方差的下列性质对应于许多期望值的性质.但是,其中一些属性具有不同的结果。
对于一个常数
C.那
var.[C.]=0..
我们有
var.[C.]=E.[(C.-E.[C.])2]=E.[(C.-C.)2]=0..□
为随机变量
X.任何常数
C.那
var.[C.X.]=C.2var.[X.].
根据期望的性质,
E.[C.X.]=C.E.[X.]=C.μ.然后,
var.[C.X.]=E.[(C.X.-C.μ)2]=E.[C.2(X.-μ)2]=C.2E.[(X.-μ)2]=C.2var.[X.].□
为随机变量
X.任何常数
C.那
var.[X.+C.]=var.[X.].
var.[X.+C.]=E.[(X.+C.)2]-(μ+C.)2=E.[X.2+2C.X.+C.2]-(μ2+2C.μ+C.2)=E.[X.2]+2C.E.[X.]+(C.2-μ2-2C.μ-C.2)=E.[X.2]-μ2=var.[X.].□
以上两个定理说明了如何将随机变量平移或缩放一个常数来改变方差。第一个定理说明了随机变量的值按常数缩放
C.缩放通过方差
C.2.这很直观,因为方差是由与均值之差的平方定义的。第二个定理表明,将所有变量平移一个常数不会改变方差。这也很直观,因为用常数转换所有变量也会转换预期价值,翻译值围绕翻译期望值的传播保持不变。
从线性属性预期价值对于任何两个随机变量
X.和
y那
E.(X.+y)=E.(X.)+E.(y).然而,这并不适用于一般的方差。下面是一种特殊情况:
让我们
X.和
y是独立随机变量。然后
var.(X.+y)=var.(X.)+var.(y).
我们有
var.(X.+y)=E.((X.+y)2)-(E.(X.+y))2=E.(X.2+2X.y+y2)-(E.(X.)+E.(y))2=E.(X.2)+2E.(X.y)+E.(y2)-(E.(X.)2+2E.(X.)E.(y)+E.(y)2)=E.(X.2)+2E.(X.)E.(y)+E.(y2)-E.(X.)2-2E.(X.)E.(y)-E.(y)2=E.(X.2)-E.(X.)2+E.(y2)-E.(y)2=var.(X.)+var.(y)那
其中的计算
E.(X.y)=E.(X.)E.(y)在第四行从随机变量的独立性如下
X.和
y.
□
以下是上述定理的概括。
让我们
X.1那X.2那......那X.K.是成对独立的随机变量。然后
var.(X.1+X.2+⋯+X.K.)=var.(X.1)+var.(X.2)+⋯+var.(X.K.).
对于非独立随机变量
X.和
y那
var.(X.+y)=var.(X.)+var.(y)+2浸(X.那y).
我们有
var.(X.+y)=浸(X.+y那X.+y)=浸(X.那X.)+浸(y那y)+2浸(X.那y)=var.(X.)+var.(y)+2浸(X.那y).
来计算和的方差依赖随机变量,一个必须考虑到协方差.
一个花园
花园B
他们有相同的方差
没有足够的信息
您在每个2个花园,在那里这些套厂在不同高度拍摄出种植向日葵5。
以上示出的是每个描绘向日葵,其中红色线表示向日葵群体的平均高度的高度的曲线图
μ.
例如,A园最矮的向日葵比平均矮5厘米,B园最高的向日葵比平均高7厘米。
哪一组向日葵的种群方差更大?