期望与方差之五:两个独立随机变量合并后的方差

本系列前面四篇文章,均为本文铺垫。本文我们将要推导统计学入门时一个十分让人困惑的公式:

Var(X \pm Y) =Var(X) + Var(Y)

或者写成:

\sigma_{x \pm y}^2 = \sigma_{x}^2 + \sigma_{y}^2

这组公式表示,合并两个随机变量后的方差,不管是相加还是相减,结果都等于这两个随机变量的方差之和。这个结论并不直观,要证明它的正确性,我们首先要证明另一个等式:

Var(X) = E((X - \mu)^2) = E(X^2) - E^2(X)

这里E((X - \mu)^2)就是Var(X)\mu就是这个总体的期望值,即均值,也可记为E(X)。详细可见本系列文章第一篇。回到上面式子的证明:

E((X-\mu)^2) = \frac{(x_{1}-\mu)^2 + (x_{2}-\mu)^2 +... + (x_{n}-\mu)^2}{n}

=\frac{( x_{1}^2-2\mu x_{1} + \mu^2) + ( x_{2}^2-2\mu x_{2} + \mu^2) + ... + ( x_{n}^2-2\mu x_{n} + \mu^2)}{ n}

=\frac{(x_{1}^2 + x_{2}^2 + ... + x_{n}^2) -2\mu (x_{1} + x_{2} + ... + x_{n}) + n\mu^2}{n}

=\frac{(x_{1}^2 + x_{2}^2 + ... + x_{n}^2)}{n}  -2\mu \frac{x_{1} + x_{2} + ...x_{n}}{n} + \frac{n\mu^2 }{n}

=E(X^2) - 2\mu^2 + \mu^2 = E(X^2) - \mu^2 =E(X^2) - E^2(X)

证毕

现在回到Var(X \pm Y) = Var(X) + Var(Y)的证明。不妨直接证明Var(X - Y)的情况:

Var(X - Y) = E([(X - Y) - E(X - Y)]^2)

来到这一步,我们马上用上 E((X - \mu)^2) = E(X^2) - E^2(X)这个结论。于是,上式可以变成:

E((X-Y)^2) - E^2(X - Y) = E(X^2 - 2XY + Y^2) - (E(X) - E(Y))^2

= E(X^2) - 2E(XY) + E(Y^2) - E^2(X) + 2E(X)E(Y) - E^2(Y)

=E(X^2) - E^2(X)  + E(Y^2) - E^2(Y) + 2E(X)E(Y) - 2E(XY)

可以留意到,前面四项,实质就是我们的最终结论:

E(X^2) - E^2(X) = Var(X)

E(Y^2) - E^2(Y) = Var(Y)

剩下的任务,就是要证明2E(X)E(Y) - 2E(XY) = 2(E(X)E(Y) - E(XY)) = 0

也就是,只要证明E(X)E(Y) = E(XY) 即可。

证:

设总体X有m个元素,而总体Y有n个元素,有:

E(XY) = \frac{x_{1}y_{1} + x_{1}y_{2} +..+ x_{1}y_{n} + x_{2}y_{1} + x_{2}y_{2} + .. + x_{2}y_{n}+....}{m \times n}

= \frac{x_{1}(y_{1}+..y_{n}) + x_{2}(y_{1}+..y_{n}) + ....x_{m}(y_{1}+..y_{n})}{m \times n}

= \frac{(x_{1} + x_{2} + ...x_{m})(y_{1} + y_{2}+...y_{n})}{m \times n} =\frac{(x_{1} + x_{2} + ...x_{m})}{m} \bullet \frac{(y_{1} + y_{2} + ...y_{n})}{n}

=E(X)E(Y)

证毕。

因此,我们证得Var(X - Y) = Var(X) + Var(Y)

同理可证Var(X + Y) = Var(X) + Var(Y),读者们可以尝试一下。

最后编辑于
©著作权归作者所有,转载或内容合作请联系作者
  • 序言:七十年代末,一起剥皮案震惊了整个滨河市,随后出现的几起案子,更是在滨河造成了极大的恐慌,老刑警刘岩,带你破解...
    沈念sama阅读 213,254评论 6 492
  • 序言:滨河连续发生了三起死亡事件,死亡现场离奇诡异,居然都是意外死亡,警方通过查阅死者的电脑和手机,发现死者居然都...
    沈念sama阅读 90,875评论 3 387
  • 文/潘晓璐 我一进店门,熙熙楼的掌柜王于贵愁眉苦脸地迎上来,“玉大人,你说我怎么就摊上这事。” “怎么了?”我有些...
    开封第一讲书人阅读 158,682评论 0 348
  • 文/不坏的土叔 我叫张陵,是天一观的道长。 经常有香客问我,道长,这世上最难降的妖魔是什么? 我笑而不...
    开封第一讲书人阅读 56,896评论 1 285
  • 正文 为了忘掉前任,我火速办了婚礼,结果婚礼上,老公的妹妹穿的比我还像新娘。我一直安慰自己,他们只是感情好,可当我...
    茶点故事阅读 66,015评论 6 385
  • 文/花漫 我一把揭开白布。 她就那样静静地躺着,像睡着了一般。 火红的嫁衣衬着肌肤如雪。 梳的纹丝不乱的头发上,一...
    开封第一讲书人阅读 50,152评论 1 291
  • 那天,我揣着相机与录音,去河边找鬼。 笑死,一个胖子当着我的面吹牛,可吹牛的内容都是我干的。 我是一名探鬼主播,决...
    沈念sama阅读 39,208评论 3 412
  • 文/苍兰香墨 我猛地睁开眼,长吁一口气:“原来是场噩梦啊……” “哼!你这毒妇竟也来了?” 一声冷哼从身侧响起,我...
    开封第一讲书人阅读 37,962评论 0 268
  • 序言:老挝万荣一对情侣失踪,失踪者是张志新(化名)和其女友刘颖,没想到半个月后,有当地人在树林里发现了一具尸体,经...
    沈念sama阅读 44,388评论 1 304
  • 正文 独居荒郊野岭守林人离奇死亡,尸身上长有42处带血的脓包…… 初始之章·张勋 以下内容为张勋视角 年9月15日...
    茶点故事阅读 36,700评论 2 327
  • 正文 我和宋清朗相恋三年,在试婚纱的时候发现自己被绿了。 大学时的朋友给我发了我未婚夫和他白月光在一起吃饭的照片。...
    茶点故事阅读 38,867评论 1 341
  • 序言:一个原本活蹦乱跳的男人离奇死亡,死状恐怖,灵堂内的尸体忽然破棺而出,到底是诈尸还是另有隐情,我是刑警宁泽,带...
    沈念sama阅读 34,551评论 4 335
  • 正文 年R本政府宣布,位于F岛的核电站,受9级特大地震影响,放射性物质发生泄漏。R本人自食恶果不足惜,却给世界环境...
    茶点故事阅读 40,186评论 3 317
  • 文/蒙蒙 一、第九天 我趴在偏房一处隐蔽的房顶上张望。 院中可真热闹,春花似锦、人声如沸。这庄子的主人今日做“春日...
    开封第一讲书人阅读 30,901评论 0 21
  • 文/苍兰香墨 我抬头看了看天上的太阳。三九已至,却和暖如春,着一层夹袄步出监牢的瞬间,已是汗流浃背。 一阵脚步声响...
    开封第一讲书人阅读 32,142评论 1 267
  • 我被黑心中介骗来泰国打工, 没想到刚下飞机就差点儿被人妖公主榨干…… 1. 我叫王不留,地道东北人。 一个月前我还...
    沈念sama阅读 46,689评论 2 362
  • 正文 我出身青楼,却偏偏与公主长得像,于是被迫代替她去往敌国和亲。 传闻我的和亲对象是个残疾皇子,可洞房花烛夜当晚...
    茶点故事阅读 43,757评论 2 351