拟方差

本文解释了统计学中的拟方差是什么。因此,您将了解如何计算拟方差、已解决的练习以及拟方差和方差之间的差异。此外,您可以使用在线计算器计算任何数据集的拟方差。

什么是拟方差?

在统计学中,准方差是指示样本变异性的离散度度量。更准确地说,准方差等于偏差的平方和除以观测值总数减一。

拟方差的符号是

\sigma_{n-1}^2

任何一个

s_{n-1}^2

。有时虽然也使用该符号

\widehat{s}^2

来表示拟方差。

拟方差用于确定样本的离散度,同时避免偏差,这就是为什么它通常被称为无偏方差。因此,拟方差是总体方差的良好估计量。事实上,在计算样本方差时,常常使用拟方差公式来代替方差公式。下面我们将详细介绍这两种统计指标之间的差异。

拟方差公式

要计算拟方差,需要找到数据集的值与平均值之间的差的平方和,然后将其除以数据总数减一。

因此,计算拟方差的公式如下:

拟方差公式

金子:

  • \sigma_{n-1}^2

    是拟方差。

  • x_i

    是数据值

    i

  • n

    是数据总数。

  • \overline{X}

    是数据集的平均值。

👉您可以使用下面的计算器来计算任何数据集的拟方差。

您可能想知道为什么它除以 n-1 而不是除以 n?嗯,这是为了消除偏差,这样我们就得到了一个无偏估计量。这正是为什么准方差是总体方差的良好估计量的原因。

拟方差计算示例

现在我们知道了拟方差的定义,我们将解决一个简单的示例,以便您了解如何计算数据序列的拟方差。

  • 从一家跨国公司,我们知道它在过去五年中所取得的经济成果,大部分都获得了利润,但有一年却出现了相当大的损失:11.5, 2, -9, 700 万欧元。计算该数据集的拟方差。

要获得数据集的拟方差,我们需要做的第一件事是计算其算术平均值:

\overline{X}=\cfrac{11+5+2+(-9)+7}{5}=3,2

一旦我们知道了数据的平均值,我们就应用拟方差公式:

\sigma_{n-1}^2=\cfrac{\displaystyle\sum_{i=1}^n\left(x_i-\overline{X}\right)^2}{n-1}

因此,我们将练习指导提供的数据代入公式:

\sigma_{n-1}^2=\cfrac{\displaystyle (11-3,2)^2+(5-3,2)^2+(2-3,2)^2+(-9-3,2)^2+(7-3,2)^2}{5-1}

最后,解决计算拟方差的运算就足够了:

\begin{aligned}\sigma_{n-1}^2&=\cfrac{7,8^2+1,8^2+(-1,2)^2+(-12,2)^2+3,8^2}{5}\\[2ex]&=\cfrac{60,84+3,24+1,44+148,84+14,44}{5-1}\\[2ex]&= \cfrac{228,8}{4} \\[2ex]&=57,2 \ \text{millones de euros}^2\end{aligned}

请注意,拟方差的单位与统计数据的单位相同,但为平方,因此该数据集的拟方差为 5720 万2

请参阅:准标准差

拟方差计算器

将统计数据集输入以下计算器以计算其准方差。数据必须用空格分隔,并使用句点作为小数点分隔符输入。

方差和拟方差

最后,我们将看到准方差和方差之间的区别,因为尽管它们的名称相似,但它们的计算方式也非常相似。

准方差和方差之间的差是公式的分母。要计算拟方差,必须除以 n-1,但是方差是通过除以 n 计算的。

因此,准方差和方差在数学上是相关的,因为准方差等于方差乘以 n(数据点总数)并除以 n-1。

\sigma_{n-1}^2=\cfrac{n}{n-1}\cdot \sigma^2

因此,对于同一数据集,拟方差值将始终大于方差值。

请参阅:偏差的属性

添加评论

您的电子邮箱地址不会被公开。 必填项已用*标注