期望的线性性质

期望的线性性质 (Linearity of Expectation)

期望的线性性质=概率论/数理统计最基且强→随机变加权和数学期望=各随机变期望加权和→无论变量独立与否始终成。$E[aX+bY]=aE[X]+bE[Y]$→推广$E[\sum c_iX_i]=\sum c_iE[X_i]$。

内涵与证明

两基：①齐次性→$E[cX]=cE[X]$→扩c倍均预期相应扩。②可加性→$E[X+Y]=E[X]+E[Y]$→不要求独立→即使X,Y存复相关/协方差→求和序与期望换。证（离散）：$E[X+Y]=\sum_x\sum_y(x+y)P(X=x,Y=y)$→分=$\sum_x xP(X=x)+\sum_y yP(Y=y)=E[X]+E[Y]$→用边缘分布。连续→重积替求→同理。

应用与对比

统计：抽样分布证样本均值是总体均值无偏估→即便样观测相关→边布同→样均值期望=总期望。金融投资组合→$E[R_p]=E[\sum w_iR_i]=\sum w_iE[R_i]$→简加计组宏观预期回报→无需预考相关系数（相仅影方差/风险→不影期望）。组合数/算法：指示函数→复随机变分解为若干0-1变量和→极大简概率算法均复杂度分→快速排序均比次/"帽保"→不可或缺。

vs方差：期望求保线→方差不具普适→仅独立(或不相关)下$Var(X+Y)=Var(X)+Var(Y)$成→若相关→$Var(X+Y)=Var(X)+Var(Y)+2Cov(X,Y)$→凸期望线简洁强大。核→复杂化简"手术刀"→忽略变量交→各部边际效应合成总均性态→随机模型/经济预测→严谨定量思维第一步。