如题所述
样本方差的期望等于总体方差,证明如下:
设总体为X,抽取n个i。i。d。的样本X1,X2,...,Xn,其样本均值为Y = (X1+X2+...+Xn)/n。
其样本方差为S =( (Y-X1)^2 + (Y-X2)^2 + ...+ (Y-Xn)^2 ) / (n-1)。
为了记号方便,我们只看S的分子部分,设为A,则EA=E( n * Y^2 - 2 * Y * (X1+X2+...+Xn) + (X1^2 + X2^2 +...+ Xn^2))=E( (X1^2 + X2^2 +...+ Xn^2) - n * Y^2 )。
注意 EX1 = EX2= EXn = EY = EX。
VarX1 = VarX2 = VarXn = VarX = E(X^2) - (EX)^2。
VarY = VarX / n 。
所以E A = n(VarX + (EX)^2) - n * (VarY + (EY)^2)= n(VarX + (EX)^2) - n * (VarX/n + (EX)^2)= (n-1) VarX,所以 E S = VarX;得证。
解释:
1、在概率分布中,设X是一个离散型随机变量,若E{[X-E(X)]^2}存在,则称E{[X-E(X)]^2}为X的方差,记为D(X),Var(X)或DX,其中E(X)是X的期望值,X是变量值,公式中的E是期望值expected value的缩写,意为“变量值与其期望值之差的平方和”的期望值。
2、平方根是一个凹函数,因此引入负偏差(由Jensen不等式),这取决于分布,因此校正样本标准偏差(使用贝塞尔校正)有偏差。 标准偏差的无偏估计是一个技术上涉及的问题,尽管对于使用术语n-1。5的正态分布,形成无偏估计。
3、研究随机变量与其均值的偏离程度是十分必要的。那么,用怎样的量去度量这个偏离程度呢?容易看到E[|X-E[X]|]能度量随机变量与其均值E(X)的偏离程度。但由于上式带有绝对值,运算不方便,通常用量E[(X-E[X])2] 这一数字特征就是方差。