透過 MCP 連接 →

輸入計算

數學公式

廣告

結果

變異數 Var(X)
0.49
分布的 σ²
平均數 μ = Σ pᵢxᵢ 2.1
E[X²] = Σ pᵢxᵢ² 4.9
標準差 σ 0.7
Σ pᵢ(應為 1) 1

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 \(\sigma = \sqrt{\text{Var}(X)}\)。

Advertisement
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 \(p_i x_i^{2}\)。

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: