Varians

Varians er et begreb inden for sandsynlighedsregning og statistik, der angiver variabiliteten af en stokastisk variabel.

Variansen et mål for, hvor meget den stokastiske variabels værdier i gennemsnit afviger fra middelværdien.

Variansen for en stokastisk variabel $X$ er defineret som

${\mbox{Var}}(X)={\mbox{E}}\left((X-{\mbox{E}}(X))^{2}\right)$

hvor ${\mbox{E}}(X)$ angiver middelværdien af den stokastiske variabel. Det kan let vises, at

${\mbox{Var}}(X)={\mbox{E}}(X^{2})-\left({\mbox{E}}(X)\right)^{2}$

Standardafvigelsen eller Spredningen, $\sigma$, af en stokastisk variabel er defineret som kvadratroden af variansen, dvs.

$\sigma ={\sqrt {{\mbox{Var}}(X)}}$

Empiriske størrelser

Hvis man har et datasæt bestående af observationerne $x_{1},\ldots ,x_{n}$ og ønsker at beregne et skøn over variansen, benyttes normalt den empiriske varians $s^{2}$, som ikke er det samme som V (Varians). Denne er givet ved

$s^{2}={\frac {\sum _{i=1}^{n}{(x_{i}-{\bar {x}})^{2}}}{n-1}}$

hvor ${\bar {x}}$ er gennemsnittet af observationerne (et skøn over middelværdien) og $n$ er antallet af observationer.

Den empiriske spredning $s$ er givet ved kvadratroden af den empiriske varians.

Regneteknisk kan $\sum _{i=1}^{n}(x_{i}-{\overline {x}})^{2}$ beregnes som $\sum _{i=1}^{n}x_{i}^{2}-{\frac {(\sum _{i=1}^{n}x_{i})^{2}}{n}}$, hvilket betyder, at man kan summere data op løbende uden at beholde de enkelte observationer.

Regneregler for varians

Variansen af en stokastisk variabel ganget med en konstant er lig variansen for variablen ganget med konstanten opløftet i 2. potens. Variansen ændres derimod ikke, hvis der lægges en konstant til. Disse to regneregler kan udtrykkes matematisk således (hvor $X$ er en stokastisk variabel, og $a$ og $b$ er konstanter):

${\mbox{Var}}(a\cdot X+b)=a^{2}\cdot {\mbox{Var}}(X).$

Variansen af en sum af to forskellige stokastiske variable er lig summen af deres varians samt 2 gange deres kovarians. Hvis $X$ og $Y$ er to stokastiske variable med kovarians ${\mbox{Cov}}(X,Y)$ skrives det:

$\ {\mbox{Var}}(X+Y)={\mbox{Var}}(X)+{\mbox{Var}}(Y)+2{\mbox{Cov}}(X,Y).$

Hvis $X$ og $Y$ er stokastisk uafhængige bliver kovariansen nul, og udtrykket kan reduceres til

$\ {\mbox{Var}}(X+Y)={\mbox{Var}}(X)+{\mbox{Var}}(Y).$

Ofte kan nedenstående omskrivning gøre det lettere at beregne variansen af en stokastisk variabel.

${\begin{aligned}\operatorname {Var} (X)&=\operatorname {E} \left[(X-\operatorname {E} [X])^{2}\right]\\&=\operatorname {E} \left[X^{2}-2X\operatorname {E} [X]+\operatorname {E} [X]^{2}\right]\\&=\operatorname {E} \left[X^{2}\right]-2\operatorname {E} [X]\operatorname {E} [X]+\operatorname {E} [X]^{2}\\&=\operatorname {E} \left[X^{2}\right]-\operatorname {E} [X]^{2}.\end{aligned}}$

Se også

• Kovarians

Spire Denne artikel om matematik er en spire som bør udbygges. Du er velkommen til at hjælpe Wikipedia ved at udvide den.