- 统计教程
- 首页
- 调整后R方
- 方差分析
- 算术平均数
- 算术中位数
- 算术众数
- 算术极差
- 条形图
- 最佳点估计
- 贝塔分布
- 二项分布
- 布莱克-斯科尔斯模型
- 箱线图
- 中心极限定理
- 切比雪夫定理
- 卡方分布
- 卡方表
- 环排列
- 整群抽样
- 科恩的卡帕系数
- 组合
- 有放回组合
- 比较图表
- 连续均匀分布
- 连续数列算术平均数
- 连续数列算术中位数
- 连续数列算术众数
- 累积频率
- 变异系数
- 相关系数
- 累积图
- 累积泊松分布
- 数据收集
- 数据收集 - 问卷设计
- 数据收集 - 观察法
- 数据收集 - 案例研究法
- 数据模式
- 十分位数统计
- 离散数列算术平均数
- 离散数列算术中位数
- 离散数列算术众数
- 点图
- 指数分布
- F分布
- F检验表
- 阶乘
- 频数分布
- 伽玛分布
- 几何平均数
- 几何概率分布
- 拟合优度
- 总平均数
- 格朗布尔分布
- 调和平均数
- 调和数
- 谐振频率
- 直方图
- 超几何分布
- 假设检验
- 个体数列算术平均数
- 个体数列算术中位数
- 个体数列算术众数
- 区间估计
- 逆伽玛分布
- 柯尔莫哥洛夫-斯米尔诺夫检验
- 峰度
- 拉普拉斯分布
- 线性回归
- 对数伽玛分布
- 逻辑回归
- 麦克尼马尔检验
- 平均差
- 均值差异
- 多项分布
- 负二项分布
- 正态分布
- 奇排列和偶排列
- 单比例Z检验
- 异常值函数
- 排列
- 有放回排列
- 饼图
- 泊松分布
- 合并方差 (r)
- 功效计算器
- 概率
- 概率加法定理
- 概率乘法定理
- 概率贝叶斯定理
- 概率密度函数
- 过程能力 (Cp) & 过程性能 (Pp)
- 过程Sigma
- 二次回归方程
- 定性数据与定量数据
- 四分位差
- 经验法则
- 瑞利分布
- 回归截距置信区间
- 相对标准偏差
- 信度系数
- 所需样本量
- 残差分析
- 残差平方和
- 均方根
- 样本计划
- 抽样方法
- 散点图
- 香农-威纳多样性指数
- 信噪比
- 简单随机抽样
- 偏度
- 标准差
- 标准误 (SE)
- 标准正态表
- 统计显著性
- 统计公式
- 统计符号
- 茎叶图
- 分层抽样
- 学生t检验
- 平方和
- t分布表
- TI-83指数回归
- 变换
- 截尾均值
- I型和II型错误
- 方差
- 维恩图
- 大数弱定律
- Z表
- 统计有用资源
- 统计 - 讨论
统计 - 合并方差 (r)
合并方差/变化是用于评估两个独立变量波动情况的加权平均值,其中均值在测试之间可能不同,但基本差异保持不变。
示例
问题陈述
计算数字1、2、3、4和5的合并方差。
解答
步骤1
通过将所有数字相加然后除以给定数据集中的数字总数来确定给定数据集的平均值(均值)。
${均值 = \frac{1 + 2 + 3 + 4 + 5}{5} = \frac{15}{5} = 3 }
步骤2
然后,从数据集中的给定数字中减去均值。
${⇒ (1 - 3), (2 - 3), (3 - 3), (4 - 3), (5 - 3) ⇒ -2, -1, 0, 1, 2 }
步骤3
对每个偏差进行平方,以避免负数。
${⇒ (-2)^2, (-1)^2, (0)^2, (1)^2, (2)^2 ⇒ 4, 1, 0, 1, 4 }
步骤4
现在使用以下公式计算标准差
${S = \sqrt{\frac{\sum{X-M}^2}{n-1}}}
标准差 = ${\frac{\sqrt 10}{\sqrt 4} = 1.58113 }
步骤5
${合并方差 (r) = \frac{((数字总数 - 1) \times 方差)}{(数字总数 - 1)} , \\[7pt] \ (r) = (5 - 1) \times \frac{2.5}{(5 - 1)}, \\[7pt] \ = \frac{(4 \times 2.5)}{4} = 2.5}
因此,合并方差 (r) = 2.5
广告