统计基础知识梳理--区分：方差，标准差，标准误，标准误差，均方误差和均方根误差

方差，标准差，标准误，标准误差，均方误差，均方根误差

很多资料的定义有冲突，因此以英文或者英文缩写记忆比较准确。歧义点主要在于关于标准差,标准误差，均方误差的定义，比如：有些地方会将标准误差==标准误，但也有将标准误差==均方根误差，标准误$\ne$标准误差。

这里我们以标准误差==均方根误差为标准。大家根据具体含义记忆，不要依赖于翻译。

英文和缩写

方差（variance，VAR），标准差（standard deviation，SD），标准误（standard error of mean，SEM），标准误差==均方误差（mean-square error，MSE），均方根误差（root mean-square error，RMSE）

含义

方差和标准差

方差（variance）和标准差（standard deviation）：标准差是方差的平方根（$SD=\sqrt{VAR}$）含义都是衡量随机变量的离散程度（或数据集的离散程度）。

注意：总体方差和样本方差

总体方差： $var=\frac{1}{n}{\Sigma }_{i=1}^n(x_i-\mu {)}^2$ ,$i=1,2,3,...,n,其中\mu 为总体均值$

样本方差：$S^2=\frac{1}{n-1}{\Sigma }_{i=1}^n(x_i-\overline{x}{)}^2$ ,$i=1,2,3,...,n,其中\overline{x}为样本均值$，n-1为自由度

标准误

标准误（standard error of mean,SEM 或者 standard error,SE）
因为一般用来描述样本平均值与总体均值的差异（因此是SEM），但也可以衡量其他的样本统计量（因此是SE）和总体参数的差异。

对于样本平均值的标准误： $SEM=\frac{s}{\sqrt{n}}$
对于样本比例（频率）的标准误：$SE=\sqrt{\frac{p(1-p)}{n}}$其中，$p$是样本比例（频率）

样本比例举例：
某高校调查了200名学生，其中喜欢体育的有87人，喜欢体育的频率为
43.5%（$p=0.0074$）,计算该样本比例的标准误：$SE=\sqrt{(0.435\ast (1-0.435))/200}=0.035$ 标准误较小，说明该样本比例比较可靠。

均方误差（mean-square error，MSE）和均方根误差（root mean-square error，RMSE）

均方误差是一种衡量预测值与实际值之间差异的度量，它反映了预测值与实际值之间的偏差程度。均方误差越小，说明预测值与实际值之间的差异越小，模型的预测能力越强。均方根误差==标准误差，是均方误差的算术平方根。

$MSE=\frac{1}{N}{\Sigma }_{i=1}^N(P_i-T{)}^2$

$RMSE=\sqrt{\frac{1}{N}{\Sigma }_{i=1}^N(P_i-T{)}^2}$
其中$P_i是预测值，T是实际值$

注意和方差的区别在于，前者是衡量预测值与实际值之间差异，后者是衡量随机变量的变化程度。