在统计学中，当我们需要合并两个或多个独立样本的标准差时，标准差合并公式是一个非常有用的工具。这个公式可以帮助我们估计合并后的样本标准差。以下是标准差合并公式的详解及其证明。
标准差合并公式
假设有两个独立样本，样本1的样本量为 ( n_1 )，样本标准差为 ( s_1 )；样本2的样本量为 ( n_2 )，样本标准差为 ( s_2 )。合并后的样本量 ( n ) 为 ( n_1 + n_2 )。合并后的样本标准差 ( s ) 可以用以下公式计算：
[ s = \sqrt{\frac{(n_1 - 1)s_1^2 + (n_2 - 1)s_2^2}{n - 2}} ]
公式证明
为了证明这个公式，我们需要从样本方差的概念开始。
样本方差的定义
样本方差 ( s^2 ) 是样本数据与其均值之间差异的平方的平均值。对于样本1和样本2，它们的样本方差分别为：
[ s_1^2 = \frac{1}{n1 - 1} \sum{i=1}^{n_1} (x_i - \bar{x}_1)^2 ] [ s_2^2 = \frac{1}{n2 - 1} \sum{i=1}^{n_2} (x_i - \bar{x}_2)^2 ]
其中，( x_i ) 是样本中的每个观测值，( \bar{x}_1 ) 和 ( \bar{x}_2 ) 分别是样本1和样本2的样本均值。
合并样本方差
当我们将两个样本合并时，合并后的样本方差 ( s_{\text{合并}}^2 ) 可以通过以下公式计算：
[ s{\text{合并}}^2 = \frac{1}{n - 2} \sum{i=1}^{n} (xi - \bar{x}{\text{合并}})^2 ]
其中，( \bar{x}_{\text{合并}} ) 是合并后样本的均值。
估计合并后的样本均值
合并后的样本均值 ( \bar{x}_{\text{合并}} ) 可以通过以下公式估计：
[ \bar{x}_{\text{合并}} = \frac{n_1 \bar{x}_1 + n_2 \bar{x}_2}{n_1 + n_2} ]
证明过程
- 计算合并后的样本均值 ( \bar{x}_{\text{合并}} )。
- 使用样本方差的定义，将合并后的样本方差 ( s_{\text{合并}}^2 ) 表达为：
[ s{\text{合并}}^2 = \frac{1}{n - 2} \left[ \sum{i=1}^{n_1} (x_i - \bar{x}1)^2 + \sum{i=n_1+1}^{n} (x_i - \bar{x}_2)^2 \right] ]
- 将样本方差 ( s_1^2 ) 和 ( s_2^2 ) 的定义代入上述公式：
[ s_{\text{合并}}^2 = \frac{1}{n - 2} \left[ (n_1 - 1)s_1^2 + (n_2 - 1)s_2^2 \right] ]
- 最后，取平方根得到合并后的样本标准差 ( s )：
[ s = \sqrt{\frac{(n_1 - 1)s_1^2 + (n_2 - 1)s_2^2}{n - 2}} ]
通过这个过程，我们证明了标准差合并公式的正确性。这个公式在统计分析中非常有用，尤其是在合并来自不同来源的数据时，可以帮助我们更准确地估计总体标准差。