【随机变量方差公式】在概率论与统计学中，方差是衡量随机变量与其期望值之间偏离程度的重要指标。它反映了数据的离散程度，是描述随机变量分布特性的一个关键参数。掌握方差的计算公式对于理解随机变量的行为具有重要意义。
一、方差的基本概念
方差（Variance）表示一个随机变量与其数学期望（均值）之间的平方偏差的平均值。其定义为：
$$
\text{Var}(X) = E[(X - E[X])^2
$$
其中，$E[X]$ 表示随机变量 $X$ 的期望值。
二、方差的常用计算公式
根据不同的随机变量类型（离散或连续），方差的计算方式略有不同。以下是常见的几种情况及其对应的方差公式。
| 随机变量类型 | 定义式 | 简化公式 |
| 离散型随机变量 | $\text{Var}(X) = \sum_{i=1}^{n} (x_i - E[X])^2 \cdot P(x_i)$ | $\text{Var}(X) = E[X^2] - (E[X])^2$ |
| 连续型随机变量 | $\text{Var}(X) = \int_{-\infty}^{\infty} (x - E[X])^2 f(x) \, dx$ | $\text{Var}(X) = E[X^2] - (E[X])^2$ |
三、方差的性质
1. 常数的方差为0
若 $c$ 为常数，则 $\text{Var}(c) = 0$
2. 线性变换的方差
若 $Y = aX + b$，则 $\text{Var}(Y) = a^2 \cdot \text{Var}(X)$
3. 独立变量的方差
若 $X$ 和 $Y$ 相互独立，则
$\text{Var}(X + Y) = \text{Var}(X) + \text{Var}(Y)$
$\text{Var}(X - Y) = \text{Var}(X) + \text{Var}(Y)$
4. 方差与期望的关系
$\text{Var}(X) = E[X^2] - (E[X])^2$ 是计算方差的常用方法。
四、典型分布的方差公式
以下是一些常见概率分布的方差公式：
| 分布名称 | 数学期望 $E[X]$ | 方差 $\text{Var}(X)$ |
| 伯努利分布 | $p$ | $p(1 - p)$ |
| 二项分布 | $np$ | $np(1 - p)$ |
| 泊松分布 | $\lambda$ | $\lambda$ |
| 正态分布 | $\mu$ | $\sigma^2$ |
| 均匀分布 | $\frac{a + b}{2}$ | $\frac{(b - a)^2}{12}$ |
五、总结
方差是衡量随机变量波动性的核心工具，其计算公式可以简化为：
$$
\text{Var}(X) = E[X^2] - (E[X])^2
$$
无论是离散还是连续型随机变量，这一公式都适用。了解并掌握方差的性质和常见分布的方差形式，有助于更深入地分析和建模现实世界中的随机现象。