概率论中 Var是什么意思？概率论方差概念介绍

先介绍一个单词：Variance/'veərɪəns/ n. 变异；变化；不一致；分歧；[数] 方差

$方差用Var(X)或D(X)来表示：Var(X)=D(X)=E[X-E(X){]}^2=E(X^2)-[E(X){]}^2.$

定 义 ： 设 X 为 一 随 机 变 量 ， 如 果 E { [ X − E ( X ) ] 2 } ， 则 称 之 为 X 的 方 差 ， 记 为 V a r ( X ) ， 即 定义：设X为一随机变量，如果E\{[X-E(X)]^2\}，则称之为X的方差，记为Var(X)，即 定义：设X为一随机变量，如果E{[X−E(X)]2}，则称之为X的方差，记为Var(X)，即
V a r ( X ) = E { [ X − E ( X ) ] 2 } ， Var(X)=E\{[X-E(X)]^2\}， Var(X)=E{[X−E(X)]2}，
$有时也使用D(X)表示X的方差。$
$我们把\sigma =\sqrt{D(X)}成为标准差，它在意义上也描述了平均的偏差。$

方差是随机变量的又一重要的数字特征，它刻画了随机变量取值在其中心位置附近的分散程度，也就是随机变量取值与平均值的偏离程度。设随机变量$X$的期望为$E(X)$，偏离量$X-E(X)$本身也是随机的，为刻画偏离程度的大小，不能使用$X-E(X)$的期望，因为其值为零，即正负偏离彼此抵消了。为避免正负偏离彼此抵消，可以使用$E[|X-E(X)|]$作为描述$X$取值分散程度的数字特征，称之为$X$的平均绝对差。由于在数学上绝对值的处理很不方便，因此常用$[X-E(X){]}^2$的平均值度量$X$与$E(X)$的偏离程度，这个平均值就是方差。

$离散型随机变量的方差：$
$$D(X)=E[X-E(X){]}^2=\sum _{i=1}^{\infty }[x_i-E(X){]}^2{p}_i$$
$连续型随机变量的数学期望E(X)：$
$$D(X)=E(X-E(X){]}^2={\int }_{-\infty }^{+\infty }[x-E(X){]}^{2}f(x)dx.$$