样本均值的方差

样本均值的方差 (Variance of the Sample Mean)

样本均值的方差（Variance of the Sample Mean）是数理统计和推断统计学中的基石性概念，衡量从同一总体中反复抽取多个大小相同的样本时，这些样本的均值即样本均值所形成的分布的离散程度，量化样本均值围绕总体均值 $\mu$ 波动的幅度。理解样本均值的方差对于评估样本均值作为总体均值估计量的精确度和可靠性至关重要，是构建置信区间和假设检验的理论基础，与中心极限定理紧密相关。

推导与核心公式

从均值 $\mu$ 方差 $\sigma^2$ 的总体中抽取大小为n的随机样本，由n个随机变量 $X_1, \ldots, X_n$ 组成，满足独立同分布，同分布即 $\mathbb{E}[X_i] = \mu$ 且 $\operatorname{Var}[X_i] = \sigma^2$ 对所有i。样本均值定义 $\bar{X} = (1/n)\sum X_i$，其期望为 $\mathbb{E}[\bar{X}] = \mu$（无偏性）。方差推导利用独立性消除交叉项：

核心结论为 $\operatorname{Var}[\bar{X}] = \sigma^2/n$，样本均值的方差等于总体方差除以样本量。标准误为 $\operatorname{SE}[\bar{X}] = \sigma/\sqrt{n}$。三个关键含义包括：样本量n增大方差线性减小，精度以平方根速率提升，样本扩大4倍标准误减半；样本均值的方差与总体方差成正比，总体变异越大样本均值越不精确；当样本量等于总体大小时方差为零，所有抽样不确定性消失，估计量变为精确参数值。

有限总体校正因子

有限总体且不放回抽样时需引入有限总体校正因子：$\operatorname{Var}[\bar{X}] = (\sigma^2/n) \times (N-n)/(N-1)$，其中N为总体大小。当n相对于N很小时校正因子接近1，当抽样率较高时减小方差。在抽样调查设计中，样本均值的方差计算公式是确定样本量、评估抽样精度和进行统计推断的数据基础，影响所有后续统计分析所使用标准误的根本性公式。