方差之python

方差

（variance)是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。在许多实际问题中，研究方差即偏离程度有着重要意义。

方差的定义

方差在统计描述和概率分布中各有不同的定义，并有不同的公式。

在统计描述中，方差用来计算每一个变量（观察值）与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。总体方差计算公式：

为总体方差，

为变量，

为总体均值，

为总体例数。

实际工作中，总体均数难以得到时，应用样本统计量代替总体参数，经校正后，样本方差计算公式：

S^2= ∑(X-

) ^2 / (n-1)
S^2为样本方差，X为变量，

为样本均值，n为样本例数。

在概率分布中，设X是一个离散型 随机变量，若E{[X-E(X)]^2}存在，则称E{[X-E(X)]^2}为X的方差，记为D(X),Var(X)或DX，其中E(X)是X的期望值，X是变量值，公式中的E是期望值expected value的缩写，意为“变量值与其期望值之差的平方和”的期望值。离散型随机变量方差计算公式：

D(X)=E{[X-E(X)]^2}=E(X^2) - [ E(X)]^2

当D(X)=E{[X-E(X)]^2}称为变量X的方差，而

称为标准差 （或 均方差 ）。它与X有相同的量纲。标准差是用来衡量一组数据的离散程度的 统计量
对于连续型随机变量X，若其定义域为(a,b)，概率密度函数为f(x)，连续型随机变量X方差计算公式：

D(X)=

(x-μ)^2 f(x) dx
方差刻画了随机变量的取值对于其数学期望的 离散程度。（标准差、方差越大，离散程度越大)

若X的取值比较集中，则方差D(X)较小,若X的取值比较分散，则方差D(X)较大。

因此，D(X)是刻画X取值分散程度的一个量，它是衡量取值分散程度的一个尺度。

可以使用numpy库来实现（std() 和var()分别计算数组的标准差和方差）

a = nr.normal(0,2.0,(10000,10))//首先产生一个标准差为2.0,方差为4.0的正态分布的随机数组，假设从总体样本中抽取10个样本（上述操作执行10000次）

v1 = np.var(0,axis = 1,ddof=0)//偏样本方差

v2 = np.var(0,axis = 1,ddof=1)//无偏样本方差