公式推导

公式推导

---

事件为相互独立的情况：

$n$个相互独立且服从相同分布的事件，$X_{1},X_{2},...,X_{n}$，其标准差为 $\sigma$, 期望为 $\mu$。

则总的的事件的期望和方差分别为：
$E(X_{1}+X_{2}+...X_{n})\\=E(X_{1})+E(X_{2})+...+E(X_{n}) \\=\underbrace{\mu+\mu+...+\mu}_{n}=n\mu$

$D(X_{1}+X_{2}+...X_{n})\\=D(X_{1})+D(X_{2})+...+D(X_{n})\\=\underbrace{\sigma^{2}+\sigma^{2}+...+\sigma^{2}}_{n}=n\sigma^{2}$

因此总的事件的波动系数$C_{v}$为：$\frac{\sqrt{n}\sigma}{n\mu}=\frac{\sigma}{\sqrt{n}\mu}=\frac{1}{\sqrt{n}}C_{v}$

事件为正相关的情况：

$n$个事件 $X_{1},X_{2},...,X_{n}$ 互为正相关，且有相同的期望 $\mu$，和标准差 $\sigma$。

则总的期望为：
$E(X_{1}+X_{2}+...X_{n})\\=E(X_{1})+E(X_{2})+...+E(X_{n})\\=\underbrace{\mu+\mu+...+\mu}_{n}=n\mu$

总的方差为：

因为两两互为正相关，则有相关系数 $\rho _{XY}=1$

即$\frac{Cov(X,Y)}{\sqrt{DX}\sqrt{DY}}=1$–>$Cov(X,Y)=\sqrt{DX}\sqrt{DY}$

又
$D(X_{1}+X_{2}+...X_{n})$

$=E\{[(X_{1}+X_{2}+...X_{n})-E(X_{1}+X_{2}+...X_{n})]^{2}\}$

$=E\{[(X_{1}-EX_{1})+(X_{2}-EX_{2})+...+(X_{n}-EX_{n})]^{2}\}$

$=E[(X_{1}-EX_{1})^{2}+(X_{2}-EX_{2})^{2}+...+(X_{n}-EX_{n})^{2}+2\sum_{i,j=1,2...n 且i<j}^{}Cov(X_{i},X_{j})]$

$=DX_{1}+DX_{2}+...+DX_{n}+2\sum_{i,j=1,2...n 且i< j}\sqrt{DX_{i}}\sqrt{DX_{j}}$

$=(\sqrt{DX_{1}}+\sqrt{DX_{2}}+...+\sqrt{DX_{n}})^{2}$

$=(n\sigma)^{2}$

所以总的标准差就为：$n\sigma$

总的波动系数为：$C_{v}=\frac{n\sigma}{n\mu}=\frac{\sigma}{\mu}$