方差
| A+醫學百科 >> 方差 |
在概率論和數理統計中，方差（英文Variance）用來度量隨機變量和其數學期望（即均值）之間的偏離程度。在許多實際問題中，研究隨機變量和均值之間的偏離程度有著很重要的意義。如下面的例子：
已知某零件的真實長度為a，現用甲、乙兩臺儀器各測量10次，將測量結果X用坐標上的點表示如圖：
甲儀器測量結果：
乙儀器測量結果：
兩臺儀器的測量結果的均值都是 a 。但是用上述結果評價一下兩臺儀器的優劣，很明顯，我們會認為乙儀器的性能更好，因為乙儀器的測量結果集中在均值附近。
由此可見,研究隨機變量與其均值的偏離程度是十分必要的.那么,用怎樣的量去度量這個偏離程度呢?容易看到E(｜X-E(X)｜)能度量隨機變量與其均值E(X)的偏離程度. 但由于上式帶有絕對值,運算不方便,通常用量
E｛[X-E(X)]^2｝ 這一數字特征就是方差。
目錄 |
方差的定義
設X是一個隨機變量，若E｛[X-E(X)]^2｝存在，則稱E｛[X-E(X)]^2｝為X的方差，記為D(X)或DX。
即D(X)=E｛[X-E(X)]^2｝，而σ(X)=D(X)^0.5（與X有相同的量綱）稱為標準差或均方差。即用來衡量一組數據的離散程度的統計量。
方差刻畫了隨機變量的取值對于其數學期望的離散程度。
若X的取值比較集中，則方差D(X)較小；
若X的取值比較分散，則方差D(X)較大。
因此，D（X）是刻畫X取值分散程度的一個量，它是衡量X取值分散程度的一個尺度。
方差的計算
由定義知，方差是隨機變量 X 的函數
g(X)=[X-E(X)]^2
的數學期望。即：
由方差的定義可以得到以下常用計算公式：
D(X)=E(X^2)-[E(X)]^2
證明：
D(X)=E[X-E(X)]^2
=E｛X^2-2XE(X)+[E(X)]^2｝
=E(X^2)-2[E(X)]^2+[E(X)]^2
=E(X^2)-[E(X)]^2
方差其實就是標準差的平方。
方差的幾個重要性質
（1）設c是常數，則D(c)=0。
（2）設X是隨機變量，c是常數，則有D(cX)=(c^2)D(X)。
（3）設 X 與 Y 是兩個隨機變量，則
D(X+Y)= D(X)+D(Y)+2E｛[X-E(X)][Y-E(Y)]｝
特別的，當X，Y是兩個相互獨立的隨機變量，上式中右邊第三項為0（常見協方差），
則D(X+Y)=D(X)+D(Y)。此性質可以推廣到有限多個相互獨立的隨機變量之和的情況.
（4）D(X)=0的充分必要條件是X以概率為1取常數值c，即P｛X=c｝=1，其中E(X)=c。
常見隨機變量的期望和方差
設隨機變量X。
X服從(0—1)分布，則E(X)=p D(X)=p(1-p)
X服從泊松分布，即X~ π(λ),則 E(X)= λ，D(X)= λ
X服從均勻分布，即X~U(a，b),則E(X)=(a+b)/2, D(X)=(b-a)^2/12
X服從指數分布，即X~e(θ), E(X)= θ，D(X)= θ^2
X服從二項分布，即X~B(n,p)，則E(x)=np, D(X)=np(1-p)
X 服從正態分布，即X~N(μ,σ2), 則E(x)=μ, D(X)=σ^2
若Xi~ N(μi,σi^2),i=1,2,…n, 且它們相互獨立，則它們的線性組合C1X1+C2X2+…+CnXn(Ci是不全為0的常數)仍然服""從正態分布,且C1X1+C2X2+…+CnXn~N (∑Ciμi, ∑Ci^2σi^2)
統計學的應用
概念
樣本中各數據與樣本平均數的差的平方和的平均數叫做樣本方差；樣本方差的算術平方根叫做樣本標準差。
樣本方差和樣本標準差都是衡量一個樣本波動大小的量，樣本方差或樣本標準差越大，樣本數據的波動就越大。
方差和標準差。方差和標準差是測算離散趨勢最重要、最常用的指標。方差是各變量值與其均值離差平方的平均數，它是測算數值型數據離散程度的最重要的方法。標準差為方差的平方根，用S表示。標準差相應的計算公式為
標準差與方差不同的是，標準差和變量的計算單位相同，比方差清楚，因此很多時候我們分析的時候更多的使用的是標準差。
高考實例
（甘肅省，2002年）某校初三年級甲、乙兩班舉行電腦漢字輸入速度比賽，兩個班參加比賽的學生每分鐘輸入漢字的個數，經統計和計算后結果如下表所示：
| 班級 | 參加人數 | 平均字數 | 中位數 | 方差 |
| 甲 | 55 | 135 | 149 | 191 |
| 乙 | 55 | 135 | 151 | 110 |
有一位同學根據上表得出如下結論：
①甲、乙兩班學生的平均水平相同；
②乙班優秀的人數比甲班優秀的人數多（每分鐘輸入漢字達150個以上為優秀）；
③甲班學生比賽成績的波動比乙班學生比賽成績的波動大．上述結論正確的是________（填序號）．
解：填①、②、③，顯然①、③是正確的是．對于第②個結論，因為甲的中位數為149，表明甲班優秀人數未過半，而乙的中位數為151，表明乙班優秀人數在半數以上，故乙班優秀的人數比甲班優秀人數多，∴ ②正確．
切比雪夫不等式
定理
設隨機變量X就有數學期望E(X)=μ，方差D(X)=σ^2 ，則對于任意整數ε，有不等式
|
或 |
|
成立。
由切比雪夫不等式可以看出，若 ε 越小，則事件｛｜X-E(X)｜< ε ｝的概率越大，即隨機變量X 集中在期望附近的可能性越大.
就只連續性隨機變量的情況來證明。
設X的概念密度為 f(x).
|
當方差已知時，切比雪夫不等式給出了r.v X與它的期望的偏差不小于3σ 的概率的估計式 .
如取ε =3σ
可見，對任給的分布，只要期望和方差D(X)，則 r.v X取值偏離E(X)超過3σ 的概率小于0.111 .
應用實例
例9 已知正常男性成人血液中 ，每一毫升白細胞數平均是7300，均方差是700 . 利用切比雪夫不等式估計每毫升白細胞數在5200~9400之間的概率 .
解：設每毫升白細胞數為X
依題意，E(X)=7300,D(X)=7002
所求為 P(5200 ≤ X≤ 9400)
P(5200≤ X ≤ 9400)
= P(-2100 ≤X-E(X) ≤ 2100)
= P｛ ｜X-E(X)｜ ≤ 2100｝
由切比雪夫不等式，
即估計每毫升白細胞數在5200~9400之間的概率不小于8/9 .
| 關于“方差”的留言： |  訂閱討論RSS
|
|
目前暫無留言 | |
| 添加留言 | |