换规则求解调整后的均值和离散度参数
- 使用独立随机变量的组合规则计算总和/差值的聚合参数

## 离散随机变量的期望值

与有限数据集的样本均值不同，随机变量的期望值会为每个可能结果赋予其对应的概率权重，而非对每个观测值平等计数。它代表你将随机过程运行无限次后所能观测到的平均结果。

**期望值** — 每个可能结果乘以其对应发生概率后的总和

*记法:* $E[X] = \sum x_i P(X=x_i)$

**例题:** 抛掷一枚公平的6面骰子，X为朝上一面显示的点数。计算X的期望值。

1. 列出所有可能结果及其概率：1到6的每个x对应的P(X=x)均为1/6
2. $$E[X] = (1 \times 1/6) + (2 \times 1/6) + (3 \times 1/6) + (4 \times 1/6) + (5 \times 1/6) + (6 \times 1/6)$$
3. 对各项求和得到E[X] = 21 / 6 = 3.5

**概念自测**

测试你对期望值计算的理解：

1. 随机变量Y的取值为0、1、2，对应概率分别为0.4、0.4、0.2。E[Y]等于多少？

   - 1.0
   - 1.2
   - 0.8
   - 1.5

   *解析:* 0*0.4 + 1*0.4 + 2*0.2 = 0.8，正确答案为0.8

> **考试提示:** 即使所有结果都是整数，你也不需要将期望值四舍五入为整数；骰子点数的期望值为3.5是完全合理的结果。

## 随机变量的方差与标准差

方差衡量所有可能结果围绕期望值的离散程度。它被计算为与均值的平方偏差的加权和，权重为每个结果的发生概率。标准差是方差的平方根，其计量单位与原始随机变量保持一致。

**X的方差** — 结果与期望值的平方偏差的平均值

*记法:* $Var(X) = E[(X - \mu_X)^2] = \sum (x_i - \mu_X)^2 P(X=x_i)$

**例题:** 计算上一示例中6面骰子点数随机变量X的方差，已知$\mu_X = 3.5$。

1. 计算每个结果的平方偏差：$(1-3.5)^2 = 6.25$，$(2-3.5)^2=2.25$，$(3-3.5)^2=0.25$，$(4-3.5)^2=0.25$，$(5-3.5)^2=2.25$，$(6-3.5)^2=6.25$
2. $$Var(X) = (6.25 + 2.25 + 0.25 + 0.25 + 2.25 + 6.25) \times 1/6$$
3. 求和得到Var(X) = 17.5 / 6 ≈ 2.9167，因此$\sigma_X ≈ 1.708$

## 线性变换的参数

当你对随机变量X应用线性变换Y = a + bX时，加法常数a会将所有结果平移相同的幅度，因此它只会将均值偏移a，不会改变离散度。缩放因子b会同时乘以均值和标准差，而方差则会乘以$b^2$。

**例题:** 骰子每掷出1点你可以获得2美元，外加固定的5美元参与奖励。令Y为你的总收益，因此Y = 5 + 2X。求E[Y]和$\sigma_Y$。

1. 应用均值变换规则：$E[Y] = 5 + 2E[X] = 5 + 2(3.5) = 12$
2. 应用标准差规则：$\sigma_Y = |2| \times \sigma_X ≈ 2 \times 1.708 ≈ 3.416$

> **考试提示:** 计算标准差时务必取b的绝对值，因为离散度不可能为负数。

## 独立随机变量的和与差的参数

对于任意两个随机变量，它们的和或差的均值始终等于各自均值的和或差。对于独立随机变量，它们的和或差的方差始终等于各自方差的和——即使计算两个变量的差值，你也永远不需要减去方差。

**考试命令词**

AP考试针对该主题使用特定的指令术语：

- **Calculate** — 展示将数值完整代入正确公式的过程 *(计算总收益的标准差)*

- **Justify** — 明确说明方差相加的前提是变量相互独立

**例题:** 抛掷两枚独立的公平6面骰子，令X1为第一枚骰子的点数，X2为第二枚骰子的点数。求D = X1 - X2（两次点数的差值）的均值和方差。

1. D的均值：$\mu_D = \mu_{X1} - \mu_{X2} = 3.5 - 3.5 = 0$
2. D的方差：$Var(D) = Var(X1) + Var(X2) ≈ 2.9167 + 2.9167 ≈ 5.833$

## 常见错误

- **错误做法:** 计算两个随机变量差值时对方差做减法
  - 原因: 方差是平方量，即使计算差值，离散度也不会相互抵消
  - 正确做法: 对于独立随机变量的和与差，始终将方差相加
- **错误做法:** 在Y = a + bX中用加法常数a乘以标准差
  - 原因: 所有数值的统一平移不会改变分布的离散程度
  - 正确做法: 标准差仅乘以|b|，忽略加法常数a
- **错误做法:** 将离散结果的期望值四舍五入到最近整数
  - 原因: 期望值是长期平均值，并非单次试验可能出现的结果
  - 正确做法: 除非明确要求四舍五入，否则保留完整小数精度
- **错误做法:** 对非独立随机变量应用方差加法规则
  - 原因: 被忽略的协方差项会导致总方差的估计值偏高或偏低
  - 正确做法: 在考试作答中相加方差前，先明确确认变量相互独立
- **错误做法:** 使用等计数样本均值公式计算期望值
  - 原因: 随机变量的结果具有不同的概率，不能对其平等取平均
  - 正确做法: 使用结果乘以对应概率的加权求和公式

## 速查表

| 变换/组合形式 | 均值结果 | 方差结果 | 标准差结果 |
| --- | --- | --- | --- |
| 原始X | $\mu_X$ | $Var(X)$ | $\sigma_X$ |
| $Y = a + bX$ | $a + b\mu_X$ | $b^2 Var(X)$ | $\|b\|\sigma_X$ |
| $X + Y$ (独立) | $\mu_X + \mu_Y$ | $Var(X) + Var(Y)$ | $\sqrt{Var(X)+Var(Y)}$ |
| $X - Y$ (独立) | $\mu_X - \mu_Y$ | $Var(X) + Var(Y)$ | $\sqrt{Var(X)+Var(Y)}$ |

## 下一步

熟练掌握这些参数规则是后续所有AP统计学概率分布相关内容的关键基础。你将使用这些完全相同的公式推导二项分布、几何分布等命名离散分布的标准期望值和方差，这些分布几乎在每一场AP考试的选择题和自由作答题中都会出现。后续你还会将这些组合规则扩展到大量独立随机变量，推导中心极限定理——这是整个AP统计学考试中权重最高的概念之一。这些规则也会直接用于后续推断部分，计算置信区间的标准误。

---

来自 [OwlsPrep](https://www.owlsprep.com) —— A-Level / IB / AP / IGCSE 免费学习指南，依据官方考纲编写。原页面：https://www.owlsprep.com/zh/study/ap-statistics-u11-parameters-of-random-variables/