标准差的理解和实例

 

-------------------------------------------------------------------------------------------------------------------------------------------------------------------------

1、方差

是各个数据分别与其平均数之差的平方的和的平均数，用字母D表示。在概率论和数理统计中，方差（Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度。在许多实际问题中，研究随机变量和均值之间的偏离程度有着重要意义。

其中，x表示样本的平均数，n表示样本的数量，xi表示个体，而s^2就表示方差。

2、平方差公式（difference of two squares）

是数学公式的一种，它属于乘法公式、因式分解及恒等式，被普遍使用。平方差指一个平方数或正方形，减去另一个平方数或正方形得来的乘法公式：

a²-b²=(a+b)(a-b)

3、标准差（Standard Deviation） 

中文环境中又常称均方差，但不同于均方误差（mean squared error，均方误差是各数据偏离真实值的距离平方的平均数，也即误差平方和的平均数，计算公式形式上接近方差，它的开方叫均方根误差，均方根误差才和标准差形式上接近），标准差是离均差平方和平均后的方根，用σ表示。假设有一组数值X1,X2,X3,......XN（皆为实数），其平均值（算术平均值）为μ，公式如图。

---------------------------------------------------------------------------------------------------------------------------

标准差

      每个数减平均数的平方相加除以个数，再开平方。例如：12345。平均数为3，方差为2，标准差就为根号2

     方差s^2=[(x1-x)^2+(x2-x)^2+......(xn-x)^2]/n
     标准差=方差的算术平方根

--------------------------------------------------------------------------------------------------------------------------------------------------------------------

#-*- coding:utf-8 -*-
# Python实现正态分布
# 绘制正态分布概率密度函数
import numpy as np
import matplotlib.pyplot as plt
import math
u = 0   # 均值μ
u01 = -2
sig = math.sqrt(0.2)  # 标准差δ
 
x = np.linspace(u - 3*sig, u + 3*sig, 50)
y_sig = np.exp(-(x - u) ** 2 /(2* sig **2))/(math.sqrt(2*math.pi)*sig)
print x
print "="*20
print y_sig
plt.plot(x, y_sig, "r-", linewidth=2)
plt.grid(True)
plt.show()
---------------------