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 arytmetycznakwadratówodchyleń (różnic) poszczególnych wartości cechy od średniej[2]. Jest jedną z najpopularniejszych miar służącą do opisu zbioru danych[3.1].
– 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.
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:
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).
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.