数理统计技术问询：如何用随机变量建模求解总体期望与方差

嘿，这个问题其实用混合分布的思路建模就一目了然，我给你一步步拆解：

第一步：定义关键随机变量 #

我们需要两个核心随机变量来把问题具象化：

• 设 ( X ) 为随机抽取一个人的收入（这就是我们要研究的总体随机变量）
• 设二元指示变量 ( I )：当抽取的是城镇人口时 ( I=1 )，农村人口时 ( I=0 )

根据题目给出的人口比例，( I ) 的概率分布是：

• ( P(I=1) = 0.4 )（城镇人口占比）
• ( P(I=0) = 0.6 )（农村人口占比）

同时题目给出的条件分布参数：

• 城镇人口收入：( E[X|I=1] = 5 )，( Var(X|I=1) = 2 )
• 农村人口收入：( E[X|I=0] = 4 )，( Var(X|I=0) = 3 )

第二步：计算总体期望（全期望公式） #

总体期望可以通过全期望公式计算，本质是对不同群体的期望加权平均：
[
E[X] = E\left[ E[X|I] \right] = P(I=1) \cdot E[X|I=1] + P(I=0) \cdot E[X|I=0]
]
代入数值计算：
[
E[X] = 0.4 \times 5 + 0.6 \times 4 = 2 + 2.4 = 4.4
]

第三步：计算总体方差（全方差公式） #

这里要注意！方差不能直接像期望那样加权，因为还要考虑不同群体均值之间的波动，得用全方差公式：
[
Var(X) = E\left[ Var(X|I) \right] + Var\left( E[X|I] \right)
]
我们分两部分计算：

1. 第一部分：条件方差的期望（衡量群体内部的收入波动加权）
   [
   E\left[ Var(X|I) \right] = P(I=1) \cdot Var(X|I=1) + P(I=0) \cdot Var(X|I=0)
   ]
   代入数值：
   [
   E\left[ Var(X|I) \right] = 0.4 \times 2 + 0.6 \times 3 = 0.8 + 1.8 = 2.6
   ]

2. 第二部分：条件期望的方差（衡量不同群体均值之间的波动）
   ( E[X|I] ) 是一个离散随机变量：当 ( I=1 ) 时取5，( I=0 ) 时取4。它的方差计算如下：
   [
   Var\left( E[X|I] \right) = P(I=1) \cdot \left( E[X|I=1] - E[X] \right)^2 + P(I=0) \cdot \left( E[X|I=0] - E[X] \right)^2
   ]
   代入数值：
   [
   Var\left( E[X|I] \right) = 0.4 \times (5-4.4)^2 + 0.6 \times (4-4.4)^2 = 0.4 \times 0.36 + 0.6 \times 0.16 = 0.144 + 0.096 = 0.24
   ]

3. 合并两部分得到总体方差：
   [
   Var(X) = 2.6 + 0.24 = 2.84
   ]

关键提醒 #

为什么不能直接加权方差？因为总体方差不仅包含每个群体内部的波动，还包含群体之间收入均值差异带来的“额外波动”——这就是全方差公式里第二部分的意义，很多人容易漏掉这一步哦！

内容的提问来源于stack exchange，提问作者Addem