标准规范差公式.doc

ID:51970863

大小:74.00 KB

页数:5页

时间:2020-03-20

标准规范差公式.doc_第1页
标准规范差公式.doc_第2页
标准规范差公式.doc_第3页
标准规范差公式.doc_第4页
标准规范差公式.doc_第5页
资源描述:

《标准规范差公式.doc》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、标准差(StandardDeviation),也称均方差(meansquareerror),是各数据偏离平均数的距离的平均数,它是离均差平方和平均后的方根,用S(σ)表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的,标准差未必相同。 标准差也被称为标准偏差,或者实验标准差,公式如下两式:或即:如是总体,标准差公式根号内除以n如是样本,标准差公式根号内除以(n-1)因为我们大量接触的是样本,所以普遍使用根号内除以(n-1)公式意义所有数减去其平均值的平方和,所得结果除以该组数之个数(或

2、个数减一),再把所得值开根号,所得之数就是这组数据的标准差。标准差越高,表示实验数据越离散,也就是说越不精确;反之,标准差越低,代表实验的数据越精确简单来说,标准差是一组数据平均值分散程度的一种度量。一个较大的标准差,代表大部分数值和其平均值之间差异较大;一个较小的标准差,代表这些数值较接近平均值。  例如,两组数的集合{0,5,9,14}和{5,6,8,9}其平均值都是7,但第二个集合具有较小的标准差。标准差可以当作不确定性的一种测量。例如在物理科学中,做重复性测量时,测量数值集合的标准差代表这些测量的精确度。

3、当要决定测量值是否符合预测值,测量值的标准差占有决定性重要角色:如果测量平均值与预测值相差太远(同时与标准差数值做比较),则认为测量值与预测值互相矛盾。这很容易理解,因为如果测量值都落在一定数值范围之外,可以合理推论预测值是否正确。标准差应用于投资上,可作为量度回报稳定性的指标。标准差数值越大,代表回报远离过去平均数值,回报较不稳定故风险越高。相反,标准差数值越细,代表回报较为稳定,风险亦较小。例如,A、B两组各有6位学生参加同一次语文测验,A组的分数为95、85、75、65、55、45,B组的分数为73、72、

4、71、69、68、67。这两组的平均数都是70,但A组的标准差为17.07分,B组的标准差为2.37分(此数据时在R统计软件中运行获得),说明A组学生之间的差距要比B组学生之间的差距大得多。求证下列公式:由题意可知,求证下列式子即可:假设xi=+ai,既有xi-=ai,即求证下列式子即可:因为:所以:所以:所以:设X是一个随机变量,若E{[X-E(X)]^2}存在,则称E{[X-E(X)]^2}为X的方差,记为D(X)或DX。  即D(X)=E{[X-E(X)]^2}称为方差,而σ(X)=D(X)^0.5(与X有

5、相同的量纲)称为标准差(或均方差)。即用来衡量一组数据的离散程度的统计量。  方差刻画了随机变量的取值对于其数学期望的离散程度。  若X的取值比较集中,则方差D(X)较小;  若X的取值比较分散,则方差D(X)较大。  因此,D(X)是刻画X取值分散程度的一个量,它是衡量X取值分散程度的一个尺度。方差的计算  由定义知,方差是随机变量X的函数  g(X)=[X-E(X)]^2  的数学期望。即:  由方差的定义可以得到以下常用计算公式:  D(X)=E(X^2)-[E(X)]^2  证明:  D(X)=E[X-E

6、(X)]^2  =E{X^2-2XE(X)+[E(X)]^2}  =E(X^2)-2[E(X)]^2+[E(X)]^2  =E(X^2)-[E(X)]^2  方差其实就是标准差的平方。方差的几个重要性质  (1)设c是常数,则D(c)=0。  (2)设X是随机变量,c是常数,则有D(cX)=(c^2)D(X)。  (3)设X与Y是两个随机变量,则  D(X+Y)=D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]}  特别的,当X,Y是两个相互独立的随机变量,上式中右边第三项为0(常见协方差),  则D(

7、X+Y)=D(X)+D(Y)。此性质可以推广到有限多个相互独立的随机变量之和的情况.  (4)D(X)=0的充分必要条件是X以概率为1取常数值c,即P{X=c}=1,其中E(X)=c。常见随机变量的期望和方差  设随机变量X。  X服从(0—1)分布,则E(X)=pD(X)=p(1-p)  X服从泊松分布,即X~π(λ),则E(X)=λ,D(X)=λ  X服从均匀分布,即X~U(a,b),则E(X)=(a+b)/2,D(X)=(b-a)^2/12  X服从指数分布,即X~e(λ),E(X)=λ^(-1),D(X)

8、=λ^(-2)  X服从二项分布,即X~B(n,p),则E(x)=np,D(X)=np(1-p)  X服从正态分布,即X~N(μ,σ^2),则E(x)=μ,D(X)=σ^2  X服从标准正态分布,即X~N(0,1),则E(x)=0,D(X)=1

当前文档最多预览五页,下载文档查看全文

此文档下载收益归作者所有

当前文档最多预览五页,下载文档查看全文
正文描述:

《标准规范差公式.doc》由会员上传分享,免费在线阅读,更多相关内容在应用文档-天天文库

1、标准差(StandardDeviation),也称均方差(meansquareerror),是各数据偏离平均数的距离的平均数,它是离均差平方和平均后的方根,用S(σ)表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度。平均数相同的,标准差未必相同。 标准差也被称为标准偏差,或者实验标准差,公式如下两式:或即:如是总体,标准差公式根号内除以n如是样本,标准差公式根号内除以(n-1)因为我们大量接触的是样本,所以普遍使用根号内除以(n-1)公式意义所有数减去其平均值的平方和,所得结果除以该组数之个数(或

2、个数减一),再把所得值开根号,所得之数就是这组数据的标准差。标准差越高,表示实验数据越离散,也就是说越不精确;反之,标准差越低,代表实验的数据越精确简单来说,标准差是一组数据平均值分散程度的一种度量。一个较大的标准差,代表大部分数值和其平均值之间差异较大;一个较小的标准差,代表这些数值较接近平均值。  例如,两组数的集合{0,5,9,14}和{5,6,8,9}其平均值都是7,但第二个集合具有较小的标准差。标准差可以当作不确定性的一种测量。例如在物理科学中,做重复性测量时,测量数值集合的标准差代表这些测量的精确度。

3、当要决定测量值是否符合预测值,测量值的标准差占有决定性重要角色:如果测量平均值与预测值相差太远(同时与标准差数值做比较),则认为测量值与预测值互相矛盾。这很容易理解,因为如果测量值都落在一定数值范围之外,可以合理推论预测值是否正确。标准差应用于投资上,可作为量度回报稳定性的指标。标准差数值越大,代表回报远离过去平均数值,回报较不稳定故风险越高。相反,标准差数值越细,代表回报较为稳定,风险亦较小。例如,A、B两组各有6位学生参加同一次语文测验,A组的分数为95、85、75、65、55、45,B组的分数为73、72、

4、71、69、68、67。这两组的平均数都是70,但A组的标准差为17.07分,B组的标准差为2.37分(此数据时在R统计软件中运行获得),说明A组学生之间的差距要比B组学生之间的差距大得多。求证下列公式:由题意可知,求证下列式子即可:假设xi=+ai,既有xi-=ai,即求证下列式子即可:因为:所以:所以:所以:设X是一个随机变量,若E{[X-E(X)]^2}存在,则称E{[X-E(X)]^2}为X的方差,记为D(X)或DX。  即D(X)=E{[X-E(X)]^2}称为方差,而σ(X)=D(X)^0.5(与X有

5、相同的量纲)称为标准差(或均方差)。即用来衡量一组数据的离散程度的统计量。  方差刻画了随机变量的取值对于其数学期望的离散程度。  若X的取值比较集中,则方差D(X)较小;  若X的取值比较分散,则方差D(X)较大。  因此,D(X)是刻画X取值分散程度的一个量,它是衡量X取值分散程度的一个尺度。方差的计算  由定义知,方差是随机变量X的函数  g(X)=[X-E(X)]^2  的数学期望。即:  由方差的定义可以得到以下常用计算公式:  D(X)=E(X^2)-[E(X)]^2  证明:  D(X)=E[X-E

6、(X)]^2  =E{X^2-2XE(X)+[E(X)]^2}  =E(X^2)-2[E(X)]^2+[E(X)]^2  =E(X^2)-[E(X)]^2  方差其实就是标准差的平方。方差的几个重要性质  (1)设c是常数,则D(c)=0。  (2)设X是随机变量,c是常数,则有D(cX)=(c^2)D(X)。  (3)设X与Y是两个随机变量,则  D(X+Y)=D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]}  特别的,当X,Y是两个相互独立的随机变量,上式中右边第三项为0(常见协方差),  则D(

7、X+Y)=D(X)+D(Y)。此性质可以推广到有限多个相互独立的随机变量之和的情况.  (4)D(X)=0的充分必要条件是X以概率为1取常数值c,即P{X=c}=1,其中E(X)=c。常见随机变量的期望和方差  设随机变量X。  X服从(0—1)分布,则E(X)=pD(X)=p(1-p)  X服从泊松分布,即X~π(λ),则E(X)=λ,D(X)=λ  X服从均匀分布,即X~U(a,b),则E(X)=(a+b)/2,D(X)=(b-a)^2/12  X服从指数分布,即X~e(λ),E(X)=λ^(-1),D(X)

8、=λ^(-2)  X服从二项分布,即X~B(n,p),则E(x)=np,D(X)=np(1-p)  X服从正态分布,即X~N(μ,σ^2),则E(x)=μ,D(X)=σ^2  X服从标准正态分布,即X~N(0,1),则E(x)=0,D(X)=1

显示全部收起
温馨提示:
1. 部分包含数学公式或PPT动画的文件,查看预览时可能会显示错乱或异常,文件下载后无此问题,请放心下载。
2. 本文档由用户上传,版权归属用户,天天文库负责整理代发布。如果您对本文档版权有争议请及时联系客服。
3. 下载前请仔细阅读文档内容,确认文档内容符合您的需求后进行下载,若出现内容与标题不符可向本站投诉处理。
4. 下载文档时可能由于网络波动等原因无法下载或下载错误,付费完成后未能成功下载的用户请联系客服处理。
关闭