统计学基础——方差、协方差、标准差（标准偏差/均方差）、标准误、均方误差、均方根误差(标准误差)的区别

方差（Variance)概率论离散型随机变量的数学期望：，其中，是变量发生的概率。连续型随机变量的数学期望：，其中，f(x)是概率密度。方差值：，证明过程：假设：，则,则统计学总体方差，也叫做有偏估计，其实就是我们从初高中就学到的那个标准定义的方差：，其中，为总体的均值，为总体的标准差，为总体的样本数。样本方...

文章共3,915字 · 阅读需要大约14分钟

一键AI生成摘要，助你高效阅读

问答

xia ge tou lia

40169人浏览 · 2019-12-15 12:05:17

xia ge tou lia · 2019-12-15 12:05:17 发布

方差（Variance)

概率论

离散型随机变量的数学期望： $E(X)=\sum_{i=1}^{n}x_{i}\cdot p_{i}$ ，其中， $p_{i}$ 是变量 $x_{i}$ 发生的概率。

连续型随机变量的数学期望： $E(X)=\int_{+\infty }^{-\infty }xf(x)dx$ ，其中，f(x)是概率密度。

方差值： $D(X)=Var(X)=E[X-E(X)]^{2}=E(X)^{2}-[E(X)]^{2}$ ，证明过程：

假设： $X=x_{1},x_{2},...,x_{n}$ ，则 $E(X)=x_{1}+x_{2}+...+x_{n}$ ,则

$\begin{align} \ D(X)& = \ Var(X)=E[X-E(X)]^{2} \\ & = \ \frac{[x_{1}-E(X)]^{2}+x_{2}-E(X)]^{2}+...+x_{n}-E(X)]^{2}}{n} \\ &= \ \frac{x{_{1}}^{2}+x{_{2}}^{2}+...+x{_{n}^{2}+n[E(X)}]^{2}-2(x_{1}+x_{2}+...+x_{n})E(X)}{n} \\ &= \ \frac{x{_{1}}^{2}+x{_{2}}^{2}+...+x{_{n}}^{2}}{n} +[E(X)]^{2}-2[E(X)]^{2} \\ &= \ \ E(X^{2})-[E(X)]^{2} \end{align}$

统计学

总体方差，也叫做有偏估计，其实就是我们从初高中就学到的那个标准定义的方差：

$\sigma ^{2}=\frac{\sum_{i=1}^{N}(X_{i}-\mu)^{2}}{N}$ ，其中， $\mu$ 为总体的均值， $\sigma$ 为总体的标准差， $N$ 为总体的样本数。

样本方差，无偏方差，在实际情况中，总体均值 $\bar{X}$ 是很难得到的，往往通过抽样来计算，于是有样本方差，计算公式如下：

$S^{2}=\frac{\sum_{i=1}^{n}(X_{i}-\overline{X})^{2}}{n-1}$ 或者 $S^{2}=\frac{\sum X^{2}-(\sum X)^{2}/n}{n-1}$ ，其中， $\overline{X}$ 为样本的均值， $S$ 为样本的标准差， $n$ 为样本的个数。

此处，为什么要将分母由n变成n-1，主要是为了实现无偏估计减小误差，具体原理及推导公式可上网查阅，资料很多。

协方差（Covariance）

协方差在概率论和统计学中用于衡量两个变量的总体误差。而方差是协方差的一种特殊情况，即当两个变量是相同的情况。协方差表示的是两个变量的总体的误差，这与只表示一个变量误差的方差不同。如果两个变量的变化趋势一致，也就是说如果其中一个大于自身的期望值，另外一个也大于自身的期望值，那么两个变量之间的协方差就是正值。如果两个变量的变化趋势相反，即其中一个大于自身的期望值，另外一个却小于自身的期望值，那么两个变量之间的协方差就是负值。

$\begin{align} \ Cov(X,Y) &= \ \frac{\sum_{i=1}^{n}(X_{i}-\overline{X})(Y_{i}-\overline{Y})}{n-1} \\ &= \ \ E[(X-E[X])(Y-E[Y])]\\ &= \ \ E(XY)-E(X)E(Y) \end{align}$

其中， $E(X)$ 与 $E(Y)$ 分别为两个实数随机变量 $X$ 与 $Y$ 的数学期望， $Cov(X,Y)$ 为 $X$ ， $Y$ 的协方差。

标准差（Standard Deviation)

标准差也被称为标准偏差,在中文环境中又常称均方差，是数据偏离均值的平方和平均后的方根，用σ表示。标准差是方差的算术平方根。标准差能反映一个数据集的离散程度，只是由于方差出现了平方项造成量纲的倍数变化，无法直观反映出偏离程度，于是出现了标准差，标准偏差越小，这些值偏离平均值就越少，反之亦然。

总体方差

$\sigma=\sqrt{\frac{\sum_{i=1}^{N}(X_{i}-\mu)^{2}}{N}}$ ，其中， $\mu$ 为总体的均值， $\sigma$ 为总体的标准差， $N$ 为总体的样本数。

样本方差

$S=\sqrt{\frac{\sum_{i=1}^{n}(X_{i}-\overline{X})^{2}}{n-1}}$ ，其中， $\overline{X}$ 为样本的均值， $S$ 为样本的标准差， $n$ 为样本的个数。

标准误（Standard error of mean,SEM或SE)

样本均值的标准误

由固然存在的个体变异和抽样造成的不同样本均数之间的差异、样本均数与总体均数之间的差异称为均数的抽样误差（也称标准误），用于反映我们用样本均数估计总体均数有多大的误差。

若随机变量 $X$ 均数为 $\mu$ ，方差为 $\sigma ^{2}$ ，则样本均数的标准差（标准误）为： $\sigma _{\overline{X}}=\sigma /\sqrt{n}$ 。又根据正态分布原理，若随机变量 $X\sim N(\mu ,\sigma ^{2})$ ，则样本均数 $\overline{X}\sim N(\mu ,\sigma_{\overline{X}} ^{2})$ 。

实际应用中，总体标准差 $\sigma$ 通常未知，需要用样本标准差 $S$ 来估计标准误。此时，均数标准误的估计值为： $S _{\overline{X}}=S /\sqrt{n}$

标准误的大小与原变量的标准差成正比，与样本含量的平方根成反比，因此，实际应用中可通过增加样本含量来减少均数的标准误，从而降低抽样误差。

例：2000年某研究所随机调查某地健康成年男子27人，得到血红蛋白的均数为125g/L，标准差为15g/L。试估计该样均数的抽样误差。

$S_{\overline{X}}=S/\sqrt{n}=15/\sqrt{27}=2.89g/L$

注意：标准差描述的是度量值的变化，在此题中，标准差为15g/L，标准误描述的是估计值的变化，在此题中，标准误为2.89g/L，随着样本量n的增加，标准误是会减小的，但是标准差是不变的。

样本频率的标准误

从同一总体中随机抽出观察单位相等的多个样本，样本率与总体率及各样本率之间都存在差异，称为频率的抽样误差。表示样本频率抽样误差大小的指标即为频率的标准误。

根据二项分布原理，若随机变量 $X\sim B(n ,\pi )$ ，则样本频率 $p=X/n$ 的总体概率为 $\pi$ ，标准误为 $\sigma_{p}=\sqrt{\frac{\pi (1-\pi )}{n}}$ 。

频率的标准误愈小，用样本频率估计总体概率的可靠性愈好；反之，用样本频率估计总体概率的可靠性愈差。

实际应用中，总体概率 $\pi$ 通常未知，需要用样本频率 $P=X/n$ 来近似的代替。得到频率标准误的估计值为：

$S _{p}=\sqrt{\frac{P(1-P)}{n-1}}\approx \sqrt{\frac{P(1-P)}{n }}$

频率的标准误与样本含量 $n$ 的平方根成反比，因此，增加样本含量可以减少样本频率的抽样误差（标准误）。

例：某市随机调查了50岁以上的中老年妇女776人，其中患有骨质酥松症者322人，患病率为41.5%，试计算该样本频率的抽样误差。

$S_{P}=\sqrt{\frac{P(1-P)}{n}}=\sqrt{\frac{0.415(1-0.415)}{776}}=1.77\%$

总体标准误的估计值较小，说明用样本患病率41.5%来估计患病率的可靠性较好。

均方误差（mean-square error, MSE）

均方误差是反映估计量与被估计量之间差异程度的一种度量，换句话说，参数估计值与参数真值之差的平方的期望值。MSE可以评价数据的变化程度，MSE的值越小，说明预测模型描述实验数据具有更好的精确度。

$MSE=\frac{1}{N}\sum_{t=1}^{N}(observed_{t}-predicted_{t})^{2}$ ,其中 $predicted_{t}$ 表示估计量， $observed_{t}$ 表示被估计量。

均方根误差（root mean squared error，RMSE）

均方根误差亦称标准误差，是均方误差的算术平方根。换句话说，是观测值与真值(或模拟值)偏差(而不是观测值与其平均值之间的偏差)的平方与观测次数n比值的平方根，在实际测量中，观测次数n总是有限的，真值只能用最可信赖（最佳）值来代替。标准误差对一组测量中的特大或特小误差反映非常敏感，所以，标准误差能够很好地反映出测量的精密度。这正是标准误差在工程测量中广泛被采用的原因。因此，标准差是用来衡量一组数自身的离散程度，而均方根误差是用来衡量观测值同真值之间的偏差。 $RMSE=\sqrt{\frac{1}{N}\sum_{t=1}^{N}(observed_{t}-predicted_{t})^{2}}$

GitCode 开源社区

旨在为数千万中国开发者提供一个无缝且高效的云端环境，以支持学习、使用和贡献开源项目。

更多推荐

【目标检测】目标检测的一些常用神经网络模型及方法

我的阶段性总结????文章目录1.概述1.2 目标检测的任务1.3 目标检测的分类2.R-CNN系列2.1 [R-CNN（Region with CNN features）](https://arxiv.org/pdf/1311.2524.pdf)2.2 [Fast R-CNN](https://www.cv-foundation.org/openaccess/content_iccv_2015/