隨筆 - 79  文章 - 11  trackbacks - 0
          <2009年3月>
          22232425262728
          1234567
          891011121314
          15161718192021
          22232425262728
          2930311234

          不再墮落。
          Oracle documents: 
          http://tahiti.oracle.com/

          常用鏈接

          留言簿

          隨筆分類(66)

          隨筆檔案(79)

          相冊

          收藏夾(11)

          搜索

          •  

          積分與排名

          • 積分 - 53462
          • 排名 - 949

          最新隨筆

          最新評論

          閱讀排行榜

          http://wiki.mbalib.com/wiki/%E6%96%B9%E5%B7%AE

          方差(Variance)

          什么是方差

            方差和標準差是測度數據變異程度的最重要、最常用的指標。

            方差是各個數據與其算術平均數的離差平方和的平均數,通常以σ2表示。方差的計量單位和量綱不便于從經濟意義上進行解釋,所以實際統計工作中多用方差的算術平方根——標準差來測度統計數據的差異程度。

            標準差又稱均方差,一般用σ表示。方差和標準差的計算也分為簡單平均法和加權平均法,另外,對于總體數據和樣本數據,公式略有不同。

          方差的計算公式

            設總體方差為σ2,對于未經分組整理的原始數據,方差的計算公式為:

            \sigma^2=\frac{\sum_{i=1}^N(X_i-\bar{X})^2}{N}

            對于分組數據,方差的計算公式為:

            \sigma^2=\frac{\sum_{i=1}^K(X_i-\bar{X})^2 f_i}{\sum_{i=1}^K f_i}

            方差的平方根即為標準差,其相應的計算公式為:

            未分組數據:\sigma=\sqrt{\frac{\sum_{i=1}^N(X_i-\bar{X})^2}{N}}

            分組數據:\sigma=\sqrt{\frac{\sum_{i=1}^K(X_i-\bar{X})^2 f_i}{\sum_{i=1}^K f_i}}

          樣本方差和標準差

            樣本方差與總體方差在計算上的區別是:總體方差是用數據個數或總頻數去除離差平方和,而樣本方差則是用樣本數據個數或總頻數減1去除離差平方和,其中樣本數據個數減1即n-1稱為自由度。設樣本方差為S_{n-1}^2,根據未分組數據和分組數據計算樣本方差的公式分別為:

            未分組數據:S_{n-1}^2=\frac{\sum_{i=1^n(x_i-\bar{x})^2}}{n-1}

            分組數據:S_{n-1}^2=\frac{\sum_{i=1^k(x_i-\bar{x})^2 f_i}}{\sum_{i=1}^k f_i-1}

            未分組數據:S_{n-1}=\sqrt{\frac{\sum_{i=1^n(x_i-\bar{x})^2}}{n-1}}

            分組數據:S_{n-1}=\sqrt{\frac{\sum_{i=1^k(x_i-\bar{x})^2 f_i}}{\sum_{i=1}^k f_i-1}}

            例:考察一臺機器的生產能力,利用抽樣程序來檢驗生產出來的產品質量,假設搜集的數據如下:

          3.43 3.45 3.43 3.48 3.52 3.50 3.39
          3.48 3.41 3.38 3.49 3.45 3.51 3.50

            根據該行業通用法則:如果一個樣本中的14個數據項的方差大于0.005,則該機器必須關閉待修。問此時的機器是否必須關閉?

            解:根據已知數據,計算\bar{x}=\frac{\sum x}{n}=3.459

            S^2=\frac{\sum(x-\bar{x})^2}{n-1}=0.002<0.005

            因此,該機器工作正常。

            方差和標準差也是根據全部數據計算的,它反映了每個數據與其均值相比平均相差的數值,因此它能準確地反映出數據的離散程度。方差和標準差是實際中應用最廣泛的離散程度測度值。

          ---------------------------------------------------------------------
          http://zh.wikipedia.org/wiki/%E6%96%B9%E5%B7%AE

          方差

          維基百科,自由的百科全書

          跳轉到: 導航, 搜索

          概率論統計學中,一個隨機變量的“方差”描述的是它的離散程度,也就是該變量離其期望值的距離。 一個實隨機變量的方差也稱為它的二階距,恰巧也是它的二階culmulent。 方差的算術平方根稱為該隨機變量的標準差

          目錄

          [隱藏]

          [編輯] 定義

          X 為服從分布 F 的隨機變量,則稱 Var(X) = E(XEX)2 為隨機變量 X 或者分布 F方差

          如果 \mu = \operatorname{E}(X) 是隨機變數 X期望值 (平均數) , 則其變異數為: \operatorname{var}(X) = \operatorname{E}( ( X - \mu ) ^ 2 ).

          [編輯] 特性

          在樣本空間Ω上存在有限期望和方差的隨機變量構成一個希爾伯特空間: L^2(Ω, dP),不過這里的內積和長度跟方差,標準差還是不大一樣。 所以,我們得把這個空間“除”常變量構成的子空間,也就是說把相差一個常數的 所有原來那個空間的隨機變量做成一個等價類。這還是一個新的無窮維線性空間, 并且有一個從老空間內積誘導出來的新內積,而這個內積就是方差

          [編輯] 一般化

          如果X是一個向量其取值范圍在Rn空間,并且其每個元素都是一個一維隨機變量,我們就把X稱為隨機向量。隨機向量的方差是一維隨機變量方差的自然推廣,其定義為E[(X − μ)(X − μ)T], 其中 μ = E(X) ,XTX的轉秩. 這個方差是一個非負定方陣,通常稱為協方差矩陣

          如果X是一個復隨機變量,那么其方差定義則為E[(X − μ)(X − μ)*], 其中X*X的復共軛向量。根據這個定義,方差為實數。

          [編輯] 歷史

          方差這個詞首先由Ronald Fisher在論文The Correlation Between Relatives on the Supposition of Mendelian Inheritance中引入.

          [編輯] 參考出處

          1. ^ Press, W. H., Teukolsky, S. A., Vetterling, W. T. & Flannery, B. P. (1986) Numerical recipes: The art of scientific computing. Cambridge: Cambridge University Press. (online)
          posted on 2009-03-12 22:51 donnie 閱讀(10899) 評論(0)  編輯  收藏 所屬分類: math

          只有注冊用戶登錄后才能發表評論。


          網站導航:
           
          主站蜘蛛池模板: 页游| 南陵县| 福鼎市| 恩施市| 饶阳县| 双辽市| 广河县| 稻城县| 罗定市| 双城市| 革吉县| 沾化县| 平山县| 九龙坡区| 靖江市| 周至县| 宁海县| 沾化县| 北碚区| 通道| 昌黎县| 鄱阳县| 百色市| 那坡县| 锦屏县| 霍城县| 合水县| 托里县| 洛扎县| 五指山市| 梁河县| 徐闻县| 资阳市| 章丘市| 涿州市| 遵义县| 苏州市| 察隅县| 阜新市| 壤塘县| 怀安县|