[数学] 方差和标准差

均值:

\[
\mu = \frac{1}{m}\sum^m_{i=0}{x_i}
\]

方差的定义:

\[
\sigma^2=\frac{1}{m}\sum (x_i-\mu)^2
\]

标准差:

\[
std = \sqrt{\sigma^2}
\]

第一组 身高cm \(|x-\mu|\) \((x-\mu)^2\) 第二组 身高cm \(|x-\mu|\) \((x-\mu)^2\)
A1 188 10 100 A2 166 12 144
B1 169 9 81 B2 175 3 9
C1 173 5 25 C2 176 2 4
D1 175 3 9 D2 178 0 0
E1 185 7 49 E2 182 4 16
F1 178 0 0 F2 191 13 169
\(\sum=1068\) \(\sum=34\) \(\sum=264\) \(\sum=1068\) \(\sum=34\) \(\sum=342\)
均值\(\mu=1068/8=178\) 方差\(\sigma=264/6=44\) 均值\(\mu=1068/6=178\) 方差\(\sigma=342/6=57\)
标准差\(std=\sqrt{44}=6.63\) 标准差\(std=\sqrt{57}=7.55\)

从上面的两组数字可以看到:

  1. 两组的身高总和一样:1068cm
  2. 两组的平均值一样:178cm
  3. 两组的差的绝对值的和一样:34
  4. 第一组的身高比较接近,因此方差为44
  5. 第二组的身高相差悬殊,因此方差为57

平方计算可以放大远离平均值的异常值。

原文地址:https://www.cnblogs.com/woodyh5/p/12005139.html

时间: 2025-01-04 11:32:53

[数学] 方差和标准差的相关文章

数学期望、方差、标准差、协方差

数学期望数学期望E(x)完全由随机变量X的概率分布所确定,若X服从某一分布,也称E(x)是这一分布的数学期望.数学期望的定义是实验中每次可能的结果的概率乘以其结果的总和.离散型随机量的数学期望定义:离散型随机变量的所有可能取值?xixi?与其对应的概率?P(xi)?乘积的和为该离散型随机量的数学期望,记为?E(X).公式:E(X)=∑i=1nxiPi连续型随机量的数学期望定义:假设连续型随机变量?XX的概率密度函数为?f(x),如果积分∫+∞?∞xf(x)dx绝对收敛,则称这个积分的值为连续型随

方差、标准差和协方差三者之间的定义与计算

理解三者之间的区别与联系,要从定义入手,一步步来计算,同时也要互相比较理解,这样才够深刻. 方差 方差是各个数据与平均数之差的平方的平均数.在概率论和数理统计中,方差(英文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很重要的意义. 标准差 方差开根号. 协方差 在概率论和统计学中,协方差用于衡量两个变量的总体误差.而方差是协方差的一种特殊情况,即当两个变量是相同的情况. 可以通俗的理解为:两个变量在变化过程中是否同

期望,方差,标准差,标准误,离差,残差,协方差

开博第二篇依旧回顾下数据分析涉及到的统计学中最基本的概念,包含了以下几个概念:期望,方差,标准差,离差,残差,协方差. 0 离散型随机变量,连续型随机变量 随机变量(random variable)表示随机试验各种结果的实值单值函数.例如某一时间内公共汽车站等车乘客人数,每次投掷骰子出现的点数等,都是随机变量的实例. 一个随机试验可能结果(称为基本事件)的全体组成一个基本空间Ω.随机变量X是定义基本空间Ω上的取值为实数的函数,即基本空间Ω中每一个点,也就是每个基本事件都有实轴上的点与之对应.例如

极差,方差,标准差

def Var(t, mu=None): """方差""" if mu is None: mu = Mean(t) # compute the squared deviations and return their mean. dev2 = [(x - mu)**2 for x in t] var = Mean(dev2) return var def StdVar(t, mu=None): """标准差"

方差,标准差

wiki上的解释很好,自己组织语言也不见得比wiki上的好.所以摘录如下(红色字体是特别标注的部分): 方差:http://zh.wikipedia.org/wiki/%E6%96%B9%E5%B7%AE 方差 变异量(数)(Variance),应用数学里的专有名词.在概率论和统计学中,一个随机变量的方差描述的是它的离散程度,也就是该变量离其期望值的距离.一个实随机变量的方差也称为它的二阶矩或二阶中心动差,恰巧也是它的二阶累积量.方差的算术平方根称为该随机变量的标准差. 标准差才是变量离其期望值

描述统计学:极差、方差、标准差

变异程度的度量(离散程度的度量) 交货时间的变异性造成按时完成生产任务的不确定性 极差 极差=最大值-最小值 最简单的变异程度的度量 但很少单独用来度量变异程度.仅有两个观测值,异受极端值的影响 四分位数间距 能够克服极端值的影响,因为四分位数是中间的50%数据的极差. 方差 是用所有数据对变异程度所做的一种度量. 对于样本平均数的离差= 对于总体平均数的离差= 总体方差 样本方差 样本方差是总体方差的点估计,平均数的离差之和永远为0. 例子: 第一组的鸡的斤数分别是 2.5,3,3.5 第二组

使用oracle来计算方差及标准差

/* Formatted on 5/24/2012 4:15:58 PM (QP5 v5.149.1003.31008) */ SELECT deptno,       ename,                     --st_name || ' ' || last_name employee_name,       hiredate,      sal,        STDDEV (sal) OVER (PARTITION BY deptno ORDER BY hiredate) AS

图像处理之基础---方差、标准差、协方差基本概念

方差:方差是变量与其平均值的平方和的算术平均值,例如: 有一组数据{4,5,6,7}, 平均值为:(4+5+6+7)/4=22/4=5.5 其方差为:[(4-5.5)2+(5-5.5)2+(6-5.5)2+(7-5.5)2]/4 标准差:方差的开2次方 例如上面那组数据的标准差为:{[(4-5.5)2+(5-5.5)2+(6-5.5)2+(7-5.5)2]/4}0.5 协方差: 在概率论和统计学中,协方差用于衡量两个变量的总体误差.而方差是协方差的一种特殊情况,即当两个变量是相同的情况.  期望

基础公式(方差、标准差)

均值: 方差: 标准偏差(总体标准偏差): 栗子:某班级平均身高 M=170cm,方差为 100cm,标准差为10cm,班级身高范围 170±10 cm.  样本标准偏差: 原文地址:https://www.cnblogs.com/hzc2012/p/8280323.html