期望與方差之三:數(shù)據線性變換后的方差

方差(Variance)是描述一組數(shù)據離散程度的一個度量俺泣,數(shù)據越是離散的疗认,方差越大,反之越小伏钠。方差一定是正數(shù)横漏。方差經常用\sigma ^2或Var(X)表示(注意用Var()表示的話,X需要大寫熟掂,表一個數(shù)據總體):

\sigma^2 = Var(X) = \frac{(x_{1} - \mu )^2 + (x_{2} - \mu )^2 + ... + (x_{n} - \mu )^2}{n}  = E((X - \mu)^2 )

與總體的期望值類似绊茧,在實際研究中,我們不單要知道原始數(shù)據的方差打掘,還需要知道原始數(shù)據經過某種線性變換后的方差。因此鹏秋,我們需要知道下面幾個變換的結果是什么:

1.?Var(kX)

2.?Var(X + c)

3.?Var(kX + c)

其中尊蚁,k和c為任意實數(shù)。

與數(shù)據線性變換后的期望值的幾個證明類似侣夷,下面的證明盡量使用“加權平均”的式子進行證明横朋,避免使用求和符號(Sigma notation),以區(qū)別于許多教科書直接用\Sigma 進行證明百拓,方便初學者理解琴锭。

關于第一個方差變換,因為每個數(shù)據都變成原來的k倍衙传,那么期望值(均值)也變成原來的k倍决帖,因為:

E(kX) = kE(X)=k\mu

于是?

Var(kX) = \frac{(kx_{1} - k\mu )^2 + (kx_{2} - k\mu )^2 + ....(kx_{n} - k\mu )^2}{n}

= \frac{k^2 (x_{1} - \mu )^2 + k^2 (x_{2} - \mu )^2  + ....k^2 (x_{n} - \mu )^2}{n}

= k^2 \frac{ (x_{1} - \mu )^2 + (x_{2} - \mu )^2  + ....(x_{n} - \mu )^2}{n} = k^2Var(X)

關于第二個方差變換絮供,我們先要了解照棋,數(shù)據總體增加常數(shù)c之后充石,期望值出現(xiàn)怎樣的變化。根據上一篇文章亚茬,有:

E(X + c) = E(X) + c = \mu + c

于是當所有數(shù)值都增加c后,方差有:

Var(X + c) = \frac{(x_{1} +c - \mu -c)^2 + (x_{2} +c - \mu -c)^2  + ....(x_{n} +c - \mu -c)^2}{n}

= \frac{(x_{1} - \mu)^2 + (x_{2} - \mu )^2  + ....(x_{n}  - \mu )^2}{n} = Var(X)

結合上面兩個結論粟瞬,并結合數(shù)據線性變換后的期望值:

E(kX + c) = kE(X) + c = k\mu + c

第三個方差有:

Var(kX + c) = \frac{(kx_{1} +c - k\mu -c)^2 + (kx_{2} +c - k\mu -c)^2  + ....(kx_{n} +c - k\mu -c)^2 }{n}

= \frac{(kx_{1} - k\mu ) ^2 + (kx_{2}  - k\mu )^2  + ....(kx_{n}  - k\mu)^2}{n}

= k^2 \frac{(x_{1} - \mu ) ^2 + (x_{2}  - \mu )^2  + ....(x_{n}  - \mu)^2}{n} = k^2Var(X )

綜上可得:

1.?Var(kX) = k^2Var(X)

2.?Var(X + c) = Var(X)

3.?Var(kX + c) = k^2Var(X)

?著作權歸作者所有,轉載或內容合作請聯(lián)系作者
  • 序言:七十年代末短荐,一起剝皮案震驚了整個濱河市,隨后出現(xiàn)的幾起案子细睡,更是在濱河造成了極大的恐慌谷羞,老刑警劉巖,帶你破解...
    沈念sama閱讀 211,948評論 6 492
  • 序言:濱河連續(xù)發(fā)生了三起死亡事件溜徙,死亡現(xiàn)場離奇詭異湃缎,居然都是意外死亡,警方通過查閱死者的電腦和手機萌京,發(fā)現(xiàn)死者居然都...
    沈念sama閱讀 90,371評論 3 385
  • 文/潘曉璐 我一進店門雁歌,熙熙樓的掌柜王于貴愁眉苦臉地迎上來,“玉大人知残,你說我怎么就攤上這事靠瞎。” “怎么了求妹?”我有些...
    開封第一講書人閱讀 157,490評論 0 348
  • 文/不壞的土叔 我叫張陵乏盐,是天一觀的道長。 經常有香客問我制恍,道長父能,這世上最難降的妖魔是什么? 我笑而不...
    開封第一講書人閱讀 56,521評論 1 284
  • 正文 為了忘掉前任净神,我火速辦了婚禮何吝,結果婚禮上,老公的妹妹穿的比我還像新娘鹃唯。我一直安慰自己爱榕,他們只是感情好,可當我...
    茶點故事閱讀 65,627評論 6 386
  • 文/花漫 我一把揭開白布坡慌。 她就那樣靜靜地躺著黔酥,像睡著了一般。 火紅的嫁衣襯著肌膚如雪洪橘。 梳的紋絲不亂的頭發(fā)上跪者,一...
    開封第一講書人閱讀 49,842評論 1 290
  • 那天,我揣著相機與錄音熄求,去河邊找鬼渣玲。 笑死,一個胖子當著我的面吹牛弟晚,可吹牛的內容都是我干的柜蜈。 我是一名探鬼主播仗谆,決...
    沈念sama閱讀 38,997評論 3 408
  • 文/蒼蘭香墨 我猛地睜開眼,長吁一口氣:“原來是場噩夢啊……” “哼淑履!你這毒婦竟也來了隶垮?” 一聲冷哼從身側響起,我...
    開封第一講書人閱讀 37,741評論 0 268
  • 序言:老撾萬榮一對情侶失蹤秘噪,失蹤者是張志新(化名)和其女友劉穎狸吞,沒想到半個月后,有當?shù)厝嗽跇淞掷锇l(fā)現(xiàn)了一具尸體指煎,經...
    沈念sama閱讀 44,203評論 1 303
  • 正文 獨居荒郊野嶺守林人離奇死亡蹋偏,尸身上長有42處帶血的膿包…… 初始之章·張勛 以下內容為張勛視角 年9月15日...
    茶點故事閱讀 36,534評論 2 327
  • 正文 我和宋清朗相戀三年,在試婚紗的時候發(fā)現(xiàn)自己被綠了至壤。 大學時的朋友給我發(fā)了我未婚夫和他白月光在一起吃飯的照片威始。...
    茶點故事閱讀 38,673評論 1 341
  • 序言:一個原本活蹦亂跳的男人離奇死亡,死狀恐怖像街,靈堂內的尸體忽然破棺而出黎棠,到底是詐尸還是另有隱情,我是刑警寧澤镰绎,帶...
    沈念sama閱讀 34,339評論 4 330
  • 正文 年R本政府宣布脓斩,位于F島的核電站,受9級特大地震影響畴栖,放射性物質發(fā)生泄漏随静。R本人自食惡果不足惜,卻給世界環(huán)境...
    茶點故事閱讀 39,955評論 3 313
  • 文/蒙蒙 一吗讶、第九天 我趴在偏房一處隱蔽的房頂上張望燎猛。 院中可真熱鬧,春花似錦照皆、人聲如沸扛门。這莊子的主人今日做“春日...
    開封第一講書人閱讀 30,770評論 0 21
  • 文/蒼蘭香墨 我抬頭看了看天上的太陽。三九已至星立,卻和暖如春爽茴,著一層夾襖步出監(jiān)牢的瞬間,已是汗流浹背绰垂。 一陣腳步聲響...
    開封第一講書人閱讀 32,000評論 1 266
  • 我被黑心中介騙來泰國打工室奏, 沒想到剛下飛機就差點兒被人妖公主榨干…… 1. 我叫王不留,地道東北人劲装。 一個月前我還...
    沈念sama閱讀 46,394評論 2 360
  • 正文 我出身青樓胧沫,卻偏偏與公主長得像昌简,于是被迫代替她去往敵國和親。 傳聞我的和親對象是個殘疾皇子绒怨,可洞房花燭夜當晚...
    茶點故事閱讀 43,562評論 2 349