方差的概念从小学就开始建立了。对于一个随机变量
，
分别表示其数学期望和方差，从中随机抽取n个样本
，
是样本均值，
是样本方差。那么为什么样本方差是除以
而不是n呢？
这里涉及到一个无偏估计的概念，是随机变量，
同样也是随机变量，其中
是对总体的一个估计，如果的期望分别等于的话，就说这种估计是无偏的。容易证明
，但是
的证明就不是那么显而易见了，下面我证明给大家看。记
为
的方差和期望。
![\large\begin{array}{rcl}D(\overline X)&=&D(\frac1n\sum_{i=1}^nX_i)\\[10pt]&=&\frac1{n^2}D(\sum_{i=1}^nX_i)\\[10pt]&=&\frac1{n^2}(\sum_{i=1}^nD(X_i))\\[10pt]&=&\frac{\sigma^2}n \\[10pt]\\E({\overline X}^2)&=&D(\overline X)+E^2(\overline X)\\&=&\frac{\sigma^2}n+\mu^2 \\\\E(S^2)&=&E(\frac1{n-1}\sum_{i=1}^n(X_i-\overline X )^2) \\[10pt] &=& \frac1{n-1}E(\sum_{i=1}^n(X_i-\overline X )^2) \\[10pt] &=& \frac1{n-1}E(\sum_{i=1}^n(X_i^2- 2 X_i{\overline X}+{\overline X}^2 ))\\[10pt]\\E(\sum_{i=1}^nX_i^2)&=&n E(X_i^2) \\ &=& n(D(X_i)+E^2(X_i)) \\ &=& n(\sigma^2+\mu^2) \\\\E(\sum_{i=1}^nX_i{\overline X})&=&E({\overline X}\sum_{i=1}^nX_i) \\[10pt] &=& nE({\overline X}^2)\\[10pt] &=& n(D(\overline X) + E^2(\overline X)) \\[10pt] &=& n(\frac{\sigma^2}{n}+\mu^2) \\[10pt]\\E(S^2) &=& \frac n{n-1}(\sigma^2+\mu^2)-\frac n{n-1}(\frac{\sigma^2}n+\mu^2) \\ &=& \sigma^2 \\\end{array}](http://www.dutor.net/wp-content/cache/e31252da06429435070a5017785e04a1.png)
证毕～～
写这篇文章可费了不少劲，大部分时间都花在了公式的编辑上面，这样写文章是不是很ooxx：
Editor using LaTeX
但比起用Mathtype编辑然后上传来说，要省多了，尤其是在熟练以后。
20万+
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
