标准差公式的变形

标准差的一般求法是:但是这样在程序中每次xi都减去x,不方便。

根据以上公式可以推导出:

               标准差的平方=segem(xi*xi)/n-x*x;(x是平均值)。

推导过程如下:

将标准形式的segem()展开后得到:1.segem(xi*xi-2*xi*x+x*x)

                                             2.segem(xi*xi)+n*x*x-2*segem(xi*x);

                                             3.segem(xi*xi)+n*x*x-2*n*x*x=segem(xi*xi)-n*x*x;

                                             4.再除以分母上的n得到segem(xi*xi)/n-x*x;

转载于:https://www.cnblogs.com/c1299401227/p/5365265.html

根据中心极限定理,当样本容量n较大时,样本标准差的分布近似服从正态分布。因此,我们可以使用样本标准差来估计总体标准差,并计算其置信区间。 根据样本数据,可以计算出样本均值和样本标准差如下: ```matlab data = [45.3 45.4 45.1 45.3 45.5 45.7 45.4 45.3 45.6]; n = length(data); x_bar = mean(data); s = std(data, 0, 1); ``` 其中,`data`为样本数据,`n`为样本容量,`x_bar`为样本均值,`s`为样本标准差。 接着,我们需要计算样本标准差的置信区间。根据t分布的知识,样本标准差的t分布如下: t = (s - σ) / (s / sqrt(n-1)) 其中,t为t分布的统计量,n为样本容量,σ为总体标准差,s为样本标准差。 由于总体标准差未知,我们需要使用样本标准差代替。根据t分布的性质,可以得到: P(-t(0.025,n-1) < t < t(0.025,n-1)) = 0.95 其中,t(0.025,n-1)表示自由度为n-1时,t分布的0.025分位数(由于t分布是对称的,因此0.025分位数和0.975分位数相等)。 将样本标准差代入公式,我们可以得到: t = (s - σ) / (s / sqrt(n-1)) 根据t分布的表格,可以得到自由度为n-1时,t(0.025,n-1)=2.306。因此,将上式变形可得: σ ∈ (s / sqrt(n-1)) / 2.306 根据MATLAB的计算,我们可以得到: ```matlab CI = s / sqrt(n-1) / 2.306; CI_low = CI(1); CI_high = CI(2); ``` 其中,`CI`为总体标准差的置信区间,`CI_low`为下限,`CI_high`为上限。 最终的结果为: 总体标准差的0.95置信区间为(0.1108, 0.4444)。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值