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 V a r ( X ) 或 D ( X ) 来 表 示 : V a r ( X ) = D ( X ) = E [ X − E ( X ) ] 2 = E ( X 2 ) − [ E ( X ) ] 2 . 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. 方差用Var(X)或D(X)来表示:Var(X)=D(X)=E[X−E(X)]2=E(X2)−[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
。
有时也使用D(X)表示X的方差。
有时也使用D(X)表示X的方差。
我
们
把
σ
=
D
(
X
)
成
为
标
准
差
,
它
在
意
义
上
也
描
述
了
平
均
的
偏
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。
我们把σ=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 X X的期望为 E ( X ) E(X) E(X),偏离量 X − E ( X ) X-E(X) 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 ) X-E(X) 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 ) ∣ ] E[|X-E(X)|] E[∣X−E(X)∣]作为描述 X X X取值分散程度的数字特征,称之为 X X 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 [X-E(X)]^2 [X−E(X)]2的平均值度量 X X X与 E ( X ) E(X) 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
:
离散型随机变量的方差:
离散型随机变量的方差:
D
(
X
)
=
E
[
X
−
E
(
X
)
]
2
=
∑
i
=
1
∞
[
x
i
−
E
(
X
)
]
2
p
i
D(X)=E[X-E(X)]^2=\sum_{i=1}^{\infty}[x_i-E(X)]^2p_i
D(X)=E[X−E(X)]2=i=1∑∞[xi−E(X)]2pi
连
续
型
随
机
变
量
的
数
学
期
望
E
(
X
)
:
连续型随机变量的数学期望E(X):
连续型随机变量的数学期望E(X):
D
(
X
)
=
E
(
X
−
E
(
X
)
]
2
=
∫
−
∞
+
∞
[
x
−
E
(
X
)
]
2
f
(
x
)
d
x
.
D(X)=E(X-E(X)]^2=\int_{-\infty}^{+\infty}[x-E(X)]^2f(x)dx.
D(X)=E(X−E(X)]2=∫−∞+∞[x−E(X)]2f(x)dx.