快速计算数组中前n个数的均值和方差

一、问题背景

\quad 给你一个数组$x=[1,2,3,6]$，如何快速计算其前缀数组$x[0\cdots n]$的均值和方差，即需要返回均值数组$m=[1,1.5,2,3]$，$m[2]=2$表示数组$x[0\cdots 2]=[1,2,3]$的均值为2；同时返回方差数组$S=[0,0.25,\frac{2}{3},3.5]]$，$S[2]=2/3$表示数组$x[0\cdots 2]=[1,2,3]$的方差为$\frac{2}{3}$。
\quad 对于这个问题，我们很容易找到$O(n^2)$级别的算法暴力计算，那有没有$O(n)$级别的算法呢？
\quad 我们尝试思考这样一个问题，假设我求解出了数组前$n-1$项的均值和方差，能否求出一个递推式子直接算出前$n$项的均值和方差呢？

二、理论推导

\quad 定义均值数组$m$和方差乘上当前长度$n$的数组$S$：$$m_n=\frac{{\sum }_{i=1}^n{x}_i}{n},S_n=\sum _{i=1}^n(x_i-m_n{)}^2$$
首先容易得到均值的递推式子：$$m_n=\frac{{\sum }_{i=1}^n{x}_i}{n}=\frac{{\sum }_{i=1}^{n-1}{x}_i+x_n}{n}=\frac{n-1}{n}{m}_{n-1}+\frac{1}{n}{x}_n$$
将上述式子代入可以得到$$x_i-m_n=x_i-(\frac{n-1}{n}{m}_{n-1}+\frac{1}{n}{x}_n)=x_i-m_{n-1}-\frac{1}{n}(x_n-m_{n-1})$$，当$i=n$时得到$$x_n-m_n=\frac{n-1}{n}(x_n-m_{n-1})$$
有了这些辅助，接下来我们尝试推到$S$的递推式：
$$\begin{gathered} S_n=\sum _{i=1}^n(x_i-m_n{)}^2 \\ =\sum _{i=1}^{n-1}(x_i-m_n{)}^2+(x_n-m_n{)}^2 \\ =\sum _{i=1}^{n-1}(x_i-m_n{)}^2+(\frac{n-1}{n}{)}^2(x_n-m_{n-1}{)}^2 \\ =\sum _{i=1}^{n-1}[x_i-m_{n-1}-\frac{1}{n}(x_n-m_{n-1}){]}^2+(\frac{n-1}{n}{)}^2(x_n-m_{n-1}{)}^2 \\ =\sum _{i=1}^{n-1}(x_i-m_{n-1}{)}^2+[\frac{n-1}{n^2}+\frac{(n-1{)}^2}{n^2}](x_n-m_{n-1}{)}^2 \\ =S_{n-1}+\frac{n-1}{n}(x_n-m_{n-1}{)}^2 \end{gathered}$$

至此，我们得到了利用数组前$n-1$项的均值和方差推出前$n$项的均值和方差的递推式子，如下：
$$\begin{gathered} m_n=\frac{n-1}{n}{m}_{n-1}+\frac{1}{n}{x}_n \\ {S}_n=S_{n-1}+\frac{n-1}{n}(x_n-m_{n-1}{)}^2 \end{gathered}$$

三、程序

\quad 这里给出Python程序求解实例，给出数组$x$，返回其均值数组$m$和方差数组$S$。

def meanAndSquare(x):
    x = [0] + x
    m = [0 for _ in range(len(x))]  # 均值
    S = [0 for _ in range(len(x))]  # 方差乘上当前长度的值
    for i in range(1, len(x)):
        m[i] = ((i - 1) * m[i - 1] + x[i]) / i
        S[i] = S[i - 1] + (i - 1) / i * (x[i] - m[i - 1]) ** 2
    for i in range(1, len(S)):
        S[i] /= i  # 注意需要除上当前长度才是方差
    m, S = m[1:], S[1:]
    return m, S

if __name__ == '__main__':
    x = [1, 2, 3, 6]
    print(meanAndSquare(x))