Internetowa Encyklopedia „Wiki”

Wariancja


Wariancja – miara zmienności zmiennej losowej będąca wartością oczekiwaną kwadratu różnicy wartości zmiennej losowej i jej wartości oczekiwanej[1]. W statystyce opisowej obliczana jest jako średnia arytmetyczna kwadratów odchyleń (różnic) poszczególnych wartości cechy od średniej[2]. Jest jedną z najpopularniejszych miar służącą do opisu zbioru danych[3.1].

Pierwiastek kwadratowy z wariancji definiuje odchylenie standardowe.

Definicja

Wariancja zmiennej losowej oznaczana jako lub zdefiniowana jest wzorem[1]:

gdzie:

  • – wartościć oczekiwana zmiennej losowej ,
  • – wartość oczekiwana zmiennej losowej .

Z powyższej definicji wynika wzór:

Wariancja jest momentem centralnym drugiego rzędu zmiennej losowej.

Jeżeli ponadto oraz jest σ-ciałem zdarzeń, to wariancją warunkową nazywamy:

Wariancja wyrażona jest w jednostkach miary badanej cechy podniesionych do kwadratu[3.2].

Statystyka opisowa

Wariancja zdefiniowana jest dla zbioru obserwacji z cechą wzorem[2]:

gdzie:

  • – średnia wartość cechy,
  • – liczebność zbioru.

Dane pogrupowane

W przypadku obliczania wariancji dla danych pogrupowanych w postaci szereg rozdzielczego punktowego, wariancję oblicza się ze wzorów[3.3]:

gdzie:

  • – liczba klas szeregu punktowego,
  • – liczebność i-tej klasy,
  • – liczebność całej zbiorowości (odpowiednik we wzorze powyżej).

W przypadku szeregu rozdzielczego przedziałowego za wartość przyjmuje się środki poszczególnych przedziałów [3.4]:

Ze względu na przyjęcie jako reprezentacji przedziałów wartości środkowych wariancja liczona według powyższego wzoru jest przybliżeniem wariancji dla danych kompletnych[3.5].

Estymatory

(1) Wariancję próby losowej o wartościach oblicza się ze wzoru:

(2) Wariancję dla populacji można estymować za pomocą n-elementowej próby losowej.

a) Estymator największej wiarygodności:

jest zgodnym, lecz obciążonym estymatorem wariancji (estymator ten jest jednak nieobciążony asymptotycznie). Obciążenie oznacza, że gdybyśmy z populacji losowali próbkę wielokrotnie i obliczali wariancje według powyższego wzoru, to ich średnia nie byłaby równa wariancji w populacji.

b) Estymator zgodny i nieobciążony (z poprawką Bessela tj. po zastąpieniu przez liczbę stopni swobody ), częściej wykorzystywany w praktyce:

(3) Gdy znamy dokładną wartość oczekiwaną w populacji, to istnieje estymator nieobciążony i zgodny:

Własności wariancji

Dla zmiennych losowych i dowolnych stałych zachodzą następujące własności:

1.

Dowód. Korzystając z własności wartości oczekiwanej (wartość oczekiwana stałej jest równa tej stałej), mamy:

2.

Dowód. Korzystamy z własności wartości oczekiwanej mówiącej o tym, że jeżeli zmienna losowa jest dodatnio określona prawie wszędzie to jej wartość oczekiwana jest dodatnia. Ponieważ zmienna losowa jest dodatnio określona, mamy:

3.

Dowód. Korzystając z definicji wariancji, a następnie z liniowości wartości oczekiwanej mamy:

4.

Dowód. Korzystamy z własności wartości oczekiwanej mówiącej o tym, że dla stałej i z liniowości:

5. w ogólnym przypadku; (gdzie to kowariancja)

Dowód. Sprawdzone zostanie tylko twierdzenie dla sumy, twierdzenie dla różnicy rozwiązuje się analogicznie. Czyli mamy:

Korzystając z liniowości wartości oczekiwanej i definicji kowariancji, mamy:

Z powyższego twierdzenia wynika, że jeżeli zmienne i są niezależne, to:

Pierwiastek z estymatora nieobciążonego wariancji jest często używany jako estymator odchylenia standardowego, jednak jest wówczas obciążony (zobacz odchylenie standardowe).

Zobacz też

Przypisy

  1. ↑ a b Wariancja, [w:] Encyklopedia PWN [online], Wydawnictwo Naukowe PWN [dostęp 2023-03-25].
  2. ↑ a b Mirosław Krzysztofiak, Andrzej Luszniewicz, Statystyka, Warszawa: Państwowe Wydawnictwo Ekonomiczne, 1976, s. 131.
  3. ↑ Ewa Wasilewska, Statystyka opisowa od podstaw. Podręcznik z zadaniami, Warszawa: Wydawnictwo SGGW, 2009, ISBN 978-83-7583-172-6.
    1. ↑ S. 165–166.
    2. ↑ S. 163.
    3. ↑ S. 233–234.
    4. ↑ S. 239.
    5. ↑ S. 241.

Bibliografia

  • W. Krysicki, J. Bartos, W. Dyczka, K. Królikowska, M. Wasilewski: Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, część 2. Statystyka matematyczna. Warszawa: Wydawnictwo Naukowe PWN, 2006, s. 48. ISBN 83-01-14292-8.
  • Jacek Jakubowski, Rafał Sztencel: Wstęp do teorii prawdopodobieństwa. Warszawa: Script, 2004, s. 84. ISBN 83-89716-01-1.