條件期望的定義性質（defining properties of conditional expectation）

現代機率不直接給公式，而是用條件期望必須「做到」什麼來定義它。這就像把「線段的中點」定義為「唯一與兩端等距的點」，而不是去算坐標：你說出哪條性質把它釘死，再證明恰好有一個物件具備該性質。對 E[X given G] 而言恰有兩條要求，兩者合起來毫無含糊。

要求一（可測性）：E[X given G] 必須是一個 G-可測的隨機變數。白話說，它只被允許使用 G 所含的資訊——它必須是「由 G 告訴你的東西所拼出的最佳猜測」。要求二（部分平均）：對 G 裡的每個事件 A，E[X given G] 在 A 上的積分等於 X 在 A 上的積分；等價地，對所有 A 屬於 G，E[ E[X given G] 乘以 1_A ] = E[ X 乘以 1_A ]。這說的是條件期望與 X 並非逐點相符，而是在你被允許分辨的每一塊資訊上平均相符。一條乾淨的定理（用 Radon-Nikodym 證明，或在變異數有限時用 L^2 投影證明）指出：在機率為零的差異之下，恰好有唯一一個滿足要求二的 G-可測隨機變數。

為什麼要這樣定義？因為一旦你握有這兩條性質，每一條著名規則都成了簡短的推導，而非各自獨立的奇蹟：線性、塔性、把已知拿出來、獨立的效果、正性、條件 Jensen 全都隨之而來。隱式定義的回報正是這份槓桿力。但要注意：這兩個條件保證存在與唯一，卻沒給出封閉公式——要真正算出 E[X given G]，你還是得回頭用條件密度、對稱性或投影。