在统计学中，标准差是衡量一组数据离散程度的指标。当我们需要合并两组或多组数据的标准差时，通常会使用合并标准差的公式。以下是对合并标准差公式的详细解析与证明。
合并标准差公式
假设我们有两组数据，第一组数据有 ( n_1 ) 个观测值，第二组数据有 ( n_2 ) 个观测值。两组数据的均值分别为 ( \bar{x}_1 ) 和 ( \bar{x}_2 )，标准差分别为 ( \sigma_1 ) 和 ( \sigma_2 )。合并后的数据集包含 ( n_1 + n2 ) 个观测值，其合并标准差 ( \sigma{\text{合并}} ) 的计算公式如下：
[ \sigma_{\text{合并}} = \sqrt{\frac{(n_1 - 1) \sigma_1^2 + (n_2 - 1) \sigma_2^2}{n_1 + n_2 - 2}} ]
公式解析
分子部分：分子部分是两个独立样本方差的无偏估计之和。由于我们使用的是样本方差，因此需要减去1以得到无偏估计。
分母部分：分母是合并后样本数量的减去2，即 ( n_1 + n_2 - 2 )。这是因为当我们合并两组数据时，我们实际上是在估计一个更大的总体方差，因此需要调整自由度。
公式证明
为了证明这个公式，我们可以从以下步骤进行：
- 独立样本方差公式：首先，我们知道独立样本方差的公式为：
[ s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i - \bar{x})^2 ]
其中，( s^2 ) 是样本方差，( n ) 是样本数量，( x_i ) 是第 ( i ) 个观测值，( \bar{x} ) 是样本均值。
- 合并样本方差：当我们将两组数据合并时，合并样本的方差可以表示为：
[ s{\text{合并}}^2 = \frac{1}{n{\text{合并}}-1} \sum{i=1}^{n{\text{合并}}} (xi - \bar{x}{\text{合并}})^2 ]
其中，( n{\text{合并}} ) 是合并后的样本数量，( \bar{x}{\text{合并}} ) 是合并后的样本均值。
- 合并样本均值：合并样本的均值可以表示为：
[ \bar{x}_{\text{合并}} = \frac{n_1 \bar{x}_1 + n_2 \bar{x}_2}{n_1 + n_2} ]
- 代入公式：将合并样本均值代入合并样本方差的公式中，得到：
[ s{\text{合并}}^2 = \frac{1}{n{\text{合并}}-1} \sum{i=1}^{n{\text{合并}}} (x_i - \frac{n_1 \bar{x}_1 + n_2 \bar{x}_2}{n_1 + n_2})^2 ]
- 展开平方项：将平方项展开，并整理合并同类项，得到：
[ s{\text{合并}}^2 = \frac{1}{n{\text{合并}}-1} \left( \sum_{i=1}^{n_1} (x_i - \bar{x}1)^2 + \sum{i=n1+1}^{n{\text{合并}}} (x_i - \bar{x}_2)^2 \right) ]
- 应用独立样本方差公式：由于两组数据是独立的，我们可以将上式中的两个求和项分别表示为两个独立样本方差的公式：
[ s{\text{合并}}^2 = \frac{1}{n{\text{合并}}-1} \left( \frac{n_1-1}{n_1} s_1^2 + \frac{n_2-1}{n_2} s_2^2 \right) ]
- 化简公式：将上式中的分母进行化简，得到合并标准差的公式：
[ \sigma_{\text{合并}} = \sqrt{\frac{(n_1 - 1) \sigma_1^2 + (n_2 - 1) \sigma_2^2}{n_1 + n_2 - 2}} ]
通过以上步骤，我们证明了合并标准差公式的正确性。这个公式在统计学中有着广泛的应用，特别是在进行数据分析时，合并标准差可以帮助我们更好地理解数据的离散程度。