4.2 方差
本章目录 · 1 节
本章导读
【4.2 方差】均值不能单独刻画稳定性。同为平均寿命1000小时,一批产品可能集中在950至1050小时,另一批可能各有一半在700和1300小时附近。为了度量相对均值的分散程度,需要进一步考察偏差的平方平均。
【定义与单位】若,则有限,定义。标准差为。方差非负,单位是原变量单位的平方;标准差与原变量单位相同。有限均值不保证有限方差,不能在没有二阶可积性时随意使用有限方差公式。
【计算公式】离散时;有密度时。展开平方并用期望线性性,得到
右侧是“平方的期望减去期望的平方”,顺序不可反。理论值不应为负,数值计算出现微小负值时应检查舍入与计算稳定性。
【例1 标准化】若、,令,则、。这个结论不要求正态分布。标准化并不自动把任意分布变成标准正态;时也不能使用这一除法。(例完)
【例2 伯努利方差】、。因,,故。当或1时为退化变量,方差为0。(例完)
【例3 泊松方差】,已经知道。先求阶乘矩:
所以,。在已知分布属于泊松族的前提下,一个均值参数就能确定分布;反过来,某变量均值等于方差不保证它一定服从泊松分布。(例完)
【例4 均匀方差】,。,,相减得到。平移区间不改变方差,区间长度扩大一倍使方差扩大四倍。(例完)
【例5 指数分布的均值与方差】尺度的指数密度为()。分部积分得,,故。若改用率,对应均值、方差。(例完)
【方差的性质】在二阶矩有限时,①;②、;③
第三项是两变量的协方差项,下一节将系统研究。若独立,中心化乘积的期望为0,便有;有限个相互独立变量的方差也可相加。更一般地,协方差为0已足够让这一加法成立,不必反推独立。
【性质的证明】常数没有偏差,故方差为0;缩放使每个偏差乘,平方后乘;平移同时移动均值,偏差不变。对和的方差,将中心化的和写成,展开平方后取期望,即得包含交叉项的公式。特别地,,不能把减号直接照搬到两个方差之间。
【零方差的含义】当且仅当。它表示几乎必然取一个常数,不要求在零概率样本点上也处处相同。充分性可直接代入定义;必要性见下文用切比雪夫不等式的证明。
【例6 二项分布】可以写成个相互独立伯努利变量的和。各项期望为、方差为,所以、。期望相加本身不需独立;方差相加在这里使用了各次伯努利试验独立这一条件。(例完)
【例7 正态分布】对标准正态,密度对称给出;由作分部积分,,故。若,则、。因此的第二参数确为方差。
若相互独立且常系数不全为0,则。例如独立、,则,其中。(例完)
【例8 活塞与气缸配合】题设独立直径、,单位厘米。可装入事件为。差,标准差为0.05。因此。相减时两个独立误差的方差仍然相加,。(例完)
【切比雪夫不等式】若、,对每个都有
概率本身还在0与1之间,所以上界可与1取较小值,下界可与0取较大值。两种形式中的“”与“”互为补事件;不能不考虑边界概率就一起改成严格或非严格不等式。
【不等式证明】逐点有,两侧取期望即得。这个证明同时适用于离散、连续和混合分布;有密度时也可以只在两侧尾部积分,再把非负平方积分扩大到全轴。
【怎样使用概率界】若,取,得;取,得到下界15/16=0.9375。第一条保留精确的8/9,不能把下界向上四舍五入后仍声称“至少0.8889”。这是一切有限方差分布均适用的界,与正态分布约99.73%的“3σ”概率不同。若,应直接使用零方差结论,而不是令套用定理。
【界限可能较粗】例如,均值4、方差16/3。切比雪夫给出,而已知均匀分布后,精确概率为1。不等式提供的是可保证的界,不是概率近似等式。
【零方差性质的必要性证明】若,对任意正整数,不等式给出。事件是这些事件的可数并,故其概率为0,从而。这个可数并步骤避免把“每个非零偏差点概率为0”误当成“所有非零偏差的概率为0”。
