期望值、變異數與動差
變異數的計算公式
定義 Var(X) = E[(X - mu)^2] 雖然誠實,實務上卻笨拙:你得先算出均值 mu,再回頭走過每個值去平方它的偏差。一點代數把這個兩遍的苦差事變成一遍就能完成的公式,而這幾乎總是實際計算變異數的方式。
把平方展開:E[(X - mu)^2] = E[X^2 - 2 mu X + mu^2] = E[X^2] - 2 mu E[X] + mu^2。由於 E[X] = mu,後兩項塌縮成 -2 mu^2 + mu^2 = -mu^2,剩下 Var(X) = E[X^2] - (E[X])^2。用白話說:平方的平均減去平均的平方。你只需要兩個數——E[X^2](用 LOTUS 算)與 E[X]——就完成了。有時記成「均方減方均」。
由於變異數絕不可能是負的,這個公式內建一個健全性檢查:E[X^2] 永遠至少等於 (E[X])^2。(這個不等式正是凸函數 g(x) = x^2 的詹森不等式,唯有 X 為常數時才取等號。)實際計算的一個數值警告:當 E[X^2] 與 (E[X])^2 都很大且幾乎相等時,相減會嚴重損失精度——統計學家在這種情形會用更穩定的演算法——但對手算而言,這個公式是個禮物。
公正骰子:E[X] = 3.5 且 E[X^2] = 91/6 ≈ 15.167。則 Var(X) = 91/6 - (7/2)^2 = 91/6 - 49/4 = (182 - 147)/12 = 35/12 ≈ 2.917。這個捷徑不需要列出任何偏差清單。
變異數 = 均方減方均:E[X^2] - (E[X])^2。
若你算 E[X^2] - (E[X])^2 得到負數,那一定是算錯了——變異數絕不可能為負,因為恆有 E[X^2] >= (E[X])^2。
又稱
另見