Во теоријата на веројатност и статистиката, варијанса (или дисперзија) на случајна променлива, распределба на веројатноста или примерок е мерка на статистичката дисперзија (расејување), пресметувајќи ја средната вредност на квадрираното растојание на дадените вредности од очекуваните (средини). Бидејќи средината е начин за да се опише локацијата на дистрибуцијата, варијансата е начин за да се пресмета нејзиниот опсег или степен на ширење. Единицата на варијансата е квадрат од оригиналната променлива. Позитивниот квадратен корен од варијансата се нарекува стандардно отстапување.
Варијансата од реално-вредносна случајно избрана променлива е неговиот втор централен момент и често се случува да биде негова втора кумуланта. Како што некои распределби немаат средина, така некои немаат ни варијанса. Средината постои секогаш кога постои варијанса, но не и обратно.
Дефиниција Ако случајната променлива X има очекувана вредност (средина) μ = E(X), тогаш варијансата Var(X) од X е дадена со:
Оваа дефиниција ги опкружува случајните променливи, кои се дискретни, континуирани или ниту како првите ниту како вторите. Од сите точки за кои квадрираните отстапувања се пресметуваат, средината создава минимална вредност за средниот збир од квадрираните отстапувања.
Оваа дефиниција за случајната променлива X обично се запишува како Var(X), или едноставно σ2. Ако распределбата нема очекувана вредност, како во случајот со Кошиевата распределба, тогаш нема ни варијанса. Многу други распределби за ко очекуваната вредност постои немаат конечна варијанса, бидејќи нејзиниот интеграл дивергира. Пример е Паретовата распределба, чијшто Паретов индекс k го задоволува условот.
Непрекинат случај
Ако случајната променлива X е непрекината со густина на веројатноста p(x), тогаш:Philippe Jorion, Value at Risk: The New Benchmark for Controlling Market Risk. New York et al.: McGraw-Hill, 1997, стр. 71.
каде:
и каде интегралите се определени интеграли земен за x со опсег над опсегот на X.
Прекинат случај
IАко случајната променлива X е прекината со функцијата на веројатноста x1 ↦ p1, ..., xn ↦ pn,
(Кога прекинатата немерлива варијанса е специфична со немерливост, чијшто збир не е 1, тогаш еден поделен со сумата на немерливоста.) Тоа е очекуваната вредност на квадратот на отстапувањето на X од неговата средина. Поедноставно кажано, оа може да биде изразено како „просекот на квадратот на растојанието на секој податок од средината“. Тоа е средното квадрирано отстапување.
Примери Експоненцијална распределба Експоненцијалната распределба со прамаетар λ е непрекината распределба, чија поддршка е полуотворениот интервал [0,∞). Неговата непрекината распределба на веројатноста е дадена со:
и има очекувана вредност μ = λ−1. Поради тоа варијансата е еднаква на:
За експоненцијалната распределба на случајна променлива σ2 = μ2.
Коцка Шестстраната коцка може да биде моделирана со прекинатата случајна променлива со исход од 1 до 6, од кои секој брј со еднаква веројатност да се падне 1/6. Очекуваната вредност е (1+2+3+4+5+6)/6 = 3.5. Поради тоа варијансата може да биде пресметана со:
Својства
Варијансата не може да биде негативна, бидејќи квадратот на некој број секогаш е позитивен или еднаков на нула. Варијансата од случајно избрана променлива е нула и варијансата од променлива во базатаа на податоци е 0, ако и само ако примероците имаат иста вредност.
Важни својства на варијансата кои го олеснуваат нејзиното пресметување се следниве:Joël Bessis, Risk Management in Banking (second edition). Chichetser, UK: John Wiley and Sons, 2002, стр. 86.
Var (X) = E(X2) - [E(X)]2
Var (aX) = (a2) × Var(X)
Варијансата е инваријанта во однос на промените во коефициентот на пораст. Ако некоја константа се додаде на сите вредности од променливата, тогаш варијансата не се менува. Ако сите вредности се помножат со иста константа, тогаш варијансата се множи со квадратот од таа константа. Овие две примени може да се изразат во следнава формула:
Варијансата од конечен збир на неповрзани случајни променливи е еднаков на збирот на нивните варијанси. Ова придонесува за идентитетот:
и дека за неповрзаните променливи коваријансата е нула.
Да претпоставиме дека набљудувањата може да се поделат во подгрупи според некои, втора варијанса. Тогаш варијансата од целата група е еднаква со средната вредност на варијансите на подгрупите плус варијансата од средните вредности на подгрупите. Оваа примена е позната како варијансна декомпозиција или закон за вкупна варијанса и има значајна улога во анализата на варијансата. На пример, да претпоставиме дека една група се состои од подгрупа од мажи еднаква со подгрупа на жени. Да претпоставиме дека мажите се високи по 180 и варијансата на висината е 100. Претпоставуваме дека жените се високи 160, а варијансата на нивната висина е 50. Тогаш средната варијаса изнесува (100 + 50) / 2 = 75; варијанса од средните вредности е варијанса од 180 и 160, што е еднакво на 100. Тогаш за вкупната група на мажи и жени, варијансата за висината е 75 + 100 = 175. Треба да се забележи и тоа дека за именител се употребува N наместо N - 1.
Во поважен случај, ако подгрупите имаат нееднаква големина, тогаш мора да бидат пропорционални на нивната големина во сшоредба со средната вредност и варијансите. Форм улата исто така може да се применува и во случај кога има повеќе од две групи, па дури и ако гропирањето на променливите е непрекинато.
Оваа формула покажува дека варијансата на вкупната група не може да биде помала од средната вредност на варијансите на подгрупите. И покрај тоа, се забележува дека,вкупната варијанса не е поголема од варијансите на подгрупите. Во горниот пример, кога подгрупите се анализирани одвоено, варијансата е под влијание само на разликите меѓу мажите и жените. Ако двеет групи се комбинирани, тогаш и разликите меѓу мажите и жените се вклучуваат во варијансата.
Многу формули за пресметка на варијансата се засноваат на следново равенство: Варијансата е еднаква на средната вредност на квадаратите минус квадратот од средината. На пример, ако се дадени броевите 1, 2, 3, 4, тогаш средината од квадратите е (1 × 1 + 2 × 2 + 3 × 3 + 4 × 4) / 4 = 7.5. Средната вредност е 2.5, па квадрат од средната вредност 6.25. Поради тоа tваријансата е 7.5 - 6.25 = 1.25, што всушност е истиот резултат добиен со претходно дефинираните формула. Многу дигитрони користат алгоритам, кој е заснован на оваа формула и овозможува да се пресмета варијансата додека податоците се запишани, без да се чуваат сите податоци во меморијата. Алгортамот служи за да се пресметаат само три променливи, кога е впишан ноовиот податок: Бројот на запишани податоци (n), збирот на вредностите (S) и збирот на квадрираните вредности (SS). На пример, ако податоците се 1, 2, 3, 4, тогаш по запишувањето на првата вредност, алгоритамот би дал n = 1, S = 1 и SS = 1. По запишувањето на втората вредност (2), би дал n = 2, S = 3 и SS = 5. Кога сите податоци би биле запишани, би се добило n = 4, S = 10 и SS = 30. Следно, среднаат вредност се пресметува како M = S / n и конечно варијансата е пресметана како SS / n - M × M. Во овој пример, таа изнесува 30 / 4 - 2.5 × 2.5 = 7.5 - 6.25 = 1.25. Ако се пресметува проценетата вредност, резултатот би бил помножен со n / (n - 1), што дава 1.667 во овој пример.
Главни својства Варијанса од збирот на коваријансни променливи (Биномна формула)
Причина за примена на варијансата пред другите мерки на дисперзија е тоа дека варијансата од збирот (или разликата) на коваријансни случајни променливи е збирот од нивните варијанси:
Ова тврдење е наречено Бинајмова формулаMichel Loeve, "Probability Theory", Graduate Texts in Mathematics, Volume 45, 4th edition, Springer-Verlaf, 1977, p. 12. и било откриено во 1853. Ова обуично се применува при посилни услови, кога променливите се независни, но коваријансно доволни. Па ако променливите имаат иста варијанса, σ2, тогаш, како што поделбата за n е линеарна трансформација, оваа формула веднаш влијае на тоа варијантата од нејзината средна вредност да е
Ова е намалување на варијансата од средната вредност со n. Ово податок се користи во дефинирањето на стандардната грешка од средната вредност, којашто се применува во теоремата за централно ограничување.
Варијанса од збир на коваријансни променливи
Главно, ако променливите се коваријансни, тогаш варијансата од нејзиниот збир е збирот од нејзините коваријанси:
(Забелешка: Ова по дефиниција ја вклучува варијансата на секоја променлива, штом Cov(X,X)=Var(X).)
Овде Cov iе коваријансата, којашто е нула за независните случајни променливи (ако такви постојат). Формулата тврди дека варијансата од збирот е еднаква од збирот на сите елементи во коваријансната матрица. Оваа формула се применува во теоријата за Кронбаховата алфа во класичната тест-теорија.
Па, ако променливите имаат еднаква варијанса, σ2 и просечната корелација на променливите одделно е ρ, тогаш варијансата од нивната средна вредност е
Ова покажува дека варијансата од средна вредност се зголемува со просекот од корелациите. Освен тоа, ако променливите имаат единечна варијанса, на пример ако се стандардизирани, тогаш ова се упростува во
Оваа формула се применува во Спирман-Брауновата теорија за предвидување formula во класичната тест-теорија. Ова конвергира до ρ ако n се стреми кон бесконечност, обезбедувајќи просечните корелации да ја надминат константата или конвергентноста исто така. За варијансата на средната вредност на стандардизираните променливи со еднакви корелации или конвергиррачки просечни корелации имаме
Поради тгоа, варијансата од средната вредност од поголем број на стандардизирани променливи е отприлика еднаков на нивната просечна корелација. Со ова станува појасно дека едноставната средна вредност на корелациските променливи, главно не конвергира до средната вредност на популацијата, дури и законот за големи броеви потврдува дека едноставната средна вредност ќе конвергира за независни променливи.
Варијанса од поголем збир на променливи
Примените 6 и 8, со примена на коваријансата: Cov(aX, bY) = ab Cov(X, Y) заеднички покажуват дека
Ова покажува дека во голем збир на променливи, најголемата променлива ќе биде диспропорционално поголема во варијансата на вкупната големина. На пример, ако X и Y се коваријансни и X е двапати поголемо од Y, тогаш големината на варијансата за X ќе биде 4 пати поголема од варијансата на Y.
Декомпозиција на варијанса
Главната формула за варијансната декомпозиција или законот за вкупната варијанса гласи: Ако X и Y се две случајни променливи и варијансата од X постои, тогаш
Овде, E(X|Y) е условно очекување на X дадено за Y и Var(X|Y) е условена варијанса за X дадена заY. (Поинтуитивно објаснување е тоа дека ако едадена вредноста за Y, тогаш X следува по распределба со средна вредност E(X|Y) и варијанса Var(X|Y). Горната формула кажува како да се најде варијансата Var(X) заснована на распределбата на овие две вредности, кога Y варира.)Ова формула има честа примена во анализата на варијансата, каде соодветната формула е
Таа, исто така се применува и во анализата на линеарна регресија, каде формулата е
Ова може да се добие и од дотатокот на варијансите (примена 8), кога вкупниот (набљудуваниот) износ е збир од предвидениот износ и износот на грешката, каде последните две се коваријансни.
Формула за пресметување на варијансата
Формулата за пресметување на варијансата следува во едноставна форма од линеарноста на очекуваните вредности и горнта дефиниција:
Ова често се применува за пресметување на варијансата во практиката иако е подлежно на губење на важност ако два составни дела од равенката се идентични по глемина.
Карактеристично својство