چرا واریانس نمونه N-1 در مخرج دارد؟ دلیل استفاده از n-1 به جای n این است که واریانس نمونه همان چیزی خواهد بود که برآوردگر بی طرفانه نامیده می شود. نتایج با پارامتر کمی اساسی واقعی کهتخمین زده می شود متفاوت است. https://en.wikipedia.org › wiki › تعصب_(آمار)
سوگیری (آمار) - ویکی پدیا
از واریانس جمعیت 2.
چرا واریانس نمونه بر n-1 تقسیم می شود و بر N تقسیم نمی شود؟
خلاصه. ما واریانس یک نمونه را با جمع مجذور انحرافات هر نقطه داده از میانگین نمونه و تقسیم آن بر بر محاسبه می کنیم. در واقع از یک ضریب تصحیح n n - 1 ناشی می شود که برای تصحیح سوگیری ناشی از انحراف از میانگین نمونه به جای میانگین جمعیت،مورد نیاز است.
چرا در واریانس نمونه 1 را از N کم می کنیم؟
پس چرا هنگام استفاده از این فرمول ها 1 را کم می کنیم؟ پاسخ ساده: محاسبات برای هر دو انحراف استاندارد نمونه و واریانس نمونه هر دو حاوی کمی سوگیری هستند (این روش آماری برای گفتن "خطا" است). تصحیح بسل (یعنی کم کردن 1 از حجم نمونه شما) این سوگیری را تصحیح می کند.
چرا از N-1 در انحراف استاندارد نمونه به جای N استفاده می کنیم؟
معادله n-1 در موقعیت معمولی استفاده می شود که در آن شما در حال تجزیه و تحلیل یکنمونه ای از داده ها و مایل به نتیجه گیری کلی تر. SD محاسبه شده به این روش (با n-1 در مخرج) بهترین حدس شما برای مقدار SD در جمعیت کلی است. … SD حاصل SD آن مقادیر خاص است.
چرا درجه آزادی n-1 است؟
در پردازش داده، درجه آزادی تعداد داده‌های مستقل است، اما همیشه، یک داده وابسته وجود دارد که می‌توان از داده‌های دیگر به دست آورد. بنابراین، درجه آزادی=n-1.
