随机变量的数字特征 · 沉浸式数学故事
平均与波动是两码事
两条产线平均尺寸相同，一条却频繁越过公差线。期望告诉你中心在哪里，方差告诉你数据围着中心散得多开。
双产线 · 均值相同
平均尺寸都合格，退货率却完全不同。
A 线数据紧靠目标，B 线数据分散。只报告平均值会掩盖稳定性差异。
中心相同 ≠ 波动相同数字特征各自回答不同问题。
数学期望
每个取值按概率加权，得到长期平均水平。
离散随机变量 X 的期望为 E(X)=Σxₖpₖ。重复生产次数很大时，样本平均趋近这一中心。
E(X)=Σxₖpₖ期望不一定是 X 能实际取到的值。
方差
离中心的距离先平方，再按概率求平均。
D(X)=E[(X−E(X))²] 衡量散布程度；标准差是方差的平方根，与 X 同单位。
D(X)=E(X²)−[E(X)]²平方让正负偏差不会互相抵消。
线性变换
整体平移只挪中心，不会改变彼此间距。
E(aX+b)=aE(X)+b；D(aX+b)=a²D(X)。加常数 b 不改变方差。
D(X+b)=D(X)缩放 a 会把波动平方放大。
稳定性结论
均值管准不准，方差管稳不稳。
工程师同时比较期望与标准差，选择中心达标且波动更小的产线，并检查异常值。
中心 + 散布 → 完整描述单一指标不能替代完整分布。
尾声 · 带着方法进课堂
故事落幕，判断才刚开始。
把这一课的条件、公式与易错点带进最后一次判断。
随机变量整体加上常数 b 后，方差怎样变化？
先作判断，再核对理由。