標準差- 维基百科,自由的百科全书
文章推薦指數: 80 %
標準差,又稱標準偏差、均方差(英語:Standard Deviation,縮寫SD,符號σ),在概率統計中最常 ... 標準差. 統計學名詞 ... 其公式如下所列。
標準差的概念由卡爾·皮爾 ...
標準差
統計學名詞
語言
監視
編輯
「均方差」重新導向至此。
關於均方誤差(MSE),詳見「均方誤差」;關於均方根誤差(RMSE),詳見「均方根誤差」。
提示:此條目的主題不是標準誤差。
標準差,又稱標準偏差、均方差(英語:StandardDeviation,縮寫SD,符號σ),在機率統計中最常使用作為測量一組數值的離散程度之用。
標準差定義:為變異數開主平方根,反映組內個體間的離散程度;標準差與期望值之比為標準離差率。
測量到分布程度的結果,原則上具有兩種性質:
為非負數值(因為平方後再做平方根);
與測量資料具有相同單位(這樣才能比對)。
一個總量的標準差或一個隨機變數的標準差,及一個子集合樣品數的標準差之間,有所差別。
其公式如下所列。
標準差的概念由卡爾·皮爾森引入到統計中。
目次
1闡述及應用
2母體的標準差
2.1基本定義
2.2簡化計算公式
2.3母體為隨機變量
2.3.1離散隨機變量的標準差
2.3.2連續隨機變量的標準差
2.4標準差的特殊性質
3樣本的標準差
4範例
5常態分佈的規則
6標準差與平均值之間的關係
7幾何學解釋
8參考文獻
9外部連結
闡述及應用編輯
簡單來說,標準差是一組數值自平均值分散開來的程度的一種測量觀念。
一個較大的標準差,代表大部分的數值和其平均值之間差異較大;一個較小的標準差,代表這些數值較接近平均值。
例如,兩組數的集合{0,5,9,14}和{5,6,8,9}其平均值都是7,但第二個集合具有較小的標準差。
表述「相差k個標準差」,即在X̄±kS的樣本(Sample)範圍內考量。
標準差可以當作不確定性的一種測量。
例如在物理科學中,做重複性測量時,測量數值集合的標準差代表這些測量的精確度。
當要決定測量值是否符合預測值,測量值的標準差佔有決定性重要角色:如果測量平均值與預測值相差太遠(同時與標準差數值做比較),則認為測量值與預測值互相矛盾。
這很容易理解,因為如果測量值都落在一定數值範圍之外,可以合理推論預測值是否正確。
標準差應用於投資上,可作為量度回報穩定性的指標。
標準差數值越大,代表回報遠離過去平均數值,回報較不穩定故風險越高。
相反,標準差數值越小,代表回報較為穩定,風險亦較小。
母體的標準差編輯
基本定義編輯
σ
=
1
N
∑
i
=
1
N
(
x
i
−
x
¯
)
2
{\displaystyle\sigma={\sqrt{{\frac{1}{N}}\sum_{i=1}^{N}(x_{i}-{\overline{x}})^{2}}}}
x
¯
{\displaystyle{\overline{x}}}
為平均值。
簡化計算公式編輯
上述公式可以如下代換而簡化:
∑
i
=
1
N
(
X
i
−
μ
)
2
=
∑
i
=
1
N
(
X
i
2
−
2
X
i
μ
+
μ
2
)
=
(
∑
i
=
1
N
X
i
2
)
−
(
2
μ
∑
i
=
1
N
X
i
)
+
N
μ
2
=
(
∑
i
=
1
N
X
i
2
)
−
2
μ
(
N
μ
)
+
N
μ
2
=
(
∑
i
=
1
N
X
i
2
)
−
2
N
μ
2
+
N
μ
2
=
(
∑
i
=
1
N
X
i
2
)
−
N
μ
2
{\displaystyle{\begin{aligned}\sum_{i=1}^{N}(X_{i}-\mu)^{2}&={}\sum_{i=1}^{N}(X_{i}^{2}-2X_{i}\mu+\mu^{2})\\&{}=\left(\sum_{i=1}^{N}X_{i}^{2}\right)-\left(2\mu\sum_{i=1}^{N}X_{i}\right)+N\mu^{2}\\&{}=\left(\sum_{i=1}^{N}X_{i}^{2}\right)-2\mu(N\mu)+N\mu^{2}\\&{}=\left(\sum_{i=1}^{N}X_{i}^{2}\right)-2N\mu^{2}+N\mu^{2}\\&{}=\left(\sum_{i=1}^{N}X_{i}^{2}\right)-N\mu^{2}\end{aligned}}}
所以:
σ
=
1
N
∑
i
=
1
N
(
X
i
−
μ
)
2
=
1
N
(
∑
i
=
1
N
X
i
2
)
−
1
N
N
μ
2
=
∑
i
=
1
N
X
i
2
N
−
μ
2
{\displaystyle{\begin{aligned}\sigma&={\sqrt{{\frac{1}{N}}\sum_{i=1}^{N}(X_{i}-\mu)^{2}}}\\&={\sqrt{{\frac{1}{N}}\left(\sum_{i=1}^{N}X_{i}^{2}\right)-{\frac{1}{N}}N\mu^{2}}}\\&={\sqrt{{\frac{\sum_{i=1}^{N}X_{i}^{2}}{N}}-\mu^{2}}}\end{aligned}}}
根號裡面,亦即變異數(
σ
2
{\displaystyle\sigma^{2}}
)的簡易口訣為:「平方和的平均」減去「平均的平方」。
母體為隨機變數編輯
一隨機變數
X
{\displaystyleX}
的標準差定義為:
σ
=
E
(
(
X
−
E
(
X
)
)
2
)
=
E
(
X
2
)
−
(
E
(
X
)
)
2
{\displaystyle\sigma={\sqrt{\operatorname{E}((X-\operatorname{E}(X))^{2})}}={\sqrt{\operatorname{E}(X^{2})-(\operatorname{E}(X))^{2}}}}
須注意並非所有隨機變數都具有標準差,因為有些隨機變數不存在期望值。
如果隨機變數
X
{\displaystyleX}
為
x
1
,
⋯
,
x
n
{\displaystylex_{1},\cdots,x_{n}}
具有相同機率,則可用上述公式計算標準差。
離散隨機變數的標準差編輯
若
X
{\displaystyleX}
是由實數
x
1
,
x
2
,
.
.
.
,
x
n
{\displaystylex_{1},x_{2},...,x_{n}}
構成的離散隨機變數(英語:discreterandomvariable),且每個值的機率相等,則
X
{\displaystyleX}
的標準差定義為:
σ
=
1
N
[
(
x
1
−
μ
)
2
+
(
x
2
−
μ
)
2
+
⋯
+
(
x
N
−
μ
)
2
]
{\displaystyle\sigma={\sqrt{{\frac{1}{N}}\left[(x_{1}-\mu)^{2}+(x_{2}-\mu)^{2}+\cdots+(x_{N}-\mu)^{2}\right]}}}
,其中
μ
=
1
N
(
x
1
+
⋯
+
x
N
)
{\displaystyle\mu={\frac{1}{N}}(x_{1}+\cdots+x_{N})}
換成用
∑
{\displaystyle\sum}
來寫,就成為:
σ
=
1
N
∑
i
=
1
N
(
x
i
−
μ
)
2
{\displaystyle\sigma={\sqrt{{\frac{1}{N}}\sum_{i=1}^{N}(x_{i}-\mu)^{2}}}}
,其中
μ
=
1
N
(
x
1
+
⋯
+
x
N
)
{\displaystyle\mu={\frac{1}{N}}(x_{1}+\cdots+x_{N})}
目前為止,與母體標準差的基本公式一致。
然而若每個
x
i
{\displaystylex_{i}}
可以有不同機率
p
i
{\displaystylep_{i}}
,則
X
{\displaystyleX}
的標準差定義為:
σ
=
∑
i
=
1
N
p
i
(
x
i
−
μ
)
2
{\displaystyle\sigma={\sqrt{\sum_{i=1}^{N}p_{i}(x_{i}-\mu)^{2}}}}
,其中
μ
=
∑
i
=
1
N
p
i
x
i
.
{\displaystyle\mu=\sum_{i=1}^{N}p_{i}x_{i}.}
這裡,
μ
{\displaystyle\mu}
為
X
{\displaystyleX}
的數學期望。
連續隨機變數的標準差編輯
若
X
{\displaystyleX}
為機率密度
p
(
X
)
{\displaystylep(X)}
的連續隨機變數(英語:continuousrandomvariable),則
X
{\displaystyleX}
的標準差定義為:
σ
=
∫
(
x
−
μ
)
2
f
(
x
)
d
x
{\displaystyle\sigma={\sqrt{\int(x-\mu)^{2}\,f(x)\,dx}}}
其中
μ
{\displaystyle\mu}
為
X
{\displaystyleX}
的數學期望:
μ
=
∫
x
f
(
x
)
d
x
{\displaystyle\mu=\intx\,f(x)\,dx}
標準差的特殊性質編輯
對於常數
c
{\displaystylec}
和隨機變數
X
{\displaystyleX}
和
Y
{\displaystyleY}
:
σ
(
X
+
c
)
=
σ
(
X
)
{\displaystyle\sigma(X+c)=\sigma(X)}
σ
(
c
X
)
=
c
⋅
σ
(
X
)
{\displaystyle\sigma(cX)=c\cdot\sigma(X)}
σ
(
X
+
Y
)
=
σ
2
(
X
)
+
σ
2
(
Y
)
+
2
⋅
cov
(
X
,
Y
)
{\displaystyle\sigma(X+Y)={\sqrt{\sigma^{2}(X)+\sigma^{2}(Y)+2\cdot{\mbox{cov}}(X,Y)}}}
其中:
cov
(
X
,
Y
)
{\displaystyle{\mbox{cov}}(X,Y)}
表示隨機變數
X
{\displaystyleX}
和
Y
{\displaystyleY}
的共變異數。
σ
2
(
X
)
{\displaystyle\sigma^{2}(X)}
表示
[
σ
(
X
)
]
2
{\displaystyle[\sigma(X)]^{2}}
,即
V
a
r
(
X
)
{\displaystyleVar(X)}
(
X
{\displaystyleX}
的變異數),對
Y
{\displaystyleY}
亦同。
樣本的標準差編輯
在真實世界中,找到一個母體的真實的標準差並不實際。
大多數情況下,母體標準差是通過隨機抽取一定量的樣本並計算樣本標準差估計的。
從一大組數值
X
1
,
⋯
,
X
N
{\displaystyleX_{1},\cdots,X_{N}}
當中取出一樣本數值組合
x
1
,
⋯
,
x
n
:
n
<
N
{\displaystylex_{1},\cdots,x_{n}:n
延伸文章資訊
- 1標準差- 维基百科,自由的百科全书
標準差,又稱標準偏差、均方差(英語:Standard Deviation,縮寫SD,符號σ),在概率統計中最常 ... 標準差. 統計學名詞 ... 其公式如下所列。 標準差的概念由卡爾·皮爾 ...
- 2生物統計學
生物統計學. 江大雄. 師大健康促進與衛生教育研究所 ... 與前者有關的統計稱為「描述性統計」,與後者有. 關的統計稱為「推論性統計」。 ... 其公式為:. 平均差=.
- 3統計
教育部公布[統計學名詞]及CNS 2579[品質管制詞彙]均將standard deviation譯 ... 係數變異係數(coefficient of variation)為標準差對平均數之比...
- 4算變異量為什麼要除以n-1?什麼是「自由度」? - 泛科學
樣本變異量是基本統計學一個很難懂也很難教的概念。 ... 這個概念難懂之處並不只在於它的意義或用處,更在於它的公式: 這個公式的分子是所謂「差方.
- 5算變異量為什麼要除以n-1?什麼又是「自由度」? - 關鍵評論網
樣本變異量是基本統計學一個很難懂也很難教的概念。初學統計學的 ... 這個公式的分子是所謂「差方和」(sum of squared deviations),還不算太難懂。