【麻省理工】《概率論》聽說你概率論掛了 P12 - 12. 12. Iterated Expectations

长安书院_
146粉絲
1 次觀看·2026年5月21日
AI 生成·可能包含錯誤
以下內容依照創意 Commons
授權提供 您的支持將有助於
MITOpenCourseWare 持續免費提供高品
質的教育資源 如需捐款或查看其他資料 請點擊這裡
從數百門麻省理工學院課程請訪問 MIT
OpenCourseWare 網站 ocw mit edu
所以今天我們將結束這
門課的核心內容 也就是
與概率論有關的內容 然
後在本學期的其餘時間裡
WeUIT崮 將會討論一些特
殊的模型類型
談談推理 還會有
一個小模組的核心內容稍後出現
但今天我們基本上是結束了這一章
四 我們要做的就是我們將會觀察一個
somewhat 認知的概念
即條件期望的概念 但我們將
從一個稍微不同的角度來觀察它
不同的角度 從
稍微更複雜的角
度出發 並與條件期望一起 我
們也會討論條件方差 我們將用
這種方式來表示 我們將會看到
他們是什麼 這裡
有一些微妙的概念
我們將應用一些即
將開發的工具來處理
在一種特殊的狀況中 我們正在加入隨機變數
但我們是在加入一個隨機數量的隨機變數
好的 讓我們
開始討論條件期望
我想你應該知道它們是什麼
假設我們處於離散世界
x 和 y 是離散的隨機變數
我們定義 x 的條件期望
當我告訴你的值時
隨機變數 y 我們這樣定義的方
式與一般的期望值相同 只是我們
使用的是條件機率質量函數 因此
我們使用的是在新
宇宙中適用的機率
隨機變數 y 的值為何
到目前為止 這仍然是一個熟悉的觀念
如果我們處理的是連續
隨機變數 x 公式是
這裡我們有一個積分 我們必須使用
x 的條件機率密度函數
好的 我接下來要透過我
們上次討論的範例來慢慢
引進這個概念 上次我們
談到有一根長
度一定的棍子
我們拿著那根棍子並在隨機選擇的某個點
把它折斷 我們將這
個折斷的位置記為 y
選擇了 y 之後 我們手中就剩下棍子的一段
我將隨機均勻地再選擇一個點來折斷它
在 0 和 y 之間 所以這是第二次
我們要去的地方
我們稱之為 x 好嗎
那麼 如果我告訴你
y 的值 x 的條件期望是多少
我告訴你大寫 Y 的值
這會取得一個特定的數值
因此這個資本Y
現在就是一個特定的數值x
在這個範圍內均勻選擇 因此x
的期望值是開始於這個範圍
在 0 與 y 之間的這個範圍的一半
因此條件期望值是 y 的一半
這裡要明白的是 這個
數量是我告訴你的隨機變
數所採取的某個數值
例如35
然後你告訴我
給定隨機變數取數值 3.5 時 x 的
期望值為 1.75 這是一種數字之間的等式
另一方面 在你進行實驗之前
你不知道y會變成什麼樣子
所以這個小y就是當你開
始進行時所觀察到的數值
實驗並觀察Y的值 從某種意義
上來說 這個數量在事先是未知的
它本身是隨機的 所以我們或許
可以開始將其視為一個隨機變數
也就是在進行🦀實驗之前
我想問你 給定 y時x
的期望值是多少 你會回答我 我也不知道
這取決於 y 最終會是什麼樣子
所以在給定 y 的情況下 x 的期望值
可以被視為一個隨機變數
因為它依賴於隨機變數大寫
這裡隱含了一種關於隨機變數
而非數字的陳述 關於隨機變
數的這項陳述 我們透過考慮
期望值與條件期
望值來這樣表示
將其視為隨機變數而非數字
當我們沒有指定特定數字時
我們會將其視為抽象物件
隨機變數的期望值
x 的期望值
y 是一個隨機變數 不管大寫 Y 最
終為何值 y 都是其在二上的隨機變數
因此我們將一個涉及兩個數字相等
的陳述轉換為一個
涉及兩個隨機變數
相等的陳述 這樣這顯然是一個隨
機變數 因為大寫的
Y 是隨機的
這個物件到底是什么 我還
沒有正式地為你定義過 那麼
讓我們現在給出這個以這種
方式表示的物件的正式定義
在給定隨機變數 y
的條件下 x 的條
件期望值是一個隨機變數 這是哪一個隨機
變數呢 它就是當大寫 Y 恰好取得某個
特定數值時 會取得這
個特定數值的隨機變數
特定數值的隨機變數
特別是這
個隨機變數是大寫 Y 的函數
在此情況下由一個簡單的公
式表示 以大寫 Y 為基礎
在其他情況下 它可能是一個更複
雜的公式 因此
總結一下 它是一
個隨機變數 條件期望可以被視為一
個隨機變數 而不是僅僅是一個數字
因此 在任何特定的場合 當你得
知資本 Y 的值時
條件期望就會
變成一個數字 這個數字就是這個隨
機變數的實現值 但在實驗開始之前
在你還不知道大寫 Y 會是什麼之前 你所能說
的只是條件期望會是大寫Y
所變成的數值的一半
這是一個相當微妙的概念 但它是一種
抽象概念 但這是一種有用的抽象概念
我們今天將會
看到如何使用它好的
我已經說明了條件期望
隨機變數會取得這些數值
這是一個隨機變數 如果它是一個隨機變數 這
表示它有自己的一個期望值
那麼讓我們開始思考條
件期望會是什麼樣的期望
因此條件期望是一個隨機變數 而且一般來說
它是我們所觀察到的隨
機變數 Y 的某種函數
在數值方面 如果大寫 Y
取得特定數值 那麼條件
期望也會取得特定數值 我
們同樣使用該
函數來進行計算
這裡的差異在於
這是一個隨
機變數的相等性 而這是數字
之間的相等性 現在 如果我
們想要計算條件期望的期望值
我們基本上是在談論隨機
變數函數的期望值 而我
們知道如何計算函數的期望值
例如在離散情況下
這將是所有 Y 值的函數之和
我們所計算的期望值乘以Y
取得特定數值的機率 但
讓我們記得 g 是什麼
因此 g 是 X 和Y
的條件期望的數值
現在當你看到這個表情時
你就能認出它
這就是我們在總期望定理中得到的表達
在總期望定理中 為了求出 X
的期望值 我們根據 Y 的發生
情況將世界分成不同的情境 計算
每種可能世界中的
期望值 然後我們
這是一個你之前見過的公式
你會發現這其實是X的期望值
這是一個更長更
詳細的推導過程
是我在此處寫下的內容
但要記住的是 故事
的寓意 也就是笑點
條件期望的期望
值就是期望值本身
因此 這只是我們總體
期望的定理 但以更抽象
的符號來表示 這在後
面我們會看到會非常方便
好的 我們可以將這應用到我們的棍子範例中
如果我們想要找出X的期望值
也就是最後剩下多少棍子
我們可以使用期望值的法則來計算
迭代期望值是條件期望的期望值 我們知道條件期望的
期望值是 L/2 因為 Y
是均勻分佈的 所以我們得到
L 超過 4 這讓我
們得到與上次同樣的答案
雖然當時是用較長的方式推導出來的
好的 現在我們已
經掌握了條件期望
讓我們稍微提高一點標準
談談條件變異 因此 條件期
望就是條件下的平均值或期望值
在你被告訴 Y 值的宇宙中 你
可以在同一個條件宇宙中討論 X
的條件分佈 其平
均值即為條件期望但X
的條件分佈本身卻不同
也存在變異 在那條件宇
宙中我們可以
討論X的變異
條件方差作為一個數字 就是自
然的事情 它是X的方差 只是
所有的計算都是在條件宇宙中進行的
在條件宇宙中 你會採取
在條件宇宙中X
的期望值
就是條件期望 這是條件宇宙
中與平均值的距離的平方 我
們取這個距離平方值的平均值
但請再次使用條件宇宙
中的相關機率進行計算
這是一種數值之間的平等關係 我
告訴你 Y 的值 一旦你知道Y的值
就可以繼續繪製 X 的條
件分佈 而針對這個條件分佈
你可以計算在該條
件宇宙中X的變異數
現在讓我們再進行一次思維訓練
從前一張投影片中抽象出事物並
定義一個隨機變數 即條件變異數
因此它將是一個隨機變數
因為我們未指定大寫 Y
的數值 所以我們事前無法知道大寫 Y 會是什麼
因此我們無法事先知
道條件變異數會是什麼
所以在實驗開始前 如果我問你什麼是
X 的條件方差你會告訴我嗎好吧
我不知道 這取決於Y最終會是什麼 它會是
依賴於 Y 的某樣東西
因此 它是一個隨機變數 是 Y 的函數
更準確地說 條件方差
用這種符號表示 僅使用
大寫字母 它是一個隨機變數 它的值是
完全隨機的
一旦了解了大寫 Y 的價值 就會做
出決斷 大寫 Y 需要一個特定的數值
如果大寫 Y 恰好被
實現為一個特定的數字
那麼變異數也會成為一個特定的數字
而且只是該宇宙中 Y對
X 的條件變異
好的 讓我們繼續之前幻燈片
中所進行的內容 我們之前談到
了重複期望定律 該定律說明條
件期望的期望值就是無條件期望
這個情境中是否有類似的規
則適用呢 因此你可能會猜
測X的變異數可以透過計算
條件變異數的期望值來得到
原來這並不正確 有一個
用條件量表示
變異數的公式
但這個公式稍微複雜一些
它包含兩個項而不是一個
因此我們將快速推導
這個公式
然後通過例
子試圖解釋這裡的不
同項分別對應什麼意思
好的 讓我們試
著證明這個公式
這個證明是一種有用的練習
以確保你了解其中涉及的所
有符號 這個證明並不困難
四行半的代數
只是寫下公式
但挑戰在於確保在每個點
上你都了解每個物件的意義
因此我們想要變異數的公式
我們大致知道X的變異數有
一個優美的表達式
我們經常
用來計算它 即隨機變量的
平方的期望值減去均值的平方
這個變異數的公式
當然適用於條件宇宙
我的意思是 這是一個關於變異
數的通用公式 如果我們處於一個條
件宇宙中 隨機變數 Y 已經給定
同樣的數學方法
應該適用 因此我
們應該有類似的
公式用於條件方差
這只是同樣的公式應用於條件宇宙
即在條件宇宙中X的方差
X 的平方的期望值在條件宇宙中減
去條件宇宙中 X 的平均值的平方
因此這個公式看起來是正確的 現在
讓我們考慮兩邊的
期望值 記得條件的
方差是一個隨機變數 因為它的
值取決於我們對大寫Y的實現值
因此我們可以在
此計算期望值 我
們得到方差的期望值
然後我們有
條件期望的期望
值等同於無條件
期望的期望值
因此此項
變為此值
最後 這裡我們只有一些看起來很奇
怪的隨機變數 而我們取它的期望值
好的 現在我們
需要處理這個名詞
讓我們使用上面的同樣規則來
寫下這個變異數 所以期望值的
變異數有點奇怪 但你記得條件的
期望值是隨機的因為
Y 是隨機的 所以這個東
西是一個隨機變數 所以這個東西有
變異數 這個東西的變異數是多少
它是這個東西的平方的期望值
這個東西的期望
值的平方的減去
現在那個東西的期望值是多少
根據重複期望定律 這個
東西的期望值就是無條件的
期望 這就是為何我這裡提出無
條件的期望 所以我再次使用這
個關於如何計算
變異數的一般規則
並應用它來計算條件變異數
期望 現在你注意到如果將這
兩個表達式 C 和 D 相加
我們得到這個加上那個 這
等於這兩個項目
消去後我們
得到這個減去那個 這就是X
的變異數 這就是證明的結尾
這是一種無法傳達直覺的證明
正如我所說的
有一種有用的證明
只是為了確保你理解所有符號
而進行的 這開始變得相當複雜
這部分內容有些
抽象且令人困惑
因此了解其中的內容是很重要的
現在這公式背後有直覺 其中一
些內容留到課程
後面再說明會更好
當我們談論推論時 其
概念是將條
件期望視為一
種估計 即根據Y的測
量值來估計X的隨機變數
你可以將這種差異視為與估計誤差有
關的東西 一旦你
開始用這種方式思考
就會產生一種解釋 但再次強調
如我所說的 這最好留待以後再處理
當我們開始討
論推論時 我們
將會獲得一些直覺
透過考慮
一個簡單的例子
我們將應用
期望的迭代定律和總方差定律
所以這個嬰兒範例是我們進行這個優美的實驗
給一個包
含許多小組的班級做測驗
我們感興趣的是兩個隨機變數
因此我們有許多學生 並根據他們被
分配到不同的部分
這個實驗是隨機選
擇一名學生 並觀察兩個隨機變數
其中一個是隨機選中的學生的測驗分數
學生和其他隨機變數
是學生所選的班級號碼
我們得到了關於這兩
個班級的一些統計資料
第一組有10位學生 第二組有20位學生
第一組的測驗平
均分為90 第二組的測驗平
均分為60 X的期望值是多少
預期測驗分數
是多少 如果
隨機選一名學生 每位學生
被選中的機會都是均等的
這是基於30名學生的假設
我需要計算所有學生的測驗分數
所以我需要計算第一部分的測驗分數
這等於 90 乘以 10
我需要計算測驗分數
該部分的分數是 60 乘以
20我們發現總平均分是70
所以這就是常規的無條件期望值
讓我們來看看條件期望值
以及讓我們來看看基礎版本
我們討論的是數值
如果我告訴你隨機選中的學生
在第一小節
那麼該學生測驗分數的期望值是多少
這個學生的分數是多少
根據這項資訊
我們將從
該平均分為90的班級中
隨機選取一名學生 該學
生的分數期望值將是90
因此 給定 Y 的具體值 特定
部分的條件期望或測驗分數的期望值
是一個具體的數字 這個數字是90
同樣地 對於第二部分也是一樣
預期值是60 這是第
二部分的平
均分數 這是
基礎版本 抽象版本呢
在抽象版本中 條件是
期望值是一個隨機變數 因為它取決於學生
Yogesh 選擇了哪個班級 而
我有三分之一的機率會
選到第一個班級的學生
在這種情況下 條件期望值就會是
將是90 而有三分之二的機率我會從第二
組選一個學生 那種情
況下條件期望值將會是
60 的值 這說明了條件
期望本身是一個
隨機變量根據Y
的值不同 條件期
望將會是其中一個值
某種機率 現在我們已經
知道條件期望的分佈 我們
就可以計算它的期望值
而這種隨機變數的期望值是
三分之一乘以90加上三
分之二乘以60等於70
這正好與我們之前得到的
數字相同 這告訴你你可以
計算一個大班
級的總平均分
方法是先計算每個小
組的平均分 再根據每個
小組的學生人數進行加權
這段內容表示這個
班級有90名學生
但只有三分之一的學生參與
因此其權重為三分之一 所以
重複期望定律並沒有什麼太複雜的
你只需要觀察各個小節的平均分數 然後
將它們合併起來就能計算出總體的平均分
現在 由於條件期望
本身是一個隨機變量
當然它也有自己的變異數 那麼
讓我們來計算這個變異數 我們如何
計算變異數 我們
觀察所有可能的數值
這個隨機變數的值為 90和
60 我們觀察這些可能數
值與這個隨機變數的平均數和那
個隨機變數的平均數之間的差異
我們發現它的值
是70 然後根據
不同的可能數值及其機率進行權衡
因此在機率為三分之一的情況下
條件期望值為90 這比20高
遠離平均數的
平方距離 機率
為三分之二 條
件期望值為60
這距離平均數
10的平方距離
並以二倍的權重計算
三分之一的機率是60 所以你
進行計算後得到
變異數等於200
好的 現在我們想要開始使用
那個涉及條件變
異的更複雜公式
假設有人進行了這樣的計算 計
算出每個小節中
測驗分數的變異數
有人給我們這兩條資訊
在第一部分我們計算
該部分與平均值的差異
並假設變異數結果為
為等於 10 的數字
同樣地在第二部分
這些是
各個部分內測驗分數的差異
一個條件宇宙中的差異
其他條件宇宙中的變異性
所以如果我選了一個第一小組的學生 而我
沒有告訴你關於這個學生的任何其他資訊
那麼這個學生隨機分數的變異性是多少
變異數是10
我知道原因 但我不知道學生
所以在那個宇宙中分數仍然是隨機
變數 它有變異數
以及這是變異數 同樣地在另一個
宇宙中 測驗分數的變異數是這個數
字20 再次說明這是一個數字之
間的等式 我已經固定了Y的具體值
所以我處於一個特定的宇宙中
我可以計算該特定宇宙中的差異
如果我不指定資本Y的數值
而說我不知道Y是什麼
它會是隨機的 那麼什麼樣
的變異 什麼
樣的變異類別我
會選到它會是隨機的 機率是
三分之一 我會選一個學生在
這是在第一部分中
情況是條件
方差為10
或者有三分之二的
機率我選擇Y等於2
而我處於那個宇宙中
在那個宇宙中條件方差是 20
所以你從這裡再次看到條件方差是一個隨機變量
它以一定的機率取不同的值
而它所代表的值取決於隨機變數大寫Y
的實現 這發生在大寫Y
為一的情況下 這也發生在大寫
Y 等於二的情況下
一旦你有了一個
這樣的隨機變數
它以某種機率取值
那麼你
當然可以計算這個
隨機變數的期望值
不要被這個隨機變數嚇到
這是一種由八個
符號組成的字串
來描述的東西 或者有時是七個
而不是單獨的一個字母 想像
這整個符號串只是一個隨機變數
你也可以稱之為 Z 例如
只用一個字母
所以 Z 是一個隨機變數 可以取這兩個值
並有對應的機率
所以我們可以討論 Z 的期望值 也就是
將是三分之一乘以10 三分之二乘以20
並從這裡得到一個數字
現在我們已經有了所有計算 X 總變
異的資料 前一張投影片中的公式告訴
我們這一點 我們是
否已經有了所有資料
我們剛才計算的變異數的期望值是它
期望值的變異數
這是上一張投影片最後的計算
我們確實得到了一個數字 是200 你
將這兩個數字相加 就能得到總變異數
現在這個練習的
有用之處在於嘗試
解讀這兩個數字並了解它們的含義
X 在特定 Y 下的變異
數是第一個區段內的變異數
這是第二個區段內的變異數
期望值是一種平均值
個別區段內的變異數
因此 這個術語告訴我們分數在各個部
分內的變異程度 也
就是分數分佈的範圍
因此我們有三個部分 分
數剛好還可以 假設這些部
分差異很大 這
裡是大學部學生
這裡是博士後研究員
這些是測驗的分數
這是第一部分第二部分第三部分
這是第一部分的平均數
而變異數與分散程度有關
第二部分的變異數
它與第三種變
異的擴散有類
似之處 條件變異的期望值
是來自各個部分的三個變異
值的加權平均數
因此變異性
各個部分確實有所貢獻
總體分數的變異性
但如果你問我關於變異性
在整個班級中 還有另一種效果
這與不同班級的差異有關
它們彼此差異很大 這些分數這
裡分布得很廣
它們遠離那些分數
而這個術語就是能完成任務
的那個 這個則是觀察預期值
每個類別和每個部分中的預期值是
這個、那個和這樣
它提出問題 這些值
的分布範圍有多廣 它問各個部分內部
的平均值彼此差異有多大 在這個方面
想像一下 這會是一個很大的數字 因為
不同部分的平均數差異相當大
所以這個公式告訴我們的故事是
考試分數的整體變異性
由兩個可以量
化的因素組成
一個是個別部分內
部的變異程度 另一個
是各部分之間的差異程度
兩種效應共同導致
分數的整體變異性
讓我們再來一個數值範
例 以熟悉這種計算方式
並應用這個公式來進行隨
機變數的變異數之分治計算
現在為了多樣性 我們將考慮一
個連續的隨機變數
有人給你這種
形式的機率密度函數 然後他們
問你變異數 你說哦 那太複雜了
複雜的 我不想做積分 我
可以分而治之嗎 你說好啊
讓我做以下的技巧 讓
我定義一個隨機變數 Y
當 X 落在這裡時其值為一
當 X 落在第二個區間時其值為二
讓我嘗試在條件世界中進行運算
在那裡事情可能更容易處理
然後將所有數值加總以得到總變異性
所以我定義了 Y 以這種方式
在這個例子中 Y 變成 X 的函數
Y 完全由 X 決定 而我
我將計算總變異性 首先嘗
試計算這裡所涉及的所有項
讓我們開始計算 首先觀察
到這個事件的
概率是三分之一
而且這個事件的機率是三分之二
給定我們處在這
個宇宙的情況下X
的期望值是二分之一 因為我
們的分佈是從零到一的均勻分佈
這裡我們有一個從
一到二的均勻分佈
因此在該宇宙中X的條件期
望值為三除以二 那麼條件變異數呢
在Y等於一的世界中 X有
均勻分佈在單位區間上 X 的
變異數是多少
現在你可能已經
見過這個公式 它就是 1/12
1/12 就是均勻分佈的變異數
均勻分佈在單位區間上
當 Y 等
於二時 方差再次為
1/12 因
為在這種情況下 X 同樣在單位長
度的區間上具有均勻分佈 整體來說
X 的期望
值是考慮條件
期望的不同數值並根據其
機率進行加權
的結果 因此
機率為三分之一時 其
條件期望是二分之一
而機率是三分之二
條件期望
是二分之三 結果是六分之七
這個問題怎麼樣
這就是我們需要做的預先工作
現在讓我們計算一些東西
X在Y給定情況下的期望值的變異數是多少
給定 Y 條件下X
的期望值是一
個隨機變數 它以這些機率取這兩個值
因此要計算變異數 我們需要考
慮期望值取到二分之一數值的機率
條件期望的平均
數是什麼 條件期
望的平均數就是無
條件期望 也就是
六分之七 我們剛才已經計算過了
所以我這裡寫的是六分之七的平方
然後是第二個項目 機率為三分之二
條件期望值採用這
個三個二分之一的值
這與平均值相
差很遠 而我們
得到這個貢獻 因此我們以這
種方式計算了條
件期望的變異數
這就是這個項目 這是什麼
有什麼猜測這個數字是什麼嗎
它是一個固定值 不管在
什麼情況下
條件變異數都
是1/12
因此條件變異
數是一個固定
值的隨機變數
因此 這個隨機
變數的期望值就
是十二分之一 我們得到了所需
的兩個部分 因此我們確實得到
了隨機變數 X 的整體變異數
好的 這只是
一個學術範例
用來讓你掌握如
何操作各種數量
現在讓我們運用所學的知識和所擁
有的工具 做些更有趣的事情好的
到目前為止 你們都已經深
深愛上了機率 所以這個周末
你準備去書店買機率書
所以你要隨機去
幾家書店 並在每一
家書店隨機花費一些錢
因此讓 N 表示你所參觀的商店數量
所以 N 是一個非負的隨機變數
而且你或許知道這個隨機變數的分布
的分布
每次你走進一家商店時 你的大腦就會
從你之前所做的任何事情都可以看出
你只是隨機購買了一些書
這與你當天之前買
了多少本書毫無關係
也與你去了多少家商店無關
你來訪問時 每次以一個
全新的人身分進入 隨機
購買一些書籍 並隨機花
費金額 所以
我更精確地說
那就是我做了以下假設:
對於每間商店i
如果你最終來
到第i間商店 你花的金額是
一個具有某種分佈的隨機變量
該分配方式對每家分店都相同 且
各分店的 xi 彼此獨立 而且
furthermore 所有xi
都與 N 獨立 那麼
我花在商店的錢與我
參觀的商店數量無關
所以這是我們將要觀察的情境
你花了總金額為何 這
是你在商店裡花費的總和
但指數上升到資本N
而其中的玄機是什麼
這裡我們處
理的是獨立隨
機變數的總和 只是我們
有多少個隨機變數並未事
先給出 而是隨機選擇的
因此 它是一些隨機數量的隨
機變數之和 我
們想要計算與Y
有關的一些數量 特別是 Y
的期望值或 Y 的變異數
我們該如何進行呢
好吧 我們知道期望值的線性性質
即總和的期望值
等於各個期望值的總和
但我們已經使用過這個規則
只有在它是固定數量的隨機
變數之和的情況下 X 加Y加Z
的期望值才是每個
隨機變數期望值的總和
X 加上 Y 的期望值加上 Z
的期望值 等於 我們知道對於一組
固定的隨機變數而言 我們不知道它
或它如何運作 對於隨機數的情況而言
如果我們了解這個
案例中固定隨機變數
的情況 讓我們假設自己處於一個條件
性的宇宙中 其中我們要加總的隨機變
數數量是固定的 讓我們試著分解一下
將問題分解成部分 逐一解決
透過針對我們將參觀的書店數
量的不同可能值進行條件分析
所以讓我們在條件化的宇宙中進行探討 找出
這個宇宙中的條件期望值
然後運用我們的迭代期望定律來
進行計算 看看會發生什麼情況
更一般地說 如果我告訴你我參觀了恰好少數的商店
其中 n 是一個數字 例如 10 那麼你所花
費的金額就是 X1 加上
X2 一直到 X10
鑒於我們參觀了10家商店
我這裡所做的就是將大寫
的N改為小寫的n 我之所
以能夠這樣做 是因為我現在
在條件宇宙中 我知
道大寫 N 是小寫
現在 n 是固定的 我們假設
n 與 Xi 無關 所以在這個
n 固定的宇宙中 這裡的資
訊對我來說並沒有帶來任何新內容
關於 X 的值
如果你是在條件
概率中使用與你感興趣的隨機變數
獨立的隨機變數 那麼條件的設定
不會產生任何影響 因此可以省略
所以在這個條件宇宙中
如果你正好參觀10間商店
你預期花費的金額就
是花費金額的期望值
在10家商店的花費 即
每家商店預期金額的總和
每個這樣的金額都相同 因
為隨機變數具有相同的分佈
因此 這是你在一般商店中花費
金錢的期望值的n倍 這幾乎在沒
有正式計算的情況下就顯而易見
如果我告訴你你將參觀10間商店
你預期的總花費是每次在
商店單獨消費金額的十倍
現在讓我們來看一下
這個等式 並用我們的
抽象符號來重新表示它 以隨機變數為基礎
這是一個數字之間的等式 即在你參
觀了10家商店的情況下 Y的期望值
這是這個數字的10倍
我們把它翻譯成隨機變數
在隨機變數符號中 給定商
店數量時你花費金錢的期望值
但不告訴你一個具體的數字
是那個數字的商店數量實際上是X的期望值的倍數
所以
這是一個隨機變數 當大寫N發生時 它會取這個
數值
等於小寫 n 的
隨機變數 根據定義
當大寫 N 等於小寫 n 時 它
會取得這個數值 因此 不管大寫 N
是什麼值 小寫 n 都會是特定的值
這等同於那個 因此這個
隨機變數的值
等同於那個隨
機變數 所以作為隨機變數
這兩個隨機變數彼此相等
而且現在我們使用期望的
疊代定律 期望的疊代定律
告訴我們 Y 的整體期
望值就是條件期望的期望值
我們有條件期望的公式 它是n乘以
X 的期望值 而X
的期望值是一個數字 隨機
事物的期望值乘以一個數字
隨機變數的期望值
次數乘以該數字本身
我們可以將一個超出預期的數字拿出來
所以X的期望值就會被拉出來
這就是整體的結論
你預期會得到的錢的數額
花費等同於你平均預
期要參觀多少家商店
以及你平均在每家商店預期花費多少金額
你可能已經猜到這就是答案 如果你預期要參觀
10家商店 而你在每家
商店都預計花費100美元
那麼你今天就預期要花1000美元 如果你告
訴哈佛的朋友這個故事
他們不會留下深刻印象的
在這種情況下 考慮平均值確實
能給出一個合理的答案 但如果
你告訴哈佛教友我實際上能夠計
算的話 他們可能會對你印象深刻
我在花費上的差異
我們將透過應用我們所擁
有的這個公式來進行工作
困難之處基本上在於理
清這裡所有術語的含義
所以讓我們從這個術語開
始 給定你參觀了N家商店Y的期望值是N乘以
X的期望值 這就是我們在
中所做的
上一張投影片 這是一個隨機變數
它有一個變異數是什麼
它是N倍的X
的期望值 請記得X
的期望值是一個數字
因此我們處理的是某個數字乘以 N 的變異數
當你將隨機
變數乘以一個常數
變異數就會變成
原來的變異數乘以常數的平方
因此 這的變異數就是 N 的
變異數乘以該常數的平方 我們在
此處有這個常數 這告訴我們 Y
在給定條件下的期望值的變異數
這部分變異性指的是你
所花費金額中 由於你
參觀商店數量的隨機性
或變異性所導致的部分
因此 這兩個術語的解釋是:
你將花費的
金額存在隨機性
這歸因於商店數量的隨機性
以及單個商店內部的隨機性
我告訴你你將參觀多少家商店 現在我
們來處理這個術語
即個別商店內的差異
讓我們慢慢來 如果我告訴你
你正好參觀了n間商店 那麼
Y就是你在這n間商店中花費的金額 你正在處理n的總和
隨機變數 當我們計算 n 個隨機變數之
和的變異數時 其結果等於各變數變異數之和
因此每家店貢獻的變
異值為 X 而你正
在將超過 n 家店的變異值相加 這就
是花費金額的變異值 如果我告訴你店鋪
的數量 現在讓我們將其轉換為符號表示
隨機變數符號 這是一個隨
機變數 當大寫N
等於小寫n時
它會取得這個數值
這是一個隨機變數
這等同於那樣
因此這兩個始終相等
無論Y發生什麼
所以我們在隨機變量之間有這個等式
現在我們對兩者取期望值
變異數的期望值是這個
變異數的期望值 這看起
來可能令人困惑 但這裡
的變異數是X的一個數值
這不是一個隨機變數 你應該把它
視為一個常數 因此 n 乘以 a
的期望值等於 n 乘以這個常數本
身的期望值 現在我們也得到了第二項
而且現在我們把所有東西合併起來
這加上那 以得到 Y 的總變
異的表達式 這再次如我之前所說的
Y 的總變異性與變異性有關
你通常在店內花費多少金額
以及您參訪門
店數量的變異性
好的 今天就到這裡為止
下次我們將完全轉換話題
