均值和方差递推公式

---

前言

计算实时序列数据的均值和方差时，常使递推的方式，可以减少存储和降低计算复杂度( O(n)-> O(1) )。下面将给出递推公式和推导方法。

---

一、定义

均值

定义：给定一个包含n个样本的集合 X={X1, …Xn}，均值就是这个集合中所有元素和的平均值。

公式：
$$\begin{array}{rl}& \mu =\frac{1}{n}\sum _{i=1}^n{x}_i\end{array}$$

方差

定义：方差是各个数据与其算术平均数的离差平方和的平均数。

公式：
$$\begin{array}{rl}& {\sigma }^2=\frac{1}{n}\sum _{i=1}^n(x_i-\mu {)}^2\end{array}$$

备注：样本方差的分母是n-1。

二、递推公式

1.均值

令 前n个样本的均值为：$$\begin{array}{rl}& {\mu }_n=\frac{1}{n}\sum _{i=1}^n{x}_i\end{array}\text{\hspace{1em}(2.1)}$$

则，与前n-1个样本的均值的递推公式为：
$$\begin{array}{rl}& {\mu }_n=\frac{1}{n}\sum _{i=1}^n{x}_i\\ & =\frac{1}{n}\left(\sum _{i=1}^{n-1}{x}_i+x_n\right)\\ & =\frac{1}{n}\left[(n-1){\mu }_{n-1}+x_n\right]\\ & ={\mu }_{n-1}+\frac{1}{n}(x_n-{\mu }_{n-1})\end{array}\text{\hspace{1em}(2.2)}$$

2.方差

令 前n个样本的方差为：$$\begin{array}{rl}& {\sigma }_n^2=\frac{1}{n}\sum _{i=1}^n(x_i-{\mu }_n{)}^2\end{array}\text{\hspace{1em}(2.3)}$$

将(2.2)代入(2.3)，可得与前n-1个样本的方差的递推公式为：

$$\begin{array}{rl}& {\sigma }_n^2=\frac{1}{n}\sum _{i=1}^n{\left[(x_i-{\mu }_{n-1})-\frac{1}{n}(x_n-{\mu }_{n-1})\right]}^2\\ & =\frac{1}{n}\sum _{i=1}^n{\left[(x_i-{\mu }_{n-1}{)}^2+\frac{1}{n^2}(x_n-{\mu }_{n-1}{)}^2-\frac{2}{n}(x_i-{\mu }_{n-1})(x_n-{\mu }_{n-1})\right]}^2\\ & =\frac{1}{n}\sum _{i=1}^n(x_i-{\mu }_{n-1}{)}^2+\frac{1}{n^2}(x_n-{\mu }_{n-1}{)}^2-\frac{2}{n^2}(x_n-{\mu }_{n-1})\sum _{i=1}^n(x_i-{\mu }_{n-1})\\ & =\frac{n-1}{n}{\sigma }_{n-1}^2+\frac{n+1}{n^2}(x_n-{\mu }_{n-1}{)}^2-\frac{2}{n^2}(x_n-{\mu }_{n-1})(x_n-{\mu }_{n-1})\\ & =\frac{n-1}{n}{\sigma }_{n-1}^2+\frac{n-1}{n^2}(x_n-{\mu }_{n-1}{)}^2\end{array}\text{\hspace{1em}(2.4)}$$
式(2.4 ) 的推导第三行第3项到第四行第3项，具体推导可见式 ( 2.5 )
$$\begin{array}{rl}& \sum _{i=1}^n(x_i-{\mu }_{n-1})=\sum _{i=1}^n{x}_i-n{\mu }_{n-1}\\ & =x_n+\sum _{i=1}^{n-1}{x}_i-n{\mu }_{n-1}\\ & =x_n-{\mu }_{n-1}+\sum _{i=1}^{n-1}{x}_i-(n-1){\mu }_{n-1}\\ & =x_n-{\mu }_{n-1}\end{array}$$

---

总结

相关定义还有标准差、协方差。
参见此链接：https://blog.csdn.net/jisuanji111111/article/details/129183563