在统计学中，方差是一个衡量数据集中各数值与平均值之间差异的度量。掌握方差计算与合成技巧对于数据分析、数据科学等领域至关重要。以下将通过具体实例来讲解如何计算方差以及如何合成方差。
1. 方差的定义与计算
方差是每个数值与平均值差的平方的平均数。公式如下：
[ \sigma^2 = \frac{\sum_{i=1}^{n}(x_i - \mu)^2}{n} ]
其中，( \sigma^2 ) 表示方差，( x_i ) 表示每个数值，( \mu ) 表示平均值，( n ) 表示数据点的数量。
实例 1：计算一组数据的方差
假设有一组数据：[ 2, 4, 4, 4, 5, 5, 7, 9 ]
首先，计算平均值：
[ \mu = \frac{2 + 4 + 4 + 4 + 5 + 5 + 7 + 9}{8} = 5.5 ]
然后，计算每个数值与平均值的差的平方：
[ (2 - 5.5)^2 = 12.25, \quad (4 - 5.5)^2 = 2.25, \quad (4 - 5.5)^2 = 2.25, \quad (4 - 5.5)^2 = 2.25 ] [ (5 - 5.5)^2 = 0.25, \quad (5 - 5.5)^2 = 0.25, \quad (7 - 5.5)^2 = 2.25, \quad (9 - 5.5)^2 = 12.25 ]
接下来，求和并除以数据点的数量：
[ \sigma^2 = \frac{12.25 + 2.25 + 2.25 + 2.25 + 0.25 + 0.25 + 2.25 + 12.25}{8} = 4.75 ]
因此，这组数据的方差为 4.75。
2. 方差的合成技巧
在实际应用中，我们经常需要合成多个方差来得到总体方差。以下介绍两种常见的合成技巧：
技巧 1：独立同分布数据的方差合成
假设有两个独立同分布的数据集 ( X ) 和 ( Y )，它们的方差分别为 ( \sigma_X^2 ) 和 ( \sigmaY^2 )。那么，合成后的方差 ( \sigma{XY}^2 ) 可以通过以下公式计算：
[ \sigma_{XY}^2 = \frac{\sigma_X^2 + \sigma_Y^2}{2} ]
实例 2：合成两个独立同分布数据集的方差
假设有两个独立同分布的数据集 ( X ) 和 ( Y )，其中 ( X ) 的方差为 4，( Y ) 的方差为 9。那么，合成后的方差为：
[ \sigma_{XY}^2 = \frac{4 + 9}{2} = 6.5 ]
技巧 2：相关数据集的方差合成
假设有两个相关数据集 ( X ) 和 ( Y )，它们之间的相关系数为 ( r )，( X ) 的方差为 ( \sigma_X^2 )，( Y ) 的方差为 ( \sigmaY^2 )。那么，合成后的方差 ( \sigma{XY}^2 ) 可以通过以下公式计算：
[ \sigma_{XY}^2 = \sigma_X^2 + \sigma_Y^2 - 2\sigma_X\sigma_Yr ]
实例 3：合成两个相关数据集的方差
假设有两个相关数据集 ( X ) 和 ( Y )，其中 ( X ) 的方差为 4，( Y ) 的方差为 9，相关系数为 0.8。那么，合成后的方差为：
[ \sigma_{XY}^2 = 4 + 9 - 2 \times 4 \times 9 \times 0.8 = 1.2 ]
通过以上实例，我们可以看到，方差计算与合成技巧在处理数据时非常有用。掌握这些技巧可以帮助我们更好地理解数据，并做出更准确的决策。