方差在概率统计中有很重要的作用:
2公式
方差
方差是实际值与
期望值之差
平方的期望值,而
标准差是方差算术
平方根。
[1]
在实际计算中,我们用以下公式计算方差。
方差是各个数据与
平均数之差的平方的和的平均数,即
,其中,x_表示
样本的平均数,n表示样本的数量,xn表示个体,而s^2就表示方差。
而当用
作为样本X的方差的估计时,发现其
数学期望并不是X的方差,而是X方差的
倍,
的数学期望才是X的方差,用它作为X的方差的估计具有“
无偏性”,所以我们总是用
来估计X的方差,并且把它叫做“
样本方差”。
方差,通俗点讲,就是和
中心偏离的程度!用来衡量一批数据的波动大小(即这批数据偏离平均数的大小)并把它叫做这组数据的方差。记作S
2。 在
样本容量相同的情况下,方差越大,说明数据的波动越大,越不稳定。
根据我的需要,我已经方差定义 写了一个算法,每个人可以根据实际情况修改算法:
C++ 实现:
1: 根据定义的算法:
//计算平均数
int get_Average( short * pszShortBuf, int nShortBufLen )
{
if ( !pszShortBuf || nShortBufLen <= 0 )
{
return 0;
}
int nAverage = 0;
for ( int i = 0; i < nShortBufLen; i++ )
{
nAverage = nAverage + pszShortBuf[i] ;
}
nAverage = nAverage / nShortBufLen;
return nAverage;
}
//计算方差
int get_Variance( short * pszShortBuf, int nShortBufLen )
{
if ( !pszShortBuf || nShortBufLen <= 0 )
{
return 0;
}
int nAverage = get_Average( pszShortBuf, nShortBufLen ) ;
unsigned int nVariance = 0;
for ( int i = 0; i<nShortBufLen; i++ )
{
int ntemp = pszShortBuf[i] - nAverage;
nVariance = nVariance + ( ntemp * ntemp );
}
nVariance = nVariance / nShortBufLen;
return nVariance;
}
2:修改算法:
根据我的需要,修改算法,将其中的数据修改为正整数:
//计算平均数
int get_Average( short * pszShortBuf, int nShortBufLen )
{
if ( !pszShortBuf || nShortBufLen <= 0 )
{
return 0;
}
int nAverage = 0;
for ( int i = 0; i < nShortBufLen; i++ )
{
nAverage = nAverage + abs( pszShortBuf[i] ) ;
}
nAverage = nAverage / nShortBufLen;
return nAverage;
}
//计算方差
int get_Variance( short * pszShortBuf, int nShortBufLen )
{
if ( !pszShortBuf || nShortBufLen <= 0 )
{
return 0;
}
int nAverage = get_Average( pszShortBuf, nShortBufLen ) ;
unsigned int nVariance = 0;
for ( int i = 0; i<nShortBufLen; i++ )
{
int ntemp = abs( pszShortBuf[i] ) - nAverage;
nVariance = nVariance + ( ntemp * ntemp );
}
nVariance = nVariance / nShortBufLen;
return nVariance;
}