1. 从一个反直觉的赌局说起：为什么"平均值"经常骗人

先抛一个我亲身经历过的场景。几年前帮一个做小生意的朋友看账，他每个月流水波动特别大，好的时候能到八万，差的时候只有一万出头。他自己算了个"平均月流水"，大概四万五，然后拿这个数去规划开支，结果连续三个月现金流紧张。问题出在哪？他算的"平均"没错，但他忽略了一个关键信息——这个平均值到底稳不稳。四万五这个数字，可能是每个月都稳定在四万五，也可能是像他这样在八万和一万之间来回跳。这两种情况，平均值一模一样，但风险天差地别。

这就是单变量统计量里最核心的一对概念：期望和方差。期望告诉你"中心在哪"，方差告诉你"离中心有多远、有多散"。只盯着期望做决策，就像只看一个人的平均身高去判断他能不能打篮球——信息量远远不够。

这篇内容我想把这两个统计量彻底讲透。不是教科书式的定义罗列，而是从"为什么需要它们""它们各自在算什么""怎么手算、怎么用代码算""什么情况下会踩坑"这几个角度，把期望和方差这两个单变量统计量拆开揉碎。适合刚学概率统计的学生、需要做数据分析的从业者，以及任何想搞明白"平均值到底靠不靠谱"的人。读完你应该能做到：拿到一组数据，不仅算出它的期望和方差，还能说清楚这两个数字背后的含义和局限。

2. 期望：不只是"平均数"，而是"长期反复试验的稳定值"

2.1 期望的两种面孔：离散型与连续型

很多人第一次接触期望，老师会说"期望就是加权平均"。这话对，但不够。期望的本质是：如果你把同一个随机试验重复无数次，所有结果的平均值会趋近于一个固定值，这个值就是期望。注意这里的关键词是"重复无数次"和"趋近"。期望不是某一次试验的结果，而是一个理论上的长期稳定值。

对于离散型随机变量，期望的计算公式是每个可能取值乘以它对应的概率，然后全部加起来：

$$E(X) = \sum_{i} x_i \cdot P(X = x_i)$$

举个具体的例子。掷一个均匀的六面骰子，每个面出现的概率都是 1/6，那么期望是：

$$E(X) = 1 \times \frac{1}{6} + 2 \times \frac{1}{6} + 3 \times \frac{1}{6} + 4 \times \frac{1}{6} + 5 \times \frac{1}{6} + 6 \times \frac{1}{6} = 3.5$$

注意，3.5 这个数永远不会出现在骰子上，但它是长期掷骰子的平均结果。这就是期望"反直觉"的地方——它可以是实际不可能取到的值。

对于连续型随机变量，求和变成积分，概率变成概率密度函数：

$$E(X) = \int_{-\infty}^{+\infty} x \cdot f(x) , dx$$

这里 f(x) 是概率密度函数。连续型的期望理解起来更抽象，但核心思想一样：把取值按密度"加权"后积分。

2.2 期望的线性性质：一个极其好用的工具

期望有一个性质，用起来非常爽，叫做线性性质：

$$E(aX + bY + c) = aE(X) + bE(Y) + c$$

其中 a、b、c 是常数，X、Y 是随机变量。这个性质最厉害的地方在于：它不要求 X 和 Y 相互独立。不管 X 和 Y 是什么关系，这个等式都成立。

为什么这个性质重要？因为它让你可以把复杂的问题拆成简单的部分。比如你要算"掷两个骰子点数之和的期望"，不用去列 36 种情况的概率分布，直接算 E(X+Y) = E(X) + E(Y) = 3.5 + 3.5 = 7。一步到位。

我在实际做数据分析时经常用这个性质。比如一个电商平台要估算"用户下单总金额的期望"，可以拆成"下单件数的期望"乘以"单件价格的期望"（如果两者独立的话），或者更复杂地拆成多个部分分别估算再相加。这种拆解思路能大幅简化计算。

2.3 期望的陷阱：它可能根本不存在

这是很多人不知道的一个坑：不是所有随机变量都有期望。最经典的例子是柯西分布，它的概率密度函数是：

$$f(x) = \frac{1}{\pi(1+x^2)}$$

这个分布看起来关于 0 对称，直觉上期望应该是 0。但如果你真的去算积分：

$$\int_{-\infty}^{+\infty} \frac{x}{\pi(1+x^2)} , dx$$

你会发现这个积分不收敛——正无穷和负无穷两边的"拉扯"永远达不到一个平衡值。所以柯西分布的期望不存在。

这个例子告诉我们：期望的存在性不是理所当然的，需要满足一定的数学条件（比如绝对可积）。在实际数据中，如果数据里有极端离群值，样本均值也会被严重拉偏，这时候用中位数可能比用均值更靠谱。这也是为什么收入数据通常报"中位数收入"而不是"平均收入"——少数极高收入者会把平均值拉得虚高。

3. 方差：衡量"散不散"的标尺，以及它为什么用平方

3.1 方差的定义与计算逻辑

知道了期望，我们知道了数据的"中心"。但光有中心不够，还得知道数据围绕中心散得有多开。方差就是干这个的：

$$Var(X) = E\left[(X - E(X))^2\right]$$

翻译成人话：先算出每个值和期望的差（叫"离差"），把离差平方，然后求这个平方值的期望。方差越大，说明数据越分散；方差越小，说明数据越集中。

为什么用平方而不是直接取绝对值？这是个好问题。用绝对值当然也能衡量离散程度（那个叫"平均绝对偏差"），但平方有几个数学上的好处：

• 平方函数处处可导，方便做优化和推导
• 平方后得到的方差有很好的代数性质，比如 Var(X+Y) = Var(X) + Var(Y) + 2Cov(X,Y)
• 平方放大了大离差的影响，使得方差对极端值更敏感

但平方也有代价：方差的单位是原始单位的平方。比如你测的是"米"，方差单位就是"平方米"，这在实际解释时不太直观。所以通常还会开个根号，得到标准差：

$$\sigma = \sqrt{Var(X)}$$

标准差和原始数据同单位，解释起来更自然。

3.2 一个简化公式：让手算快十倍

方差有个等价的计算公式，实际算的时候比定义式好用得多：

$$Var(X) = E(X^2) - [E(X)]^2$$

"平方的期望减去期望的平方"。这个公式为什么好用？因为定义式需要你先算期望，再算每个离差，再平方，再求期望，步骤多。而这个公式只需要算两个期望：E(X²) 和 E(X)，然后一减就完事。

用骰子验证一下。E(X) = 3.5。E(X²) = (1+4+9+16+25+36)/6 = 91/6 ≈ 15.167。所以 Var(X) = 15.167 - 12.25 = 2.917。标准差约等于 1.708。

注意：这个简化公式虽然好用，但在数值计算时有个坑。当 E(X²) 和 [E(X)]² 都很大且很接近时，直接相减会导致"灾难性抵消"，精度损失严重。实际编程时如果数据量级很大，建议用定义式或者先做中心化处理。

3.3 方差的性质：哪些操作会改变它

方差有几个常用性质，理解了能帮你快速判断问题：

最后一条特别容易搞错。X - Y 的方差是 Var(X) + Var(Y)，不是 Var(X) - Var(Y)。因为减法引入的负号在平方之后消失了。这个性质在做误差分析时非常重要——两个独立测量值相减，误差不是变小而是变大了。

4. 手算一遍：从原始数据到期望和方差

光看公式容易飘，咱们拿一组具体数据从头走一遍。假设你记录了某台设备连续 10 天的日产量（单位：件）：

[12, 15, 11, 14, 13, 12, 16, 11, 13, 13]

第一步：算期望（样本均值）

把所有数加起来：12+15+11+14+13+12+16+11+13+13 = 130。除以 10，得到均值 13。

第二步：算每个值与均值的离差

12 - 13 = -1 15 - 13 = 2 11 - 13 = -2 14 - 13 = 1 13 - 13 = 0 12 - 13 = -1 16 - 13 = 3 11 - 13 = -2 13 - 13 = 0 13 - 13 = 0

第三步：离差平方

1, 4, 4, 1, 0, 1, 9, 4, 0, 0

第四步：求平方的平均

总和 = 1+4+4+1+0+1+9+4+0+0 = 24。这里有个关键选择：除以 n 还是 n-1？

• 如果这 10 天就是全部数据（总体），除以 n=10，方差 = 2.4
• 如果这 10 天是从更大范围里抽的样本，除以 n-1=9，方差 ≈ 2.667

这个 n-1 叫贝塞尔校正。为什么样本方差要除以 n-1？直观理解是：样本均值本身是用这组数据算出来的，它已经"消耗"了一个自由度，导致离差平方和系统性地偏小。除以 n-1 能纠正这个偏差，让样本方差成为总体方差的无偏估计。实际做数据分析时，绝大多数情况我们处理的是样本，所以默认用 n-1。

第五步：开根号得标准差

总体标准差 = √2.4 ≈ 1.549；样本标准差 = √2.667 ≈ 1.633。

这组数据的期望是 13，标准差约 1.6，说明日产量大多在 13 上下 1.6 件的范围内波动。这个信息比单看"平均 13 件"有用得多——如果标准差是 5，那说明生产极不稳定，需要排查原因。

5. 用代码算：Python 和 Excel 的实操对比

手算适合理解原理，实际工作中当然用工具。我把常用的几种方式列出来，顺便说说各自的坑。

5.1 Python：numpy 和 statistics 的选择

import numpy as np import statistics data = [12, 15, 11, 14, 13, 12, 16, 11, 13, 13] # numpy 方式 mean_np = np.mean(data) # 13.0 var_np = np.var(data) # 2.4，默认除以 n（总体方差） var_np_sample = np.var(data, ddof=1) # 2.667，除以 n-1（样本方差） std_np_sample = np.std(data, ddof=1) # 1.633 # statistics 方式 mean_st = statistics.mean(data) # 13.0 var_st = statistics.variance(data) # 2.667，默认除以 n-1 std_st = statistics.stdev(data) # 1.633

这里有个极易踩的坑：np.var()默认ddof=0，算的是总体方差（除以 n）；而statistics.variance()默认算的是样本方差（除以 n-1）。两个库的默认行为不一致！如果你混用，结果会对不上。我的习惯是：只要不是明确处理完整总体，一律显式写ddof=1，避免歧义。

5.2 Excel：VAR.P 和 VAR.S 的区别

Excel 里有两组函数：

• VAR.P/STDEV.P：除以 n，用于总体
• VAR.S/STDEV.S：除以 n-1，用于样本

老版本的VAR和STDEV函数等同于VAR.S和STDEV.S。我见过不少人用VAR.P去算样本方差，结果偏小，还找不到原因。记住一个简单规则：除非你手里就是全部数据，否则用带 .S 的版本。

5.3 大数据量下的数值稳定性

当数据量很大或者数值量级很高时，直接套公式可能出问题。比如计算 10 亿个数的方差，如果先算 E(X²) 再减 [E(X)]²，两个大数相减可能损失大量有效数字。更稳的做法是Welford 在线算法，它一边遍历数据一边更新均值和方差，不需要存储全部数据，数值稳定性也好：

def welford(data): n = 0 mean = 0.0 M2 = 0.0 for x in data: n += 1 delta = x - mean mean += delta / n delta2 = x - mean M2 += delta * delta2 if n < 2: return float('nan') return M2 / (n - 1) # 样本方差 print(welford([12, 15, 11, 14, 13, 12, 16, 11, 13, 13])) # 2.667

这个算法在流式数据处理、实时监控场景里特别有用。我之前做一个传感器数据监控的项目，数据是源源不断来的，不可能全存下来再算，就是用类似 Welford 的思路做在线统计。

6. 期望和方差的实战应用：三个真实场景

6.1 场景一：A/B 测试里判断哪个方案更好

假设你做了一个网页改版，想比较新旧两个版本的转化率。旧版 1000 次访问转化了 50 次，新版 1000 次访问转化了 65 次。新版转化率 6.5% 高于旧版 5%，但这是真实提升还是随机波动？

这时候就要用到期望和方差。把每次访问看作一次伯努利试验（转化=1，未转化=0），转化率的期望是 p，方差是 p(1-p)/n。旧版转化率的标准差约 √(0.05×0.95/1000) ≈ 0.0069，新版约 √(0.065×0.935/1000) ≈ 0.0078。两个转化率之差 1.5%，相对于各自的标准差来说不算小，但要做严格判断还需要做假设检验。核心思路是：光看期望（转化率）的差异不够，还要看方差（波动范围）有多大。如果方差很大，那点差异可能只是噪声。

6.2 场景二：投资组合的风险评估

金融里期望和方差是基石概念。一支基金的"预期收益率"就是收益的期望，"风险"通常用收益率的标准差来衡量。两支基金预期收益都是 8%，但一支标准差 5%，另一支标准差 15%，显然第一支更稳。

更进一步，如果要把两支基金按比例组合，组合的期望收益是加权平均，但组合的方差不是简单加权——还要考虑两支基金的相关性。这就是马科维茨投资组合理论的核心：通过分散化降低整体方差。这个例子完美说明了为什么不能只看期望，方差（以及协方差）才是决定风险的关键。

6.3 场景三：生产质量控制

工厂生产零件，规格要求直径 10mm。抽检一批零件，均值 10.02mm，标准差 0.03mm。均值虽然偏离了 0.02mm，但标准差很小，说明生产很稳定，稍微调整一下设备参数就能达标。如果均值 10.00mm 但标准差 0.15mm，那问题就大了——虽然平均下来是准的，但单个零件可能从 9.7 到 10.3 都有，大量产品会超出公差范围。

这个场景里，方差直接对应"不良率"。假设直径服从正态分布，公差是 ±0.1mm，标准差 0.03mm 时超出公差的比例极小（约 0.1%），标准差 0.15mm 时超出公差的比例就相当可观了。这就是为什么制造业如此重视过程能力指数（Cp、Cpk），它们本质上都是在比较公差范围和标准差。

7. 那些教科书不常讲但实际会遇到的坑

7.1 方差的量纲问题与变异系数

前面提过，方差的单位是原始单位的平方，解释起来别扭。比如你说"这组数据方差是 2.4 件²"，没人能直观理解。所以实际汇报时通常用标准差。

但还有一种情况：比较两组量纲不同的数据谁更"离散"。比如一组是身高（厘米），一组是体重（公斤），直接比标准差没意义。这时候用变异系数（CV）：

$$CV = \frac{\sigma}{\mu}$$

标准差除以均值，消掉了量纲，变成一个相对指标。CV 越大说明相对波动越大。这个指标在比较不同量级的数据时特别有用。不过要注意，当均值接近 0 时 CV 会爆炸，这时候不能用。

7.2 期望和方差对离群值的敏感度

期望（均值）对离群值非常敏感。一组数据[1, 2, 3, 4, 100]，均值是 22，但中位数只有 3。一个极端值就能把均值拉飞。方差更敏感，因为离差被平方了，那个 100 贡献了巨大的方差。

实际处理数据时，如果发现均值和方差异常大，第一件事应该是画个图看看有没有离群值。稳健的替代方案是用中位数代替均值，用四分位距（IQR）代替标准差。IQR 是第 75 百分位减第 25 百分位，不受极端值影响。

7.3 独立性与方差可加性的前提

前面说 Var(X+Y) = Var(X) + Var(Y)，但这个等式只在 X 和 Y 不相关时成立。一般情况下：

$$Var(X+Y) = Var(X) + Var(Y) + 2Cov(X, Y)$$

如果 X 和 Y 正相关，方差会比简单相加更大；负相关则更小。很多人做误差传播分析时忘了协方差项，导致结果偏差。判断能否忽略协方差项，关键看两个变量是否独立（或至少不相关）。独立一定不相关，但不相关不一定独立——这是概率论里一个经典的反直觉点。

7.4 样本量对方差估计的影响

样本量小的时候，样本方差本身波动很大。用 5 个样本估出来的方差，可能和真实方差差好几倍。所以做小样本分析时，对方差相关的结论要格外谨慎。一般经验是：样本量少于 30 时，方差的估计就相当不稳定了，这时候用 t 分布而不是正态分布来做区间估计会更准确。

8. 从期望和方差延伸出去：下一步该学什么

期望和方差是单变量统计量的地基，但只是开始。如果你已经掌握了这两个概念，接下来几个方向值得深入：

协方差和相关系数：从单变量扩展到双变量，衡量两个变量之间的线性关系。这是理解回归分析的前提。

高阶矩：期望是一阶矩，方差是二阶中心矩。三阶矩对应偏度（衡量分布对称性），四阶矩对应峰度（衡量分布尖峭程度）。这四个矩基本能刻画一个分布的大致形状。

大数定律和中心极限定理：前者说样本均值会趋近期望，后者说大量独立同分布变量的和近似服从正态分布。这两个定理是统计推断的理论基石，理解了它们才能明白为什么正态分布无处不在。

条件期望和全期望公式：E(X) = E[E(X|Y)]，这个公式在贝叶斯统计和机器学习里到处出现。它把复杂的期望计算拆解成"先按条件算，再对条件求期望"两步。

我自己学这部分的时候，最大的体会是：公式要背，但更重要的是理解每个统计量在回答什么问题。期望回答"中心在哪"，方差回答"有多散"，协方差回答"怎么一起变"。把这些问题和对应的统计量对应起来，遇到新场景时就知道该用哪个工具。

最后分享一个我常用的检验方法：每学完一个统计量，就拿一组自己熟悉的数据（比如每月开销、每天通勤时间）手算一遍，再用代码验证。手算的过程会逼你面对每一个细节，而代码验证能帮你发现理解偏差。这个习惯让我在后来做数据分析时，对每个数字背后的含义都心里有数，而不是盲目相信工具输出。