KNOWECON WIKI

ARTICLE

总体方差

总体方差 (Population Variance) 总体方差（Population Variance），在概率论和统计学中，是度量总体数据离散度的核心参数。它定义为总体中所有数据点与其总体均值之差的平方的平均值，符号通常表示为 ^2。 数学定义 设有限总体包含 N 个元素 X_1, X_2, , X_N，均值 = _i=1^N X_i / N，则总体方差为

浏览 62 更新 2025-10-26

总体方差 (Population Variance)

总体方差（Population Variance），在概率论和统计学中，是度量总体数据离散度的核心参数。它定义为总体中所有数据点与其总体均值之差的平方的平均值，符号通常表示为 σ2\sigma^2。

数学定义

设有限总体包含 NN 个元素 X1,X2,…,XNX_1, X_2, \ldots, X_N，均值 μ=∑i=1NXi/N\mu = \sum_{i=1}^{N} X_i / N，则总体方差为：

σ2=∑i=1N(Xi−μ)2N\sigma^2 = \frac{\sum_{i=1}^{N} (X_i - \mu)^2}{N}

其中 Xi−μX_i - \mu 为偏差，(Xi−μ)2(X_i - \mu)^2 为平方偏差。平方运算确保所有值为非负，同时放大远离均值的数据点的影响。偏差平方和除以 NN 即得平均平方偏差。

对于随机变量 XX，方差亦可用期望值定义为：

σ2=Var(X)=E[(X−μ)2]\sigma^2 = \text{Var}(X) = E[(X - \mu)^2]

总体方差与样本方差的区别

\begin{tabular}{|c|c|c|} \hline 特性 \& 总体方差 σ2\sigma^2 \& 样本方差 s2s^2 \\ \hline 数据来源 \& 总体全部数据 NN \& 样本数据 nn \\ \hline 使用均值 \& 总体均值 μ\mu \& 样本均值 xˉ\bar{x} \\ \hline 公式分母 \& NN \& n−1n-1（Bessel's correction） \\ \hline \end{tabular}

样本方差使用 n−1n-1 作为分母，目的是使 s2s^2 成为 σ2\sigma^2 的无偏估计量。由于样本数据点离其自身均值 xˉ\bar{x} 比离总体均值 μ\mu 更近，若除以 nn 会系统低估总体方差；通过自由度 n−1n-1 的校正可消除此偏误。

计算示例

某班级5名学生的分数：85, 90, 75, 80, 95。均值 μ=85\mu = 85。平方偏差分别为 0, 25, 100, 25, 100，总和 250。总体方差 σ2=250/5=50\sigma^2 = 250 / 5 = 50，总体标准差 σ=50≈7.07\sigma = \sqrt{50} \approx 7.07 分。

性质

  1. 非负性：σ2≥0\sigma^2 \ge 0，当所有数据相同时为 0。
  2. 常数加法不变性：Var(X+c)=Var(X)\text{Var}(X + c) = \text{Var}(X)。
  3. 常数乘法变化：Var(cX)=c2Var(X)\text{Var}(cX) = c^2 \text{Var}(X)。

局限

方差的单位是原始数据单位的平方，难以直观解释，故常使用其平方根——总体标准差 σ\sigma。此外，方差对异常值敏感，偏差的平方放大了极端值的影响。

相关概念

  • 总体标准差：σ=σ2\sigma = \sqrt{\sigma^2}，单位与原始数据相同。
  • 协方差：衡量两个变量协同变化的度量。
  • 变异系数：CV=σ/∣μ∣CV = \sigma / |\mu|，无量纲的相对离散度指标。