几何分布的期望和方差公式推导_总体方差与样本方差，关于估计

总体方差与样本方差：

样本方差与总体方差计算差别在于分母是样本数n-1。很多的解释关于自由度：自由度，这里暂集中理清楚总体方差和总体样本的关系，先不扯自由度。

关于样本方差的推导，如果我们认为方差样本形如总体样本：

因为

所以（1）式中第二项和第三项减去后

原式

然后第一项在中心极限中就是总体方差的无偏估计，而第二项当等于0时，全式就是总体方差了。但是很可惜，因为这个平方导致这个数的期望大于0。这意味着，如果能够事先预知总体样本，然后代入公式后，就不用再除以1/(n+1)而是1/n了。

所以我们知道现在为什么是有偏估计了，如果还不理解，我们可以通过图来理解理解。

现在有总体包含X1,X2,X3，第一条坐标系是指总体样本以及总体均值。后三条分别为样本及样本均值。

正常来说，抽样取出来的样本均值的期望就是总体期望，但是每一次得到的样本均值其实是最优点。当我们在X1和X3中选一个点P使(X1-P)^2+(X3-P)^2最小，毫无疑问就是平均值。因此每一次抽样的时候得到的都是最优点，以至于得到的样本方差的期望小于总体方差。

---

那1/(n-1)是怎么来的，假设我们不知道样本方差和我们希望估算出的总体方差之间的关系，我们希望样本方差的期望等于总体方差，也就是：

因为x的平均数是由x求出的，所以x平均数的期望必然等于x的期望，所以式中和的平方项消去。所以原式变为：

因为

所以

至此通过一步一步的推导我们可以看出一个问题：无偏估计还是会存在误差，只是通过在中心极限定理下会趋于最终值。所以在取样时保证最小样本量对整体估计的准确性才是最有帮助的。