通用误差传播中独立不确定度的求和项为何为零？

嘿，这个问题问到点子上了——搞懂交叉项消失的原因，才算真正把误差传播的逻辑捋顺！咱们一步步拆解：

先看完整的误差传播公式 #

其实你看到的是简化版，完整的方差传播公式是这样的：
$$\sigma_f^2 = \left(\frac{\partial f}{\partial x}\right)^2\sigma_x2 + \left(\frac{\partial f}{\partial y}\right)^2\sigma_y2 + 2\left(\frac{\partial f}{\partial x}\right)\left(\frac{\partial f}{\partial y}\right)\text{cov}(x,y) + \dots$$
这里的第三项就是你疑惑的「交叉求和项」，它和变量x、y的协方差$\text{cov}(x,y)$直接相关。

独立变量的协方差为什么是零？ #

协方差的定义是：
$$\text{cov}(x,y) = E\left[(x - E[x])(y - E[y])\right]$$
翻译成人话就是：它衡量的是x的误差和y的误差之间有没有「关联」。

如果x和y是独立变量（比如你测量的长度和质量，一个受尺子精度影响，一个受天平精度影响，完全不搭边），那么x的误差和y的误差是随机且无关的：

• x的误差可能是正的，也可能是负的；y的误差同理。
• 当你计算所有$(x_i - \bar{x})(y_i - \bar{y})$的平均值时，正的乘积和负的乘积会相互抵消，最终结果趋近于0。

从数学上看，独立变量满足$E[xy] = E[x]E[y]$，代入协方差公式就能直接得出$\text{cov}(x,y)=0$。

回到你看到的公式 #

你公式里的$\Sigma \frac{(\Delta x)^{2}{n}$其实就是样本方差（对应$\sigma_x}2$），而交叉项之所以消失，本质就是因为独立变量的协方差为零，那些涉及$\Delta x \cdot \Delta y$的求和项最终会被抵消掉，所以就不用写出来了。

说白了，只要变量之间没有「误差联动」，它们的误差就不会互相影响，交叉项自然就消失啦！

内容的提问来源于stack exchange，提问作者Tazik_S