평균, 편차, 분산, 표준편차

Bryant·2026년 3월 24일
  1. 평균, 편차, 분산, 표준편차
    1) 평균

E(X)=1ni=1nxiE(X) = \frac{1}{n} \sum_{i=1}^{n} x_i

2) 편차

편차=xiμ\text{편차} = x_i - \mu

편차의 합은 항상 0이다.
3) 분산

Var(X)=E[(Xμ)2]=1ni=1n(xiμ)2\mathrm{Var}(X) = E[(X - \mu)^2] = \frac{1}{n} \sum_{i=1}^{n} (x_i - \mu)^2

분산의 다른 표현

Var(X)=E(X2)(E(X))2\mathrm{Var}(X) = E(X^2) - (E(X))^2

증명

Var(X)=1ni=1n(xiμ)2\mathrm{Var}(X) = \frac{1}{n} \sum_{i=1}^{n} (x_i - \mu)^2

=1ni=1n(xi22μxi+μ2)= \frac{1}{n} \sum_{i=1}^{n} (x_i^2 - 2\mu x_i + \mu^2)

=1nxi22μnxi+μ2= \frac{1}{n} \sum x_i^2 - \frac{2\mu}{n} \sum x_i + \mu^2

=E(X2)2μE(X)+μ2= E(X^2) - 2\mu E(X) + \mu^2

=E(X2)μ2= E(X^2) - \mu^2

=E(X2)(E(X))2= E(X^2) - (E(X))^2

4) 표준편차

σ(X)=Var(X)\sigma(X) = \sqrt{\mathrm{Var}(X)}

profile
Data analysis, statistics

0개의 댓글