[PS] More detailed descriptions

semester4/ps/ps-jh/parts/03_expected-value/05_variance.tex

@@ -15,7 +15,8 @@ $\V[\cX] = \E[\cX^2] - \E[\cX]^2 = a^2\E[1_\Omega] - a^2 = 0$
 Falls $\cX_k$ abhängig, dann gilt $\neq$.
 Falls \bi{mermals} selbe Z.V. (e.g. $\cX - \cY - \cY$, ist $\cX - 2\cY$, dann $\V = \V[\cX] + 2^2 \V[\cY]$)
 
-\newpage
+\shortremark Für Varianz von bspw. $Y = \sum_{i = 1}^{n} \cX_i$, $\cX_i$ i.i.d: Unabh. nutzen (s. oben), dann ist Berechnung einfach
+
 \shortexample Varianz von bekannten Verteilungen
 \begin{itemize}
     \item $\cX \sim \text{Ber}(p)$, $\V[\cX] = p (1 - p)$