Wariancja

Wariancja to w statystyce klasyczna miara zmienności. Intuicyjnie utożsamiana ze zróżnicowaniem zbiorowości; jest średnią arytmetyczną kwadratów odchyleń (różnic) poszczególnych wartości cechy od wartości oczekiwanej.

Wariancja zmiennej losowej $X$, oznaczana jako $\operatorname{Var}[X]$ lub $D^2 (X)$, zdefiniowana jest wzorem:

$\operatorname{Var}[X]=E[(X-\mu)^2]$,

gdzie:

$E[\dots ]$ jest wartością oczekiwaną zmiennej losowej podanej w nawiasach kwadratowych,

$\mu\;$ jest wartością oczekiwaną zmiennej $X\;$.

Innym, często prostszym sposobem wyznaczania wariancji jest wzór:

$D^2(X)=E(X^2)-[E(X)]^2\;$.

Wariancja jest momentem centralnym drugiego rzędu zmiennej losowej.

Jeżeli ponadto $\mathbb EX^2 \leq \infty$ oraz $\mathcal G$ jest σ-ciałem zdarzeń, to wariancją warunkową nazywamy:

$Var(X|\mathcal G) := \mathbb E\Big (\big ( X - \mathcal E(X|\mathcal G)\big )^2\Big | \ \mathcal G \Big )$

Estymatory

Wariancję dla szeregu szczegółowego wyznacza się ze wzoru:

$s^2 = \frac{1}{n} \sum_{i=1}^n ( x_i - m )^2$

a dla szeregu rozdzielczego:

$s^2 = \frac{1}{n} \sum_{i=1}^k n_i \cdot ( x_i - m )^2$

Wariancja próby losowej o wartościach $x_i$, gdzie $i=1,2,3,...$, jest następująca:

$\sigma^2 = \lim_{n \to \infty} \frac{1}{n} \sum_{i=1}^n \left( x_i - \overline{x} \right) ^ 2.$

Wariancję dla populacji można estymować za pomocą n-elementowej próby losowej. Estymator największej wiarygodności:

$s^2 = \frac{1}{n} \sum_{i=1}^n \left( x_i - \overline{x} \right) ^ 2$

jest zgodnym lecz obciążonym estymatorem wariancji (jest nieobciążony asymptotycznie). Innymi słowy, gdybyśmy z populacji losowali próbkę wielokrotnie i obliczali jego wyniki, to ich średnia nie byłaby równa wariancji w całej populacji. Dlatego też częściej używa się również zgodnego, lecz nieobciążonego estymatora:

$s^2 = \frac{1}{n-1} \sum_{i=1}^n \left( x_i - \overline{x} \right) ^ 2.$

W przypadku, gdy znamy dokładną wartość oczekiwaną $\mu$ w populacji, wówczas estymator

$s^2 = \frac{1}{n} \sum_{i=1}^n \left( x_i - \mu \right) ^ 2$

jest już nieobciążony i zgodny.

Własności wariancji

Dla zmiennych losowych $X$ , $Y$ i dowolnych stałych a, b, c zachodzą następujące własności:

$1.\ D^2(c) = 0\;$

Dowód. Korzystając z własności wartości oczekiwanej (wartość oczekiwana stałej jest równa tej stałej), mamy:

$D^2(c) = E[(c-Ec)^2] = E[0^2] = E[0] = 0$

$2.\ D^2(X) \geq 0\;$

Dowód. Korzystamy z własności wartości oczekiwanej mówiącej o tym, że jeżeli zmienna losowa jest dodatnio określona prawie wszędzie to jej wartość oczekiwana jest dodatnia. Ponieważ zmienna losowa $(X-EX)^2$ jest dodatnio określona, mamy:

$D^2(X) = E[(X-EX)^2] \geq 0$

$3.\ D^2(a \cdot X) = a^2 \cdot D^2(X)$

Dowód. Korzystając z definicji wariancji, a następnie z liniowości wartości oczekiwanej mamy:

$D^2(a \cdot X)=E[(aX-E(aX))^2]= E[(aX-aEX)^2]=E[(a(X-EX))^2]=E[a^2(X-EX)^2] = a^2E[(X-EX)^2]=a^2\cdot D^2(X)$

$4.\ D^2(X+b) = D^2(X)\;$

Dowód. Korzystamy z własności wartości oczekiwanej mówiącej o tym, że $Ec=c$ dla $c$ stałej i z liniowości:

$D^2(X+b)=E[(X+b-E(X+b))^2]=E[(X+b-EX-Eb)^2]=E[(X+b-EX-b)^2]=E[(X-EX)^2]=D^2(X)$

$5.\ D^2(X \pm Y) = D^2(X) + D^2(Y) \pm 2\operatorname{Cov}(X,Y)$ w ogólnym przypadku; (gdzie $\operatorname{Cov}(X,Y)$ to kowariancja)

Dowód. Sprawdzone zostanie tylko twierdzenie dla sumy, twierdzenie dla różnicy rozwiązuje się analogicznie. Czyli mamy:

$D^2(X+Y)= E[(X+Y-E(X+Y))^2]=E[(X+Y-EX-EY)^2]=E[((X-EX)+(Y-EY))^2]=$

$=E[(X-EX)^2+2(X-EX)(Y-EY)+(Y-EY)^2]=...$

Korzystając z liniowości wartości oczekiwanej i definicji kowariancji, mamy:

$...=E[(X-EX)^2]+2E[(X-EX)(Y-EY)]+E[(Y-EY)^2]=D^2(X)+D^2(Y)+2\operatorname{Cov}(X,Y)$

Z powyższego twierdzenia łatwo wysnuć wniosek, że jeżeli zmienne $X$ i $Y$ są niezależne liniowo, zachodzi:

$D^2(X \pm Y) = D^2(X) + D^2(Y)$

Pierwiastek kwadratowy z wariancji definiujemy jako odchylenie standardowe.

Pierwiastek z estymatora nieobciążonego wariancji jest często używany jako estymator odchylenia standardowego, jednak jest wówczas obciążony (zobacz odchylenie standardowe).

Zobacz też

• kowariancja
• przegląd zagadnień z zakresu statystyki

Bibliografia

• W. Krysicki, J. Bartos, W. Dyczka, K. Królikowska, M. Wasilewski: Rachunek prawdopodobieństwa i statystyka matematyczna w zadaniach, część 2. Statystyka matematyczna. Warszawa: PWN, 2006, s. 48. ISBN 83-01-14292-8.
• Jacek Jakubowski, Rafał Sztencel: Wstęp do teorii prawdopodobieństwa. Warszawa: Script, 2004, s. 84. ISBN 83-89716-01-1.