方差、标准差、均方差、均方误差、均方根误差、标准误差
发布时间
阅读量：
阅读量
方差（variance）在统计描述和概率分布中有不同的定义。
1 统计描述中的方差
在统计描述中，方差代表每个变量与总体均值的差异，也就是离散程度。
总体方差 ：
其中 \sigma^2是总体方差， X_i是变量， \mu是变量实际的均值，N是实例总数。
说明
其中 S^2 代表样本方差，并且 \overline X 表示采集的样本均值。需要注意的是，在计算过程中我们采用的是n-1作为分母的原因见上文链接
2 概率分布中的方差
在概率分布中，在统计学领域里把随机变量的期望值称为数学期望E(X)（Mean or Expected Value），它反映了该随机变量平均取值大小的重要指标。对于离散型随机变量X而言，在其概率分布表中可观察到各个可能取值及其对应的概率分配情况；而在概率分布图中可以直观地呈现离散型随机变量X的概率质量函数的具体数值；因此，在计算过程中需逐一乘积后再累加得到最终结果
其中 p_i是变量， x_i发生的概率
连续型随机变量的数学期望：
其中f(x)是概率密度。
所以，概率分布中的方差为
3 标准差、均方差
标准偏差(Standard Deviation)与均方根差是等价的概念，在统计学中被定义为方差的算术平方根，并用符号\sigma(X)表示。
4 均方误差、均方根误差
均方误差（Mean Squared Error, MSE）是一种用于评估实际值与预测值之间差距幅度的简便方法。
均方根误差(RMSE)，即Root Mean Squared Error的缩写形式，在统计学中被定义为均方误差的算术平方根。它也被认为是评估模型预测精度的重要指标之一，并被称为标准误差(Standard Error)
全部评论 (0)
还没有任何评论哟~