误差分析（python）

最新推荐文章于 2023-04-09 17:52:14 发布

shaobo Huang

最新推荐文章于 2023-04-09 17:52:14 发布

阅读量7.6k

点赞数 1

分类专栏：数据分析

本文链接：https://blog.csdn.net/weixin_42788078/article/details/109489982

版权

这篇博客介绍了误差分析的基本概念，包括方差、协方差、标准差以及它们在Python中的应用。方差用于衡量数据的离散程度，样本方差通常使用n-1作为分母。协方差衡量两个变量的总体误差，正值表示正相关，负值表示负相关。标准差是方差的平方根，反映了数据偏离平均值的程度。均方误差和均方根误差则用于评估预测模型的精度。

摘要由CSDN通过智能技术生成

方差（Variance)

方差用于衡量随机变量或一组数据的离散程度，方差在在统计描述和概率分布中有不同的定义和计算公式。
①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；
②统计中的方差(样本方差)是每个样本值与全体样本均值之差的平方值的平均数，代表每个变量与总体均值间的离散程度。
概率论中计算公式

离散型随机变量的数学期望：

在这里插入图片描述
连续型随机变量的数学期望：

其中， $p i$ 是变量， $x i$ 发生的概率， $f (x)$ 是概率密度。

统计学中计算公式

总体方差，也叫做有偏估计，其实就是我们从初高中就学到的那个标准定义的方差：
在这里插入图片描述
其中，n表示这组数据个数，x1、x2、x3……xn表示这组数据具体数值。

其中， $\bar{X}$ 为数据的平均数， $n$ 为数据的个数， $s^{2}$ 为方差。
样本方差，无偏方差，在实际情况中，总体均值\bar{X}是很难得到的，往往通过抽样来计算，于是有样本方差，计算公式如下
在这里插入图片描述
为什么分母变成了n-1

协方差（Covariance）

协方差在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。
在这里插入图片描述