第十一冊 v0.2 · 網站閱讀版

第7章 變異數與標準差

本章小節
  1. 7.1 先算偏差,再平方加權
  2. 7.2 四個例題
  3. 7.3 練習
  4. 7.4 完整解答

7.1 先算偏差,再平方加權

期望抓住中心,卻可能看不出分散。令 μ=E[X],定義 Var(X)=E[(X−μ)²]。偏左與偏右的差都平方成非負數,不會互相抵消。標準差 SD(X)=√Var(X),與 X 使用同樣的單位;若 X 的單位是公分,變異數的單位是平方公分。

展開平方得 E[X²−2μX+μ²]=E[X²]−2μ²+μ²,因此 Var(X)=E[X²]−(E[X])²。這是精確等式;不應在各項太早截去小數,而得到假的負值。在有限模型中,變異數為零當且僅當 X 在所有正機率結果都等於同一個常數。零權重的結果不影響判斷。

令 Y=aX+b。Y 的平均為 aμ+b,因此其偏差 Y−E[Y]=a(X−μ),Var(Y)=a²Var(X),SD(Y)=|a|SD(X)。平移整組數據不改分散程度;乘上負數會翻轉方向,但分散程度不能是負的。

兩分布的中心都在 2:第一個在 1、3;第二個在 0、4,後者的偏差平方較大。
圖13|兩分布的中心都在 2:第一個在 1、3;第二個在 0、4,後者的偏差平方較大。

7.2 四個例題

例題1 一樣的平均,不一樣的分散

X 取 1、3 各半,Y 取 0、4 各半,兩者期望皆是 2。X 偏差平方都是 1,所以 Var(X)=1;Y 偏差平方都是 4,Var(Y)=4,對應標準差是 1、2。

1 和 3 各半時,兩側偏差為 −1 與 1;平方加權後變異數為 1。
圖14|1 和 3 各半時,兩側偏差為 −1 與 1;平方加權後變異數為 1。

例題2 兩種算法相互校驗

X 取 0 與 3,機率 2/3 與 1/3。μ=1,從偏差平方得到 (2/3)·1+(1/3)·4=2。另一法 E[X²]=3,減掉 μ²=1 也是 2。

例題3 重新標尺

沿用上一例,令 Z=10−2X。E[Z]=10−2=8,Var(Z)=(−2)²·2=8,SD(Z)=2√2。10 只搬動中心,−2 的絕對值才改變標準差。

例題4 伯努利變數的分散

I=1 的機率為 p,其餘取 0。因 I²=I,E[I²]=E[I]=p,Var(I)=p−p²=p(1−p)。當 p=1/4,變異數 3/16,標準差 √3/4。

7.3 練習

  1. B11-C07-Q01 X 取 −2、2 各半,求平均與變異數。
  2. B11-C07-Q02 X 取 0、4,機率 3/4、1/4,求 Var(X)。
  3. B11-C07-Q03 若 SD(X)=3,求 SD(5−2X)。
  4. B11-C07-Q04 Var(X)=9,計算 Var(X−7) 與 Var(X/3)。
  5. B11-C07-Q05 常數 8 的標準差為何?
  6. B11-C07-Q06 E[X]=2、E[X²]=7,求 SD(X)。
  7. B11-C07-Q07 若報告 E[X]=3、E[X²]=8,兩者能同時是精確值嗎?
  8. B11-C07-Q08 I 的成功機率從 1/5 變成 4/5,變異數改變嗎?
  9. B11-C07-Q09 兩個值不同,但其中一個質量為零,變異數能為零嗎?
  10. B11-C07-Q10 有人說 Var(X+Y)=Var(X)+Var(Y) 總成立。令 Y=X、Var(X)=2,可否反駁?

7.4 完整解答

Q01

平均為 0。兩端距中心都是 2,平方皆 4,以兩個 1/2 加權後變異數為 4。

Q02

μ=1,E[X²]=16/4=4,故 Var(X)=4−1=3。若只將兩值各半,得到的是另一模型。

Q03

乘 −2 讓所有相對偏差的大小變兩倍,加 5 不影響偏差,所以標準差 2·3=6。

Q04

平移保留 9。除以 3 使每個偏差除 3,平方後除以 9,所以後者是 1。

Q05

每次取的值都等於其期望 8,所有偏差為 0。變異數為 0、開平方後仍為 0。

Q06

先相減求 Var(X)=7−2²=3,再取非負平方根 √3;不要先給兩項各自開平方。

Q07

不能。代入會得 Var(X)=8−3²=−1,與非負矛盾。如果數字是四捨五入值,則應回到未截斷資料檢查。

Q08

不變。兩者的 p 和 1−p 互換,乘積同為 (1/5)(4/5)=4/25;中心由 1/5 改為 4/5。

Q09

可以。若 X=2 的質量為 1、X=5 的質量為 0,μ=2,第一項偏差為零,第二項的偏差平方乘零;Var(X)=0。

Q10

可以。X+Y=2X,因此 Var(X+Y)=4Var(X)=8,但兩項變異數相加只有 4。下一章會看少掉的交叉項。