-------------------------------------------------------------------------------------------------------------------------------------------------------------------------
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()
---------------------