关于方差、标准差与均方误差

1.是什么？

1.1.方差

概率论中方差用来度量随机变量和其数学期望之间的偏离程度，换而言之，方差的作用是看某一个值和平均值之间相差多少。最终反应的是一组数据内的波动大小，即，方差越大说明波动越大，波动越大表明数据越不稳定、不确定；方差越小说明波动越小，波动越小表明数据越稳定、确定。

假若我们的平均值（期望值）用表示，全局平均值表示为，则方差就可以笼统地表示为：

引入某个值的概率（出现的频率），用表示，则方差就可以笼统地表示为：

至于为什么说是笼统地，想必聪明的你一定有所察觉，我们这里并没有区分离散型和连续型，所以实际使用的时候还要根据具体情况而定。不过核心思想总是不变的，是一个大差不差的概念。

方差和数学期望之间的数量关系：

1.2.标准差

标准差又称标准方差，是方差开算数平方根的结果。也可以说，方差是标准差的平方。

用公式直观地表示一下：

1.3.均方误差

均方误差是各数据偏离真实值差值的 平方和 的 平均数。

假如当前的真实值为b，则均方误差可以表示为：

2.区别 ？

2.1.方差与标准差

两者反应的内容都是相同的，换而言之，作用都是一样的。那为什么要多一个标准差呢？

原因在于量纲。（理解量纲为计算单位就可以了）

仔细观察1.1.的两个定义公式，不难发现方差的量纲是随机变量的平方。而我们一般想要的结果是更贴近当前数据的，换而言之，希望得到的是随机变量等级的结果，而非等级的结果。因此推出标准差是不是很合理了呢？

下面贴一个其他博主（@知乎-千寻）举的我觉得很生动的例子：

2.2.方差和均方误差

方差是平均值，均方误差是真实值，换而言之，方差是数据序列与均值的关系，均方误差是数据序列与真实值的关系。

方差一般用来计算样本的离散程度，而均方误差则可以用作衡量模型拟合的一个度量。

3.参考资料

方差、标准差、均方差、均方误差（MSE）区别总结 - 知乎 (zhihu.com)概率论2.4-期望/方差的概念及实际意义 - 知乎 (zhihu.com)方差、标准差、均方差、均方误差（MSE）区别总结 - 知乎 (zhihu.com)

概率论：三、随机变量的期望和方差 - 知乎 (zhihu.com)