概率分布方差计算器

概率分布方差计算器

增长中 AI Skill PRO

输入计算

数学公式

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}
使用统计

广告

结果

方差 Var(X)
0.49
分布的 σ²
均值 μ 2.1
E[X²] 4.9
标准差 σ 0.7
Σ pᵢ(应等于 1) 1

报告本页错误

这个计算器有什么用

本工具根据离散随机变量的概率分布,计算它的方差和标准差。你只需填入每一个可能的取值(\(x_i\))以及该取值出现的概率(\(p_i\)),计算器就会给出方差 \(\text{Var}(X)\)、均值 \(\mu\)、\(X^2\) 的期望值,以及标准差 \(\sigma\)。方差用来衡量各个取值围绕均值的离散程度——方差越小,说明取值越集中在平均值附近;方差越大,则说明取值分布得越分散。

使用方法

在第一个输入框中以英文逗号分隔填写所有取值(例如 1, 2, 3)。在第二个输入框中按相同顺序填入对应的概率(例如 0.2, 0.5, 0.3)。所有概率之和应等于 1,计算器会显示 \(\sum p_i\) 方便你核对。点击计算,即可看到方差及其他相关统计量。

公式说明

方差采用便于计算的简化公式:

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

其中 \(\sum p_i x_i\) 就是均值 \(\mu = E[X]\),而 \(\sum p_i x_i^{2}\) 即 \(E[X^2]\)。用 \(E[X^2]\) 减去均值的平方,就得到方差。这与定义式 \(\text{Var}(X) = \sum p_i(x_i - \mu)^2\) 在代数上完全等价,但只需遍历一次数据即可算出,更加方便。标准差则为 \(\sigma = \sqrt{\text{Var}(X)}\)。

广告
带均值线和离散箭头的离散概率分布柱状图
方差衡量结果围绕分布均值的离散程度。

实例演算

设 X 取值为 1、2、3,对应概率分别为 0.2、0.5、0.3。均值 $$\mu = 1(0.2) + 2(0.5) + 3(0.3) = 0.2 + 1.0 + 0.9 = 2.1.$$ $$E[X^2] = 1(0.2) + 4(0.5) + 9(0.3) = 0.2 + 2.0 + 2.7 = 4.9.$$ 因此 $$\text{Var}(X) = 4.9 - 2.1^2 = 4.9 - 4.41 = 0.49,$$ 标准差 \(\sigma = \sqrt{0.49} = 0.7\)。

将结果和概率映射到方差公式所用加权平方值的表格
每个结果向方差公式的两个求和分别贡献 \(p_i x_i\) 和 \(p_i x_i^{2}\)。

更多计算示例

示例 1:一颗均匀的六面骰子

结果为 \(x = 1, 2, 3, 4, 5, 6\),每个结果的概率均为 \(p_i = \frac{1}{6}\)。

  1. 均值:\(E[X] = \sum p_i x_i = \frac{1}{6}(1+2+3+4+5+6) = \frac{21}{6} = 3.5\)。
  2. 二阶矩:\(E[X^2] = \sum p_i x_i^2 = \frac{1}{6}(1+4+9+16+25+36) = \frac{91}{6} \approx 15.1667\)。
  3. 方差:\(\sigma^2 = E[X^2] - (E[X])^2 = \frac{91}{6} - 3.5^2 = 15.1667 - 12.25 \approx 2.9167\)(精确值为 \(\frac{35}{12}\))。
  4. 标准差:\(\sigma = \sqrt{2.9167} \approx 1.7078\)。

示例 2:有亏损和盈利的博弈收益

某博弈的收益为 \(x = -10, 0, 20\)(单位:美元),对应概率为 \(p = 0.5, 0.3, 0.2\)。概率之和为 1。

  1. 均值:\(E[X] = 0.5(-10) + 0.3(0) + 0.2(20) = -5 + 0 + 4 = -1\)。
  2. 二阶矩:\(E[X^2] = 0.5(100) + 0.3(0) + 0.2(400) = 50 + 0 + 80 = 130\)。
  3. 方差:\(\sigma^2 = 130 - (-1)^2 = 130 - 1 = \) 129。
  4. 标准差:\(\sigma = \sqrt{129} \approx 11.36\) 美元。

注意,最后一步中均值是被平方的,因此即使均值为负,减去的项仍为正。

比较具有相同均值的分布

下面三个分布的均值都是 2,但它们的离散程度不同。方差能够反映这种差异,而仅靠均值无法做到。

分布 均值 E[X] E[X²] 方差 标准差
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

第三个分布的结果与均值的距离是第二个分布的两倍,因此其方差是第二个的四倍(2 对 0.5),标准差是第二个的两倍。

广告

方差与标准差的解读

  • 方差为 0:结果是常数(退化分布);所有概率都集中在一个值上,且该值等于均值。
  • σ 越大,离散程度越大:结果往往会更远离均值 E[X]。
  • 单位:若 X 以美元计量,则方差的单位是美元的平方,而标准差 \(\sigma = \sqrt{\sigma^2}\) 与 X 的单位相同(美元),因此更便于理解。
  • 线性变换:\(\mathrm{Var}(aX + b) = a^2\,\mathrm{Var}(X)\)。加上常数 b 只会平移分布,不改变其离散程度;乘以 a 会使标准差按 \(|a|\) 缩放。
  • 独立变量之和:若 X 与 Y 相互独立,则 \(\mathrm{Var}(X + Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\),同时 \(\mathrm{Var}(X - Y) = \mathrm{Var}(X) + \mathrm{Var}(Y)\)。标准差不能直接相加。
  • 对极端值敏感:由于偏差是被平方的,即使一个极端结果的概率很小,它也可能显著提高方差。

方差永远不为负。如果你的计算得到负值,请检查概率之和是否为 1,以及每个 pᵢ 是否介于 0 和 1 之间。

常见问题

所有概率必须加起来等于 1 吗?是的,这是有效概率分布的基本要求。计算器会显示 \(\sum p_i\) 供你确认。如果它不等于 1,计算结果就会不准确。

方差和标准差有什么区别?方差的单位是原变量单位的平方;标准差是方差的平方根,单位与 X 相同,因此更便于直观理解。

方差会是负数吗?不会。从数学上讲方差恒大于等于 0。如果算出负值,说明你输入的概率有误。

最后更新:

数学和统计热门计算器

查看全部数学和统计计算器