機率分布變異數計算機

機率分布變異數計算機

成長中 AI Skill PRO

輸入計算

數學公式

σ2=∑pixi2−μ2其中{μ=∑pixi∑pixi2=∑pixi2\begin{gathered} \sigma^{2} = \sum p_i x_i^{2} - \mu^{2} \\[1.5em] \text{其中}\quad \left\{ \begin{aligned} \mu &= \sum {p_i}\,{x_i} \\ \sum p_i x_i^{2} &= \sum {p_i}\,{x_i}^{2} \end{aligned} \right. \end{gathered}
使用統計

廣告

結果

變異數 Var(X)
0.49
分布的 σ²
平均數 μ 2.1
E[X²] 4.9
標準差 σ 0.7
Σ pᵢ(應為 1) 1

回報本頁錯誤

這個計算機能做什麼

本工具可從離散隨機變數的機率分布,計算出它的變異數與標準差。你只要輸入每一個可能的結果值(\(x_i\))以及該結果發生的機率(\(p_i\)),計算機就會回傳變異數 \(\text{Var}(X)\)、平均數 \(\mu\)、X² 的期望值,以及標準差 \(\sigma\)。變異數用來衡量各結果值圍繞平均數分散的程度——變異數小代表結果都集中在平均值附近,變異數大則表示資料分布得相當零散。

使用方式

在第一個欄位中以逗號分隔輸入各結果值(例如 1, 2, 3),再於第二個欄位以相同順序填入對應的機率(例如 0.2, 0.5, 0.3)。所有機率加總應等於 1;計算機會顯示 \(\sum p_i\) 讓你核對是否正確。按下計算,即可看到變異數與相關統計量。

公式說明

變異數採用方便運算的計算式:

$$\text{Var}(X) = \sum p_i x_i^{2} - \left(\sum p_i x_i\right)^{2}$$

其中 \(\sum p_i x_i\) 就是平均數 \(\mu = E[X]\),而 \(\sum p_i x_i^{2}\) 即為 \(E[X^{2}]\)。把平均數的平方從 \(E[X^{2}]\) 中減去,便得到變異數。這在代數上與定義式 \(\text{Var}(X) = \sum p_i (x_i - \mu)^{2}\) 完全相同,但只需掃描一次資料就能算出,更為簡便。標準差則直接為 \(\sigma = \sqrt{\text{Var}(X)}\)。

廣告
帶平均線和離散箭頭的離散機率分布長條圖
變異數衡量結果圍繞分布平均值的離散程度。

範例演算

假設 X 可能取值 1、2、3,對應機率為 0.2、0.5、0.3。平均數 \(\mu = 1(0.2) + 2(0.5) + 3(0.3) = 0.2 + 1.0 + 0.9 = 2.1\)。\(E[X^{2}] = 1(0.2) + 4(0.5) + 9(0.3) = 0.2 + 2.0 + 2.7 = 4.9\)。因此 $$\text{Var}(X) = 4.9 - 2.1^{2} = 4.9 - 4.41 = 0.49$$ 標準差 \(\sigma = \sqrt{0.49} = 0.7\)。

將結果與機率對應到變異數公式所用加權平方值的表格
每個結果向變異數公式的兩個總和分別貢獻 \(p_i x_i\) 和 \(p_i x_i^{2}\)。

更多計算範例

範例 1:公平六面骰子

結果為 \(x = 1, 2, 3, 4, 5, 6\),每個結果的機率為 \(p_i = \frac{1}{6}\)。

  1. 平均數:\(E[X] = \sum p_i x_i = \frac{1}{6}(1+2+3+4+5+6) = \frac{21}{6} = 3.5\)。
  2. 二階矩:\(E[X^2] = \sum p_i x_i^2 = \frac{1}{6}(1+4+9+16+25+36) = \frac{91}{6} \approx 15.1667\)。
  3. 變異數:\(\sigma^2 = E[X^2] - (E[X])^2 = \frac{91}{6} - 3.5^2 = 15.1667 - 12.25 \approx 2.9167\)(精確值為 \(\frac{35}{12}\))。
  4. 標準差:\(\sigma = \sqrt{2.9167} \approx 1.7078\)。

範例 2:有虧損與獲利的遊戲報酬

某遊戲的報酬為 \(x = -10, 0, 20\)(單位:美元),對應機率為 \(p = 0.5, 0.3, 0.2\)。機率總和為 1。

  1. 平均數:\(E[X] = 0.5(-10) + 0.3(0) + 0.2(20) = -5 + 0 + 4 = -1\)。
  2. 二階矩:\(E[X^2] = 0.5(100) + 0.3(0) + 0.2(400) = 50 + 0 + 80 = 130\)。
  3. 變異數:\(\sigma^2 = 130 - (-1)^2 = 130 - 1 = \) 129。
  4. 標準差:\(\sigma = \sqrt{129} \approx 11.36\) 美元。

請注意,最後一步中平均數是平方後才相減,因此即使平均數為負,減去的項仍為正數。

比較具有相同平均數的分布

以下三個分布的平均數皆為 2,但離散程度不同。變異數能反映這種差異,而平均數本身無法做到。

分布 平均數 E[X] E[X²] 變異數 標準差
x = 2,p = 1 2 4 0 0
x = 1, 2, 3,p = 0.25, 0.5, 0.25 2 0.25 + 2 + 2.25 = 4.5 4.5 − 4 = 0.5 ≈ 0.7071
x = 0, 2, 4,p = 0.25, 0.5, 0.25 2 0 + 2 + 4 = 6 6 − 4 = 2 ≈ 1.4142

第三個分布的結果與平均數的距離是第二個分布的兩倍,因此其變異數為第二個的四倍(2 對 0.5),標準差則為兩倍。

廣告

解讀變異數與標準差

  • 變異數為 0:結果為固定值(退化分布);所有機率都集中在同一個值上,該值等於平均數。
  • σ 越大,離散範圍越廣:結果傾向於遠離平均數 E[X]。
  • 單位:若 X 以美元計量,變異數的單位為美元平方,而標準差 \(\sigma = \sqrt{\sigma^2}\) 與 X 的單位相同(美元),因此較容易解讀。
  • 線性變換:\(\mathrm{Var}(aX + b) = a^2\,\mathrm{Var}(X)\)。加上常數 b 會使分布平移,但不改變其離散程度;乘以 a 則會使標準差縮放 \(|a|\) 倍。
  • 獨立變數之和:若 X 與 Y 獨立,則 \(\mathrm{Var}(X + Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\),且 \(\mathrm{Var}(X - Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\)。標準差不能直接相加。
  • 對極端值敏感:由於偏差是經過平方的,即使罕見極端結果的機率很小,仍可能大幅提高變異數。

變異數永遠不會是負數。若你的計算得到負值,請檢查機率總和是否為 1,以及每個 pᵢ 是否介於 0 與 1 之間。

常見問題

機率一定要加總為 1 嗎?是的,這樣才是有效的機率分布。計算機會顯示 \(\sum p_i\) 供你確認;若不等於 1,計算結果就會失準。

變異數和標準差有什麼差別?變異數的單位是原始單位的平方;標準差則是它的平方根,單位與 X 相同,因此更容易解讀。

變異數可能是負數嗎?不會。在數學上變異數恆 \(\geq 0\)。如果算出負值,代表你輸入的機率資料有誤。

最後更新:

數學和統計熱門計算器

查看全部數學和統計計算器