方差和均方差的概念是什么，有区别吗

1. 方差和均方差的概念是什么，有区别吗

样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差.样本方差和样本标准差都是衡量一个样本波动大小的量,样本方差或样本标准差越大,样本数据的波动就越大.
数学上一般用E{[X-E(X)]^2}来度量随机变量X与其均值E(X)的偏离程度,称为X的方差.
定义
设X是一个随机变量,若E{[X-E(X)]^2}存在,则称E{[X-E(X)]^2}为X的方差,记为D(X)或DX.即D(X)=E{[X-E(X)]^2},而σ(X)=D(X)^0.5（与X有相同的量纲）称为标准差或均方差.
由方差的定义可以得到以下常用计算公式：
D(X)=E(X^2)-[E(X)]^2
方差的几个重要性质（设一下各个方差均存在）.
（1）设c是常数,则D(c)=0.
（2）设X是随机变量,c是常数,则有D(cX)=(c^2)D(X).
（3）设X,Y是两个相互独立的随机变量,则D(X+Y)=D(X)+D(Y).
（4）D(X)=0的充分必要条件是X以概率为1取常数值c,即P{X=c}=1,其中E(X)=c.

2. 方差和标准差之间有什么关系？

标准差是方差的算术平方根，标准差用s表示，方差是标准差的平方，方差用s^2表示，光看它的表示方法就可以知道二者的关系。
方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。 概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。
统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。 在许多实际问题中，研究方差即偏离程度有着重要意义。

均值和方差的关系：
均值描述的是样本集合的中间点，它告诉我们的信息是很有限的，而标准差给我们描述的则是样本集合的各个样本点到均值的距离之平均。以这两个集合为例，[0，8，12，20]和[8，9，11，12]，两个集合的均值都是10，但显然两个集合差别是很大的，计算两者的标准差，前者是8.3，后者是1.8。
显然后者较为集中，故其标准差小一些，标准差描述的就是这种“散布度”。之所以除以n-1而不是除以n，是因为这样能使我们以较小的样本集更好的逼近总体的标准差，即统计上所谓的“无偏估计”。而方差则仅仅是标准差的平方。

3. 均方差和方差的区别是什么？

1、含义不同：
（1）均方差即标准差，是离均差平方的算术平均数的平方根，用σ表示。标准差是方差的算术平方根。
（2）方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。在许多实际问题中，研究方差即偏离程度有着重要意义。
2、反映内容不同：
标准差能反映一个数据集的离散程度。平均数相同的两组数据，标准差未必相同。方差是衡量源数据和期望值相差的度量值。计算方法不同：标准差公式是一种数学公式。标准差也被称为标准偏差，或者实验标准差。方差是各个数据与平均数之差的平方的和的平均数。

方差和标准差：
样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。

4. 方差和平均差的区别是什么？

平均差：平均差是表示各个变量值之间差异程度的数值之一。指各个变量值同平均数的离差绝对值的算术平均数。
标准差：是离均差平方的算术平均数的平方根，用σ表示。标准差是方差的算术平方根。
方差：方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。
极差：极差又称范围误差或全距(Range)，以R表示，是用来表示统计资料中的变异量数(measures of variation)，其最大值与最小值之间的差距，即最大值减最小值后所得之数据。是指一组数据内的最大值和最小值之间的差异.
区别：
1、平均差是说明集中趋势的,标准差是说明一组数据的离中趋势的.平均差是反应各标志值与算术平均数之间的平均差异,是各个数据与平均值差值的绝对值的平均数；标准差是离均差平方和平均后的方根,更能反映一个数据集的离散程度。
2、方差是每个数减去平均数的平方的和,标准差是把方差除以我们的关注的事物的个数，方差=(1/n)[(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2]，标准差=方差的算术平方根。
3、平均差是总体所有单位与其算术平均数的离差绝对值的算术平均数。方差是各个数据与其算术平均数的离差平方和的平均数。
联系：极差越大,平均差的代表性越小,反之亦然；标准差越大,平均差的代表性越小,反之亦然，方差的算术平方根=标准差。

扩展资料：
方差的统计学意义
当数据分布比较分散（即数据在平均数附近波动较大）时，各个数据与平均数的差的平方和较大，方差就较大；当数据分布比较集中时，各个数据与平均数的差的平方和较小。因此方差越大，数据的波动越大；方差越小，数据的波动就越小。
样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。
方差和标准差是测算离散趋势最重要、最常用的指标。方差是各变量值与其均值离差平方的平均数，它是测算数值型数据离散程度的最重要的方法。标准差为方差的算术平方根，用S表示。方差相应的计算公式为：

标准差与方差不同的是，标准差和变量的计算单位相同，比方差清楚，因此很多时候我们分析的时候更多的使用的是标准差。
参考资料来源：百度百科——方差
百度百科——极差
百度百科——标准差
百度百科——平均差

5. 方差和协方差有什么关系吗？

方差和期望的关系公式：DX=EX^2-(EX)^2。若随机变量X的分布函数F(x)可表示成一个非负可积函数f(x)的积分，则称X为连续性随机变量，f(x)称为X的概率密度函数（分布密度函数）。
将第一个公式中括号内的完全平方打开得到：DX=E(X^2-2XEX+(EX)^2)=E(X^2)-E(2XEX)+(EX)^2=E(X^2)-2(EX)^2+(EX)^2=E(X^2)-(EX)^2，离散型随机变量与连续型随机变量都是由随机变量取值范围(取值)确定。

方差计算注意事项
协方差矩阵计算的是不同维度之间的协方差，而不是不同样本之间的。（结合下面的2理解，每个样本有很多特征，每个特征就是一个维度）。
根据公式，计算协方差需要计算均值，那是按行计算均值还是按列，协方差矩阵是计算不同维度间的协方差，要时刻牢记这一点。

6. 总方差 组内方差 组间方差三者的关系？

组间方差

英文翻译：

Between Group Variable /Variance Between Laboratories [1]

用组距分组数列计算标准差时，可以按总体各单位标志值来计算，也可以按组距分组的各组平均数代表各组平均水平来计算，其结果是不同的。与组间方差相对应的是总方差。举例如下：

某公司下属8个部门的营业额（单位万元）为：80，85，96，110，125，130，145，160

假设以是否超过100万元来分组

第一组 80，85，96

第二组 110，125，130，145，160

计算：

总算术平均数(X总 bar) = 116.375

第一组内算术平均数(X1 bar) = 87

第二组内算术平均数(X2 bar) = 134

组间方差(δ) = [ (87 - 116.375)^2 × 3 + (134 - 116.375) ^2 × 5 ] ÷ ( 3 + 5 )

= 517.73

可见，上面的计算没有把8个标志值分别与总算术平均数进行比较，而只是分别在两个组中取出算术平均数。


参考资料



1．  处理方差  ．ICIBA词典 [引用日期2013-03-7] ．

7. 已知两组方差求总方差

已知两组方差求总方差可以根据公式：D（X）=（x-μ）^2f（x）dx计算得出，
方差刻画了随机变量的取值对于其数学期望的离散程度。标准差、方差越大，离散程度越大。
若X的取值比较集中，则方差D（X）较小，若X的取值比较分散，则方差D（X）较大。
因此，D（X）是刻画X取值分散程度的一个量，它是衡量取值分散程度的一个尺度。

8. 方差到底是有什么意义？

方差的意义：它反映了一组数据与其平均值的偏离程度。概率论中方差用来度量随机变量和其数学期望(即均值)之间的偏离程度。统计中的方差(样本方差)是每个样本值与全体样本值的平均数之差的平方值的平均数。

方差的意义

　　方差

　　方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。许多实际问题中，研究方差即偏离程度有着重要意义。

　　在统计描述中，方差用来计算每一个变量(观察值)与总体均数之间的差异。为避免出现离均差总和为零，离均差平方和受样本含量的影响，统计学采用平均离均差平方和来描述变量的变异程度。

　　在概率论中，方差用来度量随机变量和其数学期望(即均值)之间的偏离程度。

方差的意义

　　方差、标准差、和协方差之间的联系与区别

　　1、方差和标准差都是对一组(一维)数据进行统计的，反映的是一维数组的离散程度；而协方差是对2维数据进行的，反映的是2组数据之间的相关性。

　　2、标准差和均值的量纲(单位)是一致的，在描述一个波动范围时标准差比方差更方便。方差可以看成是协方差的一种特殊情况，即2组数据完全相同。

　　3、协方差只表示线性相关的方向，取值正无穷到负无穷。

　　4、协方差只是说明了线性相关的方向，说不能说明线性相关的程度，若衡量相关程度，则使用相关系数。