varianza de un conjunto de números se utiliza en las estadísticas. Es un dato estadístico que define el valor de varianza. Varianza es la variabilidad de los datos. Varianza se calcula a partir del valor de la media del conjunto de datos dado. Aquí vamos a ver sobre la varianza de un conjunto de números y el problema del ejemplo y los problemas de la práctica relacionados con las funciones de la set.Distribution datos de la varianza de la muestra viene dado por la ecuación muestra de varianza. Las distribuciones se derivan forma de las funciones para darle i la forma bien definida de la varianza de la muestra. La distribución de la muestra dada pudiera derivado forma de las funciones. Aquí vamos a ver sobre la distribución de la varianza de la muestra y su prueba se determina como followsProof para la varianza de la muestra de distribución: distribución de la variación de la muestra: Let N muestras sean los valores tomados de la población con los momentos centrales mu_n. El m_2 muestra de varianza está dada entonces por, m_2 = (1 /N) sum_ (i = 1) ^ N (x_i - m) ^ 2where m = barx para la media de la muestra del valor data.The dadas esperado es la función m_2 para un tamaño de la muestra N está dada por la, Var (S ^ 2) = (Var (m_2)) = (N-1) ^ 2 /N ^ 3 mu_4 - ((N-1) (-3 N) mu_2 ^ 2) /N ^ 3El forma algebraica para la ecuación derivada de la mano es más que el rendimiento, pero se puede realizar como la función, Diseño de señalar thatVar (x) = x ^ 2 - (x) ^ 2Entonces que, var (S ^ 2) - = (S ^ 4) - (S ^ 2) ^ valor 2La de la (S ^ 2) es la ya conocida como la forma de la ecuación, por lo que Tremain de sólo para encontrar la (s ^ 4 ). El álgebra se simplifica considerable cantidad de la variable de la transformación de x_i '- = x_i - mu y los cálculos que realizan con el respeto a las variables centrales. Para determinar el valor de (S ^ 4), la ecuación gastado está dada por, (S ^ 4) = ((S ^ 2) ^ 2) = ((x ^ 2) - (x) ^ 2) ^ 2 = ( [(1 /N) sum_ (i = 1) ^ n (x_i ^ 2)] ^ 2) = [(1 /N) sum_ (i = 1) ^ n (x_i ^ 2)] ^ 2) - (2 /N ^ 3) sum_ (i = 1) ^ n (sum (x_i ^ 2)) (sum (x_j) ^ 2) + (/N ^ 4) sum_ 1 (i = 1) ^ n (x_i) ^ 4working con los términos de la ecuación anterior od la distribución de la varianza de la muestra: trabajo en el primer término de la ecuación anterior (sum_ (i = 1) ^ n (x_i ^ 2)) = (sum_ (i = 1) ^ n (x_i ) ^ 4) + (! sum_ (x = j) (x_j ^ 2)) = (sum_ (i = 1) ^ n (x_i) ^ 4) + (sum_ (x! = j) (x_j ^ 2)) = N (x_i ^ 4) + N (N-1) (x_i ^ 2) (x_j ^ 2) = N mu_4 + N (N-1) mu_2 ^ 2 el segundo término de la ecuación se calcula se da belowsum (x_i ^ 2) suma (x_j ^ 2) = suma (x_i ^ 4) + sum_ (i! = j) (x_i ^ 2 ^ x_j 2) +2 suma (x_i ^ 3 x_j) + sum_ (i! = j! = k ) (x_i ^ 2 x_j x_k) = N (N-1) mu_2 ^ 2] - (2 /N ^ 3) [N mu_4 + N (N-1) mu_2 ^ 2] el tercer término de la ecuación se calcula es se indican a continuación, suma (x_i) ^ 4 = suma (x_i ^ 4) + 3sum_ (i! = j) (x_i ^ 2 ^ x_j 2) 4 sum (x_i ^ 3 x_j) + suma (i! = j! = ! k) (x_i ^ 2 x_j x_k) + sum_ (i! = j = k! = l) (x_i x_j x_k x_l) = NSUM (x_i ^ 4) 3 N (N-1) sum_ (i! = j ) (x_i ^ 2 x_j ^ 2) = N mu_4 3 N (N-1) ^ mu_2 2Substitute los resultados calculados anteriormente en la ecuación principal (S ^ 2) = (1 /N ^ 2) [N mu_4 + N ( N-1) mu_2 ^ 2] - (2 /N ^ 3) [N mu_4 + N (N-1) mu_2 ^ 2] + (1 /N ^ 4) [N mu_4 3 N (N-1) mu_2 ^ 2] = ((1 /N) - (2 /N ^ 2) + (1 /N ^ 3)) mu ^ 4 + [((N-1) /N - 2 (N-1) /N ^ 2 + (3 (N-1)) /N ^ 3)] mu_2 ^ 2 = ((N ^ 2 - 2 N 1) /N ^ 3) mu_4 + ((N-1) (N ^ 2-2N + 3) /N ^ 3) mu_2 ^ 2 = (() [(N-1) mu_4 + (N ^ 2 - 2 N 3) mu_2 ^ 2] N-1) /N ^ 3Distribution varianza de la muestra se calcula que se da por debajo de var (S ^ 2) = (S ^ 4) - (S ^ 2) ^ 2Var (S ^ 2) = ((N-1) [(N-1) mu_4 + (N ^ 2 - 2 N 3) mu_2 ^ 2]) /N ^ 3var (S ^ 2) = ((N-1) [(N-1) mu_4 + (N-3) mu_2 ^ 2]) /N ^ 3