随机变量期望方差与协方差

更新：2026-10-13；状态：可用；验证范围：教材、原始研究或官方文档核对；概念与方法说明。

用随机变量描述不确定测量，区分均值、变异、共同变化和独立性。

随机变量把结果写成数

随机变量是对随机结果的数值表示，例如重复抽样时得到的性状值或读段数。期望 $E(X)$是分布下的平均水平；方差 $\operatorname{Var}(X)=E[(X-E(X))^2]$是离散程度，单位是原单位的平方。

样本均值和样本方差是由有限观测估计这些量，不能直接当作已知总体参数。常见样本方差以n−1为分母；NumPy的std默认分母约定不同，使用时需检查ddof。

共同变化如何表示

$$\operatorname{Cov}(X,Y)=E[(X-E(X))(Y-E(Y))].$$

协方差受单位影响；Pearson相关把它除以两个标准差，在方差非零时得到无量纲的线性关系指标。两个独立且方差有限的变量协方差为零，反过来通常不成立。对对称分布的X，X与X²可能不相关，但X²仍完全由X决定。

为什么样本相关性影响误差

$$\operatorname{Var}(X+Y)=\operatorname{Var}(X)+\operatorname{Var}(Y)+2\operatorname{Cov}(X,Y).$$

许多个体均值的方差也包含成对协方差。忽略同供体细胞或家系个体之间的相关性，会让独立样本公式失去依据。这是亲缘关系与遗传关系矩阵和线性模型与混合模型需要表示协方差结构的原因。

接着读抽样分布中心极限定理与标准误；相关的实际解释见相关回归与混杂。基础资料：Harvard概率课程、NumPy方差接口。