38統(tǒng)計(jì)基礎(chǔ)- 為什么除以n會(huì)低估了方差

為了理解為什么除以n會(huì)低估總體方差(population mean),我們會(huì)從幾個(gè)簡(jiǎn)單的例子開(kāi)始贡羔,然后用數(shù)學(xué)證明孤澎,一勞永逸地纯露。

在第一個(gè)簡(jiǎn)單的例子中,我想用0替換樣本均值(sample mean)x,看看會(huì)發(fā)生什么〔咧荩現(xiàn)在我們把測(cè)量值和0之間的差值平方瘸味,然后計(jì)算平均。現(xiàn)在我們把這個(gè)值畫出來(lái)够挂。

image-20201229134837668.png

當(dāng)x為樣本均值時(shí)方差最小旁仿,當(dāng)x為總體均值時(shí),方差要大于當(dāng)x為樣本均值時(shí)孽糖。也就是說(shuō)丁逝,使用樣本均值時(shí),低估了總體均值的方差梭姓。

image-20201229135245569.png

現(xiàn)在霜幼,我們可以對(duì)公式求導(dǎo),用它來(lái)確定v在不同值處曲線的斜率誉尖。當(dāng)斜率為0時(shí)罪既,我們就能求出方差最小的v值。提醒大家一下铡恕,導(dǎo)數(shù)對(duì)應(yīng)的是紫色直線的斜率琢感。我們想求出v的值,使紫色線的斜率為0探熔,因?yàn)檫@是我們能求出的最小方差驹针。為了使這個(gè)問(wèn)題更清楚,我們將用三種不同的方法來(lái)求導(dǎo)數(shù)為零和方差最小的地方诀艰。

image-20201229140033140.png

第1種柬甥,我們將使用觀測(cè)數(shù)據(jù),找到方差最小的地方其垄。

我們做的第一件事是把n代入5苛蒲,因?yàn)槲覀冇?個(gè)測(cè)量值。然后計(jì)算當(dāng)斜率為0時(shí)绿满,v的值臂外。

image-20201229140656950.png

當(dāng)v=17.6,方差最小。我們發(fā)現(xiàn)當(dāng)v為樣本平均值時(shí)方差小于當(dāng)v為總體均值的方差喇颁。

image-20201229141001429.png

第2種漏健,我們就會(huì)找到任何5個(gè)測(cè)量值,方差最小的地方橘霎。

把n代入5蔫浆,因?yàn)槲覀冇?個(gè)未知測(cè)量值。然后計(jì)算當(dāng)斜率為0時(shí)茎毁,v的值克懊。

image-20201229141145257.png

我們發(fā)現(xiàn)不管我們5個(gè)測(cè)量值是多少忱辅,當(dāng)v為樣本均值時(shí),方差最小谭溉。

第3種墙懂,我們會(huì)講如何求出任意樣本的最小方差,不管樣本大小如何扮念。

當(dāng)我們有n個(gè)測(cè)量值的樣本损搬。然后計(jì)算當(dāng)斜率為0時(shí),v的值柜与。

image-20201229141437723.png

我們發(fā)現(xiàn)不管有多少個(gè)測(cè)量值巧勤,當(dāng)v為樣本均值時(shí),方差最小弄匕。

結(jié)論:因此颅悉,當(dāng)我們除以n時(shí),樣本均值的方差總是小于總體均值的方差迁匠。除非樣本均值和總體均值完全相同剩瓶,這幾乎不會(huì)發(fā)生。

image-20201229141733970.png
?著作權(quán)歸作者所有,轉(zhuǎn)載或內(nèi)容合作請(qǐng)聯(lián)系作者
  • 序言:七十年代末城丧,一起剝皮案震驚了整個(gè)濱河市延曙,隨后出現(xiàn)的幾起案子,更是在濱河造成了極大的恐慌亡哄,老刑警劉巖枝缔,帶你破解...
    沈念sama閱讀 222,252評(píng)論 6 516
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件,死亡現(xiàn)場(chǎng)離奇詭異蚊惯,居然都是意外死亡愿卸,警方通過(guò)查閱死者的電腦和手機(jī),發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 94,886評(píng)論 3 399
  • 文/潘曉璐 我一進(jìn)店門拣挪,熙熙樓的掌柜王于貴愁眉苦臉地迎上來(lái)擦酌,“玉大人,你說(shuō)我怎么就攤上這事菠劝。” “怎么了睁搭?”我有些...
    開(kāi)封第一講書(shū)人閱讀 168,814評(píng)論 0 361
  • 文/不壞的土叔 我叫張陵赶诊,是天一觀的道長(zhǎng)。 經(jīng)常有香客問(wèn)我园骆,道長(zhǎng)舔痪,這世上最難降的妖魔是什么? 我笑而不...
    開(kāi)封第一講書(shū)人閱讀 59,869評(píng)論 1 299
  • 正文 為了忘掉前任锌唾,我火速辦了婚禮锄码,結(jié)果婚禮上夺英,老公的妹妹穿的比我還像新娘。我一直安慰自己滋捶,他們只是感情好痛悯,可當(dāng)我...
    茶點(diǎn)故事閱讀 68,888評(píng)論 6 398
  • 文/花漫 我一把揭開(kāi)白布。 她就那樣靜靜地躺著重窟,像睡著了一般载萌。 火紅的嫁衣襯著肌膚如雪。 梳的紋絲不亂的頭發(fā)上巡扇,一...
    開(kāi)封第一講書(shū)人閱讀 52,475評(píng)論 1 312
  • 那天扭仁,我揣著相機(jī)與錄音,去河邊找鬼厅翔。 笑死乖坠,一個(gè)胖子當(dāng)著我的面吹牛,可吹牛的內(nèi)容都是我干的刀闷。 我是一名探鬼主播熊泵,決...
    沈念sama閱讀 41,010評(píng)論 3 422
  • 文/蒼蘭香墨 我猛地睜開(kāi)眼,長(zhǎng)吁一口氣:“原來(lái)是場(chǎng)噩夢(mèng)啊……” “哼涩赢!你這毒婦竟也來(lái)了戈次?” 一聲冷哼從身側(cè)響起,我...
    開(kāi)封第一講書(shū)人閱讀 39,924評(píng)論 0 277
  • 序言:老撾萬(wàn)榮一對(duì)情侶失蹤筒扒,失蹤者是張志新(化名)和其女友劉穎怯邪,沒(méi)想到半個(gè)月后,有當(dāng)?shù)厝嗽跇?shù)林里發(fā)現(xiàn)了一具尸體花墩,經(jīng)...
    沈念sama閱讀 46,469評(píng)論 1 319
  • 正文 獨(dú)居荒郊野嶺守林人離奇死亡悬秉,尸身上長(zhǎng)有42處帶血的膿包…… 初始之章·張勛 以下內(nèi)容為張勛視角 年9月15日...
    茶點(diǎn)故事閱讀 38,552評(píng)論 3 342
  • 正文 我和宋清朗相戀三年,在試婚紗的時(shí)候發(fā)現(xiàn)自己被綠了冰蘑。 大學(xué)時(shí)的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片和泌。...
    茶點(diǎn)故事閱讀 40,680評(píng)論 1 353
  • 序言:一個(gè)原本活蹦亂跳的男人離奇死亡,死狀恐怖祠肥,靈堂內(nèi)的尸體忽然破棺而出武氓,到底是詐尸還是另有隱情,我是刑警寧澤仇箱,帶...
    沈念sama閱讀 36,362評(píng)論 5 351
  • 正文 年R本政府宣布县恕,位于F島的核電站,受9級(jí)特大地震影響剂桥,放射性物質(zhì)發(fā)生泄漏忠烛。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點(diǎn)故事閱讀 42,037評(píng)論 3 335
  • 文/蒙蒙 一权逗、第九天 我趴在偏房一處隱蔽的房頂上張望美尸。 院中可真熱鬧冤议,春花似錦、人聲如沸师坎。這莊子的主人今日做“春日...
    開(kāi)封第一講書(shū)人閱讀 32,519評(píng)論 0 25
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽(yáng)屹耐。三九已至尸疆,卻和暖如春,著一層夾襖步出監(jiān)牢的瞬間惶岭,已是汗流浹背寿弱。 一陣腳步聲響...
    開(kāi)封第一講書(shū)人閱讀 33,621評(píng)論 1 274
  • 我被黑心中介騙來(lái)泰國(guó)打工, 沒(méi)想到剛下飛機(jī)就差點(diǎn)兒被人妖公主榨干…… 1. 我叫王不留按灶,地道東北人症革。 一個(gè)月前我還...
    沈念sama閱讀 49,099評(píng)論 3 378
  • 正文 我出身青樓,卻偏偏與公主長(zhǎng)得像鸯旁,于是被迫代替她去往敵國(guó)和親噪矛。 傳聞我的和親對(duì)象是個(gè)殘疾皇子,可洞房花燭夜當(dāng)晚...
    茶點(diǎn)故事閱讀 45,691評(píng)論 2 361

推薦閱讀更多精彩內(nèi)容