请输入您要查询的百科知识:

 

词条 方差
释义

方差是各个数据与平均数之差的平方的平均数。在概率论和数理统计中,方差(英文Variance)用来度量随机变量和其数学期望(即均值)之间的偏离程度。在许多实际问题中,研究随机变量和均值之间的偏离程度有着很重要的意义。

概述

如下面的例子:

已知某零件的真实长度为a,现用甲、乙两台仪器各测量10次,将测量结果X用坐标上的点表示如图:

甲仪器测量结果:乙仪器测量结果:两台仪器的测量结果的均值都是 a 。但是用上述结果评价一下两台仪器的优劣,很明显,我们会认为乙仪器的性能更好,因为乙仪器的测量结果集中在均值附近。

由此可见,研究随机变量与其均值的偏离程度是十分必要的。那么,用怎样的量去度量这个偏离程度呢?容易看到E[|X-E[X]|]能度量随机变量与其均值E(X)的偏离程度. 但由于上式带有绝对值,运算不方便,通常用量

E[(X-E[X])^2] 这一数字特征就是方差。

公式

方差是实际值与期望值之差平方的期望值,而标准差是方差算术平方根。 在实际计算中,我们用以下公式计算方差。

方差是各个数据与平均数之差的平方和的平均数,即s^2=(1/n)[(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2],其中,x_表示样本的平均数,n表示样本的数量,^,xn表示个体,而s^2就表示方差。

而当用(1/n)[(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2]作为样本X的方差的估计时,发现其数学期望并不是X的方差,而是X方差的(n-1)/n倍,[1/(n-1)][(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2]的数学期望才是X的方差,用它作为X的方差的估计具有“无偏性”,所以我们总是用[1/(n-1)]∑(xi-X~)^2来估计X的方差,并且把它叫做“样本方差”。

方差,通俗点讲,就是和中心偏离的程度!用来衡量一批数据的波动大小(即这批数据偏离平均数的大小)并把它叫做这组数据的方差。记作S²。 在样本容量相同的情况下,方差越大,说明数据的波动越大,越不稳定 。

定义

设X是一个随机变量,若E{[X-E(X)]^2}存在,则称E{[X-E(X)]^2}为X的方差,记为D(X),Var(X)或DX。

即D(X)=E{[X-E(X)]^2}称为方差,而σ(X)=D(X)^0.5(与X有相同的量纲)称为标准差(均方差)。即用来衡量一组数据的离散程度的统计量。

方差刻画了随机变量的取值对于其数学期望的离散程度。

若X的取值比较集中,则方差D(X)较小

若X的取值比较分散,则方差D(X)较大。

因此,D(X)是刻画X取值分散程度的一个量,它是衡量X取值分散程度的一个尺度。

计算

由定义知,方差是随机变量 X 的函数

g(X)=∑[X-E(X)]^2 pi

数学期望。即:

由方差的定义可以得到以下常用计算公式:

D(X)=∑xi²pi-E(x)²

D(X)=∑(xi²pi+E(X)²pi-2xipiE(X))

=∑xi²pi+∑E(X)²pi-2E(X)∑xipi

=∑xi²pi+E(X)²-2E(X)²

=∑xi²pi-E(x)²

方差其实就是标准差的平方。

几个重要性质

(1)设c是常数,则D(c)=0。

(2)设X是随机变量,c是常数,则有D(cX)=(c^2)D(X)。

(3)设 X 与 Y 是两个随机变量,则

D(X+Y)= D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]}

特别的,当X,Y是两个相互独立的随机变量,上式中右边第三项为0(常见协方差),

则D(X+Y)=D(X)+D(Y)。此性质可以推广到有限多个相互独立的随机变量之和的情况。

(4)D(X)=0的充分必要条件是X以概率为1取常数值c,即P{X=c}=1,其中E(X)=c。

(5)D(aX+bY)=a^2DX+b^2DY+2abE{[X-E(X)][Y-E(Y)]}。

随机变量的期望和方差

随机变量X。

X服从(0—1)分布,则E(X)=p D(X)=p(1-p)

X服从泊松分布,即X~ π(λ),则 E(X)= λ,D(X)= λ

X服从均匀分布,即X~U(a,b),则E(X)=(a+b)/2, D(X)=(b-a)^2/12

X服从指数分布,即X~e(λ), E(X)= λ^(-1),D(X)= λ^(-2)

X服从二项分布,即X~B(n,p),则E(x)=np, D(X)=np(1-p)

X 服从正态分布,即X~N(μ,σ^2), 则E(x)=μ, D(X)=σ^2

X 服从标准正态分布,即X~N(0,1), 则E(x)=0, D(X)=1

随机变量求方差的通用公式,即D(X)=E(X^2)-[E(X)]^2

统计学的应用

概念

样本中各数据与样本平均数的差的平方和的平均数叫做样本方差;样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量,样本方差或样本标准差越大,样本数据的波动就越大。

方差和标准差。方差和标准差是测算离散趋势最重要、最常用的指标。方差是各变量值与其均值离差平方的平均数,它是测算数值型数据离散程度的最重要的方法。标准差为方差的算术平方根,用S表示。方差相应的计算公式为

标准差与方差不同的是,标准差和变量的计算单位相同,比方差清楚,因此很多时候我们分析的时候更多的使用的是标准差。

高考实例

(甘肃省,2002年)某校初三年级甲、乙两班举行电脑汉字输入速度比赛,两个班参加比赛的学生每分钟输入汉字的个数,经统计和计算后结果如下表所示:

班级 参加人数 平均字数 中位数 方差

甲 55 135 149 191

乙 55 135 151 110有一位同学根据上表得出如下结论:

①甲、乙两班学生的平均水平相同

②乙班优秀的人数比甲班优秀的人数多(每分钟输入汉字达150个以上为优秀)

③甲班学生比赛成绩的波动比乙班学生比赛成绩的波动大.上述结论正确的是________(填序号).

解:填①、②、③,

解:甲乙的平均数相同,所以①甲、乙两班学生的平均水平相同.根据中位数可知乙的中位数大,所以②乙班优秀的人数比甲班优秀的人数多.根据方差数据可知,方差越大波动越大,反之越小,所以甲班学生比赛成绩的波动比乙班学生比赛成绩的波动大.

故填:①②③.

点评:本题考查统计知识中的中位数、平均数和方差的意义.要知道平均数和中位数反映的是数据的集中趋势,方差反映的是离散程度.

切比雪夫不等式

切比雪夫(Chebyshev)不等式

对于任一随机变量X ,若EX与DX均存在,则对任意ε>0,

恒有P{|X-EX|>=ε}<=DX/ε^2或P{|X-EX|<ε}>=1-DX/ε^2

切比雪夫不等式说明,DX越小,则 P{|X-EX|>=ε}

越小,P{|X-EX|<ε}越大, 也就是说,随机变量X取值基本上集中在EX附近,这进一步说明了方差的意义。

同时当EX和DX已知时,切比雪夫不等式给出了概率P{|X-EX|>=ε}的一个上界,该上界并不涉及随机变量X的具体概率分布,而只与其方差DX和ε有关,因此,切比雪夫不等式在理论和实际中都有相当广泛的应用。需要指出的是,虽然切比雪夫不等式应用广泛,但在一个具体问题中,由它给出的概率上界通常比较保守。

切比雪夫不等式是指在任何数据集中,与平均数超过K倍标准差的数据占的比例至多是1/K^2。

在概率论中,切比雪夫不等式显示了随机变数的「几乎所有」值都会「接近」平均。这个不等式以数量化这方式来描述,究竟「几乎所有」是多少,「接近」又有多接近:

与平均相差2个标准差的值,数目不多于1/4

与平均相差3个标准差的值,数目不多于1/9

与平均相差4个标准差的值,数目不多于1/16

……

与平均相差k个标准差的值,数目不多於1/K^2

举例说,若一班有36个学生,而在一次考试中,平均分是80分,标准差是10分,我们便可得出结论:少于50分(与平均相差3个标准差以上)的人,数目不多于4个(=36*1/9)。

极差与方差

极差不能用作比较,单位不同 ; 方差能用作比较, 因为都是个比率

随便看

 

百科全书收录4421916条中文百科知识,基本涵盖了大多数领域的百科知识,是一部内容开放、自由的电子版百科全书。

 

Copyright © 2004-2023 Cnenc.net All Rights Reserved
更新时间:2024/12/23 13:52:57