估计量：期望平方与方差等价性验证及方差计算困惑

云原生阿岚

2026-5-19

问题分析与解决方案

嘿，我来帮你理清这里的核心问题——你踩了一个很容易犯的统计公式误用坑，咱们一步步拆解：

核心错误：混淆方差与期望平方的关系

你直接认为 $Var[Z] = E[Z^2]$，但这只有当估计量 $Z$ 的期望 $E[Z] = 0$ 时才成立。方差的标准定义是：
$$Var[Z] = E[Z^2] - (E[Z])^2$$
这就是你两次计算结果不一致的根本原因——你忽略了 $(E[Z])^2$ 这一项。

一步步验证推导

首先明确变量分布：已知 $X = \mu + Y$，$Y \sim N(0,1)$，所以每个 $X_i \sim N(\mu, 1)$，且假设所有 $X_i$ 相互独立（你拆分方差的前提应该是独立）。

1. 先计算 $E[Z]$

你的估计量是 $Z = 2X_0 + \sum_{i=0}^N X_i^2 + 2X_{N+1}$，我们先求它的期望：

$E[X_i] = \mu$，所以 $E[2X_0] = 2\mu$，$E[2X_{N+1}] = 2\mu$
对于正态分布，$E[X_i^2] = Var[X_i] + (E[X_i])^2 = 1 + \mu^2$，因此 $\sum_{i=0}^N E[X_i^2] = (N+1)(1+\mu^2)$

合并起来：
$$E[Z] = 2\mu + (N+1)(1+\mu^2) + 2\mu = (N+1)(1+\mu^2) + 4\mu$$
显然 $E[Z] \neq 0$，所以 $Var[Z]$ 绝对不等于 $E[Z^2]$。

2. 再看你之前的方差计算

你拆分的 $Var[Z] = Var[2X_0] + Var[\sum_{i=0}^N X_i^2] + Var[2X_{N+1}]$，这个拆分在变量独立的前提下是对的，但其中 $Var[\sum_{i=0}^N X_i^2]$ 的计算有误：

对于 $X_i \sim N(\mu,1)$，$X_i^2$ 是非中心卡方分布（自由度1，非中心参数 $\mu^2$），它的方差是 $2(1 + 2\mu^2)$
因此 $\sum_{i=0}^N Var[X_i^2] = (N+1) \times 2(1 + 2\mu^2)$，而不是你算的 $N$。

3. 对比 $E[Z^2]$ 的展开结果

当你展开 $E[(2X_0 + \sum_{i=0}^N X_i^2 + 2X_{N+1})^2]$ 时，会得到包含交叉项（比如 $E[X_0X_i^2]$、$E[X_0X_{N+1}]$ 等）的结果，把这些项全部计算完毕后，再减去 $(E[Z])^2$，最终结果就会和正确的 $Var[Z]$ 计算值一致。