主题
Search

样本方差


样本方差 m_2 (通常写作 s^2 或有时 s_N^2) 是第二个 样本中心矩,并由下式定义

 m_2=1/Nsum_(i=1)^N(x_i-m)^2,
(1)

其中 m=x^_ 样本均值N样本大小

为了从先验未知 均值 (即,均值 是从样本本身估计的)的 N 个元素的样本中估计 总体方差 mu_2=sigma^2,我们需要一个无偏 估计量 mu^^_2 用于 mu_2。这个 估计量k 统计量 k_2 给出,其定义为

 k_2=mu^^_2=N/(N-1)m_2
(2)

(Kenney 和 Keeping 1951,第 189 页)。 类似地,如果从具有基础 中心矩 mu_n 的分布中抽取 N 个样本,则观察到的样本方差 m_2 的期望值为

 <m_2>=(N-1)/Nmu_2.
(3)

请注意,一些作者(例如,Zwillinger 1995,第 603 页)更喜欢定义

 s_(N-1)^2=1/(N-1)sum_(i=1)^N(x_i-x^_)^2,
(4)

因为这使得样本方差成为总体方差的 无偏估计量s_N^2s_(N-1)^2 之间的区别是常见的混淆来源,在查阅文献以确定使用哪种约定(尤其是在不提供信息的符号 s 通常用于两者的情况下)时,应格外小心。无偏样本方差 s_(N-1)^2 的实现方式为方差[列表]。

另请注意,通常,即使 sigma^^^2sigma^2无偏估计量sqrt(sigma^^^2)不是 标准差 sigma无偏估计量


另请参阅

k 统计量, 样本, 样本中心矩, 样本均值, 样本大小, 样本方差计算, 样本方差分布, 标准差, 无偏估计量, 方差

使用 Wolfram|Alpha 探索

参考文献

Evans, M.; Hastings, N.; and Peacock, B. Statistical Distributions, 3rd ed. New York: Wiley, p. 16, 2000.Kenney, J. F. and Keeping, E. S. Mathematics of Statistics, Pt. 2, 2nd ed. Princeton, NJ: Van Nostrand, 1951.Zwillinger, D. (Ed.). CRC Standard Mathematical Tables and Formulae. Boca Raton, FL: CRC Press, 1995.

在 Wolfram|Alpha 中引用

样本方差

请引用本文为

Weisstein, Eric W. “样本方差”。 来自 MathWorld--Wolfram Web 资源。 https://mathworld.net.cn/SampleVariance.html

主题分类