设 X 1 , . . . , X n X_1, ..., X_n X1,...,Xn是从期望为 μ \mu μ、方差为 σ 2 \sigma^2 σ2的总体中抽取的大小为 n n n的随机样本。
样本均值和样本方差的公式
样本均值(sample mean)是随机样本值的算术平均: X ‾ = X 1 + . . . + X n n = 1 n ∑ i = 1 n X i \overline{X}=\frac{X_1+...+X_n}{n}=\frac{1}{n}\sum_{i=1}^{n}X_i X=nX1+...+Xn=n1∑i=1nXi
样本方差(sample variance): S 2 = 1 n − 1 ∑ i = 1 n ( X i − X ‾ ) 2 S^2=\frac{1}{n-1}\sum_{i=1}^{n}(X_i-\overline{X})^2 S2=n−11∑i=1n(Xi−X)2
样本标准差(sample standard deviation): S = S 2 S=\sqrt{S^2} S=S2
为什么样本方差除以 n − 1 n-1 n−1而不是 n n n呢?
无偏估计
随机样本的方差的期望值等于总体方差的真值。
证明
E ( S 2 ) = E ( 1 n − 1