概率论中方差的计算公式方差在概率论中可是个相当重要的概念呢！咱先来说说方差到底是啥。
简单来讲，方差就是用来衡量一组数据离散程度的。
那方差的计算公式是啥呢？它呀，就是每个数据与这组数据的平均数之差的平方值的平均数。
具体公式就是：$Var(X) = E[(X - E(X))^2]$ ，这里面 $X$ 是随机变量，$E(X)$ 是 $X$ 的期望值。
为了让您更好地理解，我给您举个例子。
比如说有一组数：10，20，30，40，50。
首先咱得算出这组数的平均数，就是把这几个数加起来再除以 5 ，（10 + 20 + 30 + 40 + 50）÷ 5 = 30 ，这 30 就是平均数。
然后呢，咱开始算每个数与平均数的差的平方。
比如 10 与 30 的差是 -20 ，平方就是 400 ；20 与 30 的差是 -10 ，平方就是 100 ；30 与30 的差是 0 ，平方还是 0 ；40 与 30 的差是 10 ，平方就是 100 ；50 与30 的差是 20 ，平方就是 400 。
接下来把这些平方值加起来：400 + 100 + 0 + 100 + 400 = 1000 。
最后再除以这组数的个数 5 ，1000 ÷ 5 = 200 ，这 200 就是这组数的方差啦。
我还记得之前给学生们讲这个知识点的时候，有个特别有趣的事儿。
当时我在黑板上写了这么一组数让大家算方差，结果有个学生啊，把平均数算错了，后面的步骤自然也就全错啦。
我就问他怎么算的，他一脸迷茫地看着我，那小表情可把大家都逗乐了。
后来我又重新给他讲了一遍怎么求平均数，他才恍然大悟，最后终于算出了正确的方差。
其实啊，方差在很多实际生活中都有用呢。
比如说在比较不同班级学生的成绩稳定性时，方差小就说明成绩相对稳定；在研究股票价格波动时，方差大就表示风险高。
所以说，学好方差的计算公式，能让我们更好地分析和理解数据，做出更明智的决策。
您看，这小小的方差公式，作用可大着呢！。
第四章 数字特征前面我们介绍了随机变量及其分布，对于一个随机变量，只要知道了它的分布（分布函数或分布律、分布密度），它取值的概率规律就全部掌握了。
但在实际问题中，一个随机变量的分布往往不易得到，且常常只需知道随机变量的某几个特征就够了。
例如检查棉花的质量时，我们关心的是棉花纤维的平均长度和纤维长度与平均长度的偏差大小，这些数字反映了随机变量的一些特性，我们称能够反映随机变量特征的数字为随机变量的数字特征。
本章将介绍几个最常用的数字特征：数学期望、方差、协方差和相关系数。
第一节 数学期望一、离散型随机变量的数学期望数学期望反映的是随机变量取值的集中位置的特征，能够满足这一要求的自然是随机变量的平均取值，那么这个平均取值如何得到呢？怎样定义，我们先看一个例题例1：全班40名同学，其年龄与人数统计如下：该班同学的平均年龄为：4092115201519118⨯+⨯+⨯+⨯=a8.194092140152040151940118=⨯+⨯+⨯+⨯=若令X 表示从该班同学中任选一同学的年龄，则X 的分布律为于是，X 取值的平均值，即该班同学年龄的平均值为4092140152040151940118)(⨯+⨯+⨯+⨯==a X E8.19==∑ii i p x定义1：设X 为离散型随机变量，其分布律为i i p x X P ==}{， ,2,1=i如果级数 绝对收敛，则此级数为X 的数学期望（或均值），记为 E(X)，即 ∑=ii i p x X E )(意义：E(X)表示X 取值的（加权）平均值。
如果级数 不绝对收敛，则称数学期望不存在。
例2：甲、乙射手进行射击比赛，设甲中的环数为X1，乙中的环数为X2，已知 X1和X2的分布律分别为：问谁的平均击中环数高？解：甲的平均击中环数为 E(X1)=8 0.3+9 0.1+10 0.6=9.3 乙的平均击中环数为 E(X2)=8 0.2+9 0.5+10 0.3=9.1 可见E(X1)> E(X2)，即甲的平均击中环数高于乙的平均击中环数。
第四章数字特征4.1 数学期望4.2 方差4.3 协方差与相关系数4.4 矩与协方差矩阵()()22()Var X E XE X =−⎡⎤⎣⎦证明:()Var X =()()222E X XE X EX ⎡⎤=−+⎣⎦()()222[()][]E XE EX X E EX =−+()()()()()222c E X E X E X E X E X ==−+⎡⎤⎡⎤⎡⎤⎣⎦⎣⎦⎣⎦代回()()E X E X c==为常数设)()(222c E cX E EX +−()()(),E cX cE X E c c ==⎡⎤⎣⎦()()222E XcE X c =−+()()22.E X E X =−⎡⎤⎣⎦()()()2222E X E X E X =−+⎡⎤⎡⎤⎣⎦⎣⎦()0Var X ≥()()22.E XE X ∴≥⎡⎤⎣⎦注：由知：()2E X EX ⎡⎤−⎣⎦()()22().Var X E XE X ∴=−⎡⎤⎣⎦（方差的简算公式）x y=1x= 0594.()()().E XY E X E Y =⋅随机变量X 与Y 相互独立，则(与数学期望对比来学习)n X X Y X ,,,,1⋯设为随机变量，c 为常数。
().0=c Var 性质1性质2 性质3,()()()2cov(,)X Y Var X Y Var X Var Y X Y ±=+±对于任意、有如果记:()()()EY Y EX X E Y X −−=),cov(的协方差与为称Y X Y X ),cov(().c c E =性质1 ()().E kX c kE X c +=+性质2(),,X Y E X Y EX EY∀+=+有性质3性质4()).()(Y Var X Var Y X Var +=+性质44.2.2 方差的性质随机变量X 与Y 相互独立,则()2+().Var kX c k Var X =().0=c Var 性质1()2+().Var kX c k Var X =性质2 证明:()Var c =0Ec c==()2E c Ec −()Var kX c +=证明:[]2()kX k E c c X E E +−−[]{}22()E k X E X =−2().k Var X =[]2()E c k kX X E c =+−−()2kX c kX E c E −=⎡⎤⎣⎦++[]2()E k X E k X =−证明:=+)(,Y X Var Y X 有和对于任意()(){}{}2E X EY X E Y =+⎡⎤⎡⎣−⎤⎦⎣⎦−()()()(){}222E X E X Y E Y X E X Y E Y =−+−+−−⎡⎤⎡⎤⎡⎤⎡⎤⎣⎦⎣⎦⎣⎦⎣⎦()()()()222E X E X E Y E Y E X E X X E X =−+−+−−⎡⎤⎡⎤⎡⎤⎡⎤⎣⎦⎣⎦⎣⎦⎣⎦),cov(2)()(Y X Y Var X Var ++=(同理可得到减法的公式)记:()()()()cov(,)X Y E X E X Y E Y ⎡⎤=−−⎣⎦，的协方差与为称Y X Y X ),cov(性质3),cov(2)()()(,Y X Y Var X Var Y X Var Y X ±+=±有和对于任意{}2([()])E E Y X X Y −++。
