未记录事实核验 · 状态：现行内容

记录仅说明核验时间与维护状态，不保证适用于所有环境；使用前请留意正文中的版本、适用条件与风险提示。

🟣 方差（Variance）

🎯 核心概念

直观理解：

• 方差大 = 数据分布分散，个体差异大
• 方差小 = 数据分布集中，个体差异小
• 方差为0 = 所有数据都相等

📐 数学定义与计算

1. 总体方差 (Population Variance)

σ² = Σ(xi - μ)² / N

其中：μ为总体均值，N为总体大小

2. 样本方差 (Sample Variance)

s² = Σ(xi - x̄)² / (n-1)

其中：x̄为样本均值，n为样本大小，(n-1)称为自由度

💻 Python实现详解

import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
from scipy import stats

# 基础方差计算
def variance_calculation_demo():
    """演示方差的不同计算方法"""
    
 # 示例数据：学生成绩
    scores = [85, 92, 78, 88, 95, 82, 90, 87, 91, 83]
    
    print("=== 方差计算演示 ===")
    print(f"数据: {scores}")
    
 # 1. 手动计算样本方差
    n = len(scores)
    mean = sum(scores) / n
    manual_var = sum((x - mean) ** 2 for x in scores) / (n - 1)
    
    print(f"\n手动计算:")
    print(f"样本均值: {mean:.2f}")
    print(f"样本方差: {manual_var:.2f}")
    
 # 2. NumPy计算
    numpy_var_sample = np.var(scores, ddof=1)  # 样本方差
    numpy_var_pop = np.var(scores, ddof=0)     # 总体方差
    
    print(f"\nNumPy计算:")
    print(f"样本方差 (ddof=1): {numpy_var_sample:.2f}")
    print(f"总体方差 (ddof=0): {numpy_var_pop:.2f}")
    
 # 3. Pandas计算
    df = pd.Series(scores)
    pandas_var = df.var()  # 默认是样本方差
    
    print(f"\nPandas计算:")
    print(f"样本方差: {pandas_var:.2f}")
    
 # 4. 计算过程可视化
    deviations = [(x - mean) for x in scores]
    squared_deviations = [(x - mean) ** 2 for x in scores]
    
 # 创建数据框显示计算过程
    calc_df = pd.DataFrame({
        '数据点': scores,
        '偏差': deviations,
        '偏差平方': squared_deviations
    })
    
    print(f"\n计算过程详解:")
    print(calc_df)
    print(f"偏差平方和: {sum(squared_deviations):.2f}")
    print(f"自由度: {n-1}")
    print(f"方差: {sum(squared_deviations)/(n-1):.2f}")

variance_calculation_demo()

📊 方差的几何意义

def variance_geometric_meaning():
    """展示方差的几何意义"""
    
 # 创建三组不同方差的数据
    np.random.seed(42)
    
 # 低方差数据
    low_var = np.random.normal(50, 3, 100)
    
 # 中方差数据
    med_var = np.random.normal(50, 8, 100)
    
 # 高方差数据
    high_var = np.random.normal(50, 15, 100)
    
 # 计算方差
    vars = [np.var(low_var, ddof=1), np.var(med_var, ddof=1), np.var(high_var, ddof=1)]
    labels = ['低方差', '中方差', '高方差']
    data_sets = [low_var, med_var, high_var]
    
    print("=== 方差的几何意义 ===")
    for i, (data, var, label) in enumerate(zip(data_sets, vars, labels)):
        print(f"{label}: 均值={np.mean(data):.1f}, 方差={var:.1f}")
    
 # 可视化
    fig, axes = plt.subplots(2, 2, figsize=(15, 10))
    
 # 直方图对比
    for i, (data, label, color) in enumerate(zip(data_sets, labels, ['blue', 'green', 'red'])):
        axes[0, 0].hist(data, alpha=0.6, label=f'{label} (σ²={np.var(data, ddof=1):.1f})', 
                       bins=20, color=color, density=True)
    axes[0, 0].set_title('不同方差的数据分布')
    axes[0, 0].legend()
    axes[0, 0].set_xlabel('数值')
    axes[0, 0].set_ylabel('密度')
    
 # 箱线图对比
    axes[0, 1].boxplot(data_sets, labels=labels)
    axes[0, 1].set_title('箱线图对比')
    axes[0, 1].set_ylabel('数值')
    
 # 散点图展示离散程度
    for i, (data, label, color) in enumerate(zip(data_sets, labels, ['blue', 'green', 'red'])):
        y_vals = [i] * len(data)
        axes[1, 0].scatter(data, y_vals, alpha=0.6, label=label, color=color)
    axes[1, 0].set_title('数据点分布')
    axes[1, 0].set_xlabel('数值')
    axes[1, 0].set_yticks([0, 1, 2])
    axes[1, 0].set_yticklabels(labels)
    axes[1, 0].legend()
    
 # 方差对比柱状图
    axes[1, 1].bar(labels, vars, color=['blue', 'green', 'red'], alpha=0.7)
    axes[1, 1].set_title('方差对比')
    axes[1, 1].set_ylabel('方差')
    
    plt.tight_layout()
    plt.show()

variance_geometric_meaning()

🏢 方差的实际应用

1. 🎯 投资风险评估

def investment_risk_analysis():
    """投资组合风险分析中的方差应用"""
    
 # 模拟三种投资产品的收益率
    np.random.seed(42)
    
 # 稳健型：低收益，低风险
    conservative = np.random.normal(0.05, 0.02, 252)  # 假设每次观测的收益率均值为5%、标准差为2%；未定义观测周期，不作年化解释
    
 # 平衡型：中等收益，中等风险
    balanced = np.random.normal(0.08, 0.05, 252)      # 假设每次观测的收益率均值为8%、标准差为5%；未定义观测周期，不作年化解释
    
 # 激进型：高收益，高风险
    aggressive = np.random.normal(0.12, 0.10, 252)    # 假设每次观测的收益率均值为12%、标准差为10%；未定义观测周期，不作年化解释
    
    investments = {
        '稳健型': conservative,
        '平衡型': balanced, 
        '激进型': aggressive
    }
    
    print("=== 投资风险分析 ===")
    print("投资产品风险评估（基于方差）:")
    
    for name, returns in investments.items():
        mean_return = np.mean(returns)
        variance = np.var(returns, ddof=1)
        std_dev = np.std(returns, ddof=1)
        
 # 均值/标准差：仅在无风险收益率取0且收益周期一致时，可解释为同周期夏普比率的简化形式；未作年化
        risk_adjusted = mean_return / std_dev if std_dev > 0 else 0
        
        print(f"\n{name}:")
        print(f"  平均收益率: {mean_return:.2%}")
        print(f"  收益方差: {variance:.6f}")
        print(f"  收益标准差: {std_dev:.2%}")
        print(f"  风险调整收益: {risk_adjusted:.3f}")
    
 # 可视化收益分布
    plt.figure(figsize=(15, 5))
    
    for i, (name, returns) in enumerate(investments.items(), 1):
        plt.subplot(1, 3, i)
        plt.hist(returns, bins=30, alpha=0.7, density=True)
        plt.axvline(np.mean(returns), color='red', linestyle='--', 
                   label=f'均值: {np.mean(returns):.2%}')
        plt.title(f'{name}\n方差: {np.var(returns, ddof=1):.6f}')
        plt.xlabel('收益率')
        plt.ylabel('概率密度')
        plt.legend()
    
    plt.tight_layout()
    plt.show()

investment_risk_analysis()

2. 🏭 质量控制

def quality_control_analysis():
    """制造业质量控制中的方差应用"""
    
 # 模拟生产线产品尺寸数据
    np.random.seed(42)
    
 # 标准：目标尺寸100mm，允许误差±2mm
    target_size = 100
    tolerance = 2
    
 # 三条生产线的数据
    line1 = np.random.normal(100, 0.5, 50)   # 高精度生产线
    line2 = np.random.normal(100, 1.2, 50)   # 中等精度生产线  
    line3 = np.random.normal(99.5, 2.0, 50)  # 低精度生产线（均值偏移）
    
    production_lines = {
        '生产线A（高精度）': line1,
        '生产线B（中精度）': line2,
        '生产线C（低精度）': line3
    }
    
    print("=== 质量控制分析 ===")
    print(f"目标尺寸: {target_size}mm")
    print(f"允许公差: ±{tolerance}mm")
    
    for name, data in production_lines.items():
        mean_size = np.mean(data)
        variance = np.var(data, ddof=1)
        std_dev = np.std(data, ddof=1)
        
 # 计算合格率
        within_tolerance = np.sum((data >= target_size - tolerance) & 
                                (data <= target_size + tolerance))
        pass_rate = within_tolerance / len(data)
        
 # 过程能力指数Cp（简化版）
        cp = tolerance / (3 * std_dev) if std_dev > 0 else float('inf')
        
        print(f"\n{name}:")
        print(f"  平均尺寸: {mean_size:.2f}mm")
        print(f"  尺寸方差: {variance:.3f}")
        print(f"  尺寸标准差: {std_dev:.3f}mm")
        print(f"  合格率: {pass_rate:.1%}")
        print(f"  过程能力指数Cp: {cp:.2f}")
        print(f"  示例Cp分档（非综合质量评级，不反映均值偏移）: {'Cp≥1.33' if cp >= 1.33 else '1.0≤Cp<1.33' if cp >= 1.0 else 'Cp<1.0'}")
    
 # 可视化
    fig, axes = plt.subplots(2, 2, figsize=(15, 10))
    
 # 分布对比
    for name, data in production_lines.items():
        axes[0, 0].hist(data, alpha=0.6, label=name, bins=20, density=True)
    
 # 添加公差线
    axes[0, 0].axvline(target_size - tolerance, color='red', linestyle='--', alpha=0.7, label='下限')
    axes[0, 0].axvline(target_size + tolerance, color='red', linestyle='--', alpha=0.7, label='上限')
    axes[0, 0].axvline(target_size, color='black', linestyle='-', alpha=0.7, label='目标')
    axes[0, 0].set_title('产品尺寸分布')
    axes[0, 0].legend()
    axes[0, 0].set_xlabel('尺寸 (mm)')
    
 # 方差对比
    variances = [np.var(data, ddof=1) for data in production_lines.values()]
    axes[0, 1].bar(production_lines.keys(), variances, color=['green', 'orange', 'red'], alpha=0.7)
    axes[0, 1].set_title('各生产线方差对比')
    axes[0, 1].set_ylabel('方差')
    axes[0, 1].tick_params(axis='x', rotation=15)
    
 # 合格率对比
    pass_rates = []
    for data in production_lines.values():
        within_tolerance = np.sum((data >= target_size - tolerance) & 
                                (data <= target_size + tolerance))
        pass_rates.append(within_tolerance / len(data))
    
    axes[1, 0].bar(production_lines.keys(), pass_rates, color=['green', 'orange', 'red'], alpha=0.7)
    axes[1, 0].set_title('各生产线合格率')
    axes[1, 0].set_ylabel('合格率')
    axes[1, 0].tick_params(axis='x', rotation=15)
    
 # 样本序列与规格限对照图：公差界限不是统计控制限
    for i, (name, data) in enumerate(production_lines.items()):
        axes[1, 1].plot(data[:30], label=name, marker='o', markersize=3)
    
    axes[1, 1].axhline(target_size, color='black', linestyle='-', alpha=0.7, label='目标值')
    axes[1, 1].axhline(target_size + tolerance, color='red', linestyle='--', alpha=0.7)
    axes[1, 1].axhline(target_size - tolerance, color='red', linestyle='--', alpha=0.7)
    axes[1, 1].set_title('尺寸序列与规格限（前30个样本）')
    axes[1, 1].set_xlabel('样本序号')
    axes[1, 1].set_ylabel('尺寸 (mm)')
    axes[1, 1].legend()
    
    plt.tight_layout()
    plt.show()

quality_control_analysis()

🧮 方差的数学性质

📐 重要性质

def variance_properties_demo():
    """演示方差的数学性质"""
    
    np.random.seed(42)
    X = np.random.normal(10, 3, 1000)  # 均值10，标准差3
    
    print("=== 方差的数学性质 ===")
    print(f"原始数据X: 均值={np.mean(X):.2f}, 方差={np.var(X, ddof=1):.2f}")
    
 # 性质1: Var(X + c) = Var(X)
    c = 5
    X_plus_c = X + c
    print(f"\n性质1: Var(X + {c}) = Var(X)")
    print(f"X + {c}的方差: {np.var(X_plus_c, ddof=1):.2f}")
    print(f"是否相等: {abs(np.var(X, ddof=1) - np.var(X_plus_c, ddof=1)) < 0.01}")
    
 # 性质2: Var(cX) = c²Var(X)
    c = 2
    cX = c * X
    expected_var = (c**2) * np.var(X, ddof=1)
    actual_var = np.var(cX, ddof=1)
    print(f"\n性质2: Var({c}X) = {c}²Var(X)")
    print(f"理论值: {expected_var:.2f}")
    print(f"实际值: {actual_var:.2f}")
    print(f"是否相等: {abs(expected_var - actual_var) < 0.1}")
    
 # 性质3: 对于独立且方差有限的随机变量X和Y，总体方差满足Var(X + Y) = Var(X) + Var(Y)；有限样本方差还包含两倍样本协方差项
    Y = np.random.normal(5, 2, 1000)  # 独立的Y
    X_plus_Y = X + Y
    expected_var_sum = np.var(X, ddof=1) + np.var(Y, ddof=1)
    actual_var_sum = np.var(X_plus_Y, ddof=1)
    
    print(f"\n性质3: 对于独立X和Y，Var(X + Y) = Var(X) + Var(Y)")
    print(f"Var(X): {np.var(X, ddof=1):.2f}")
    print(f"Var(Y): {np.var(Y, ddof=1):.2f}")
    print(f"理论值: {expected_var_sum:.2f}")
    print(f"实际值: {actual_var_sum:.2f}")
    print(f"样本方差差值是否小于演示阈值0.5（不用于检验独立性或验证总体恒等式）: {abs(expected_var_sum - actual_var_sum) < 0.5}")

variance_properties_demo()

🎯 方差与其他统计量的关系

📊 标准差、变异系数

def variance_relationships():
    """方差与相关统计量的关系"""
    
 # 创建不同特征的数据集
    datasets = {
        '收入数据': [20000, 25000, 30000, 50000, 80000, 120000],  # 高变异
        '身高数据': [165, 170, 172, 175, 178, 180],              # 低变异  
        '温度数据': [20, 22, 23, 25, 27, 28]                     # 示例假设单位为K；摄氏或华氏温度不适合这样解释变异系数
    }
    
    print("=== 方差与相关统计量的关系 ===")
    
    for name, data in datasets.items():
        mean_val = np.mean(data)
        variance = np.var(data, ddof=1)
        std_dev = np.std(data, ddof=1)
        cv = std_dev / mean_val if mean_val != 0 else np.nan  # 均值为0时未定义；仅对适宜的比率尺度数据解释变异系数
        
        print(f"\n{name}:")
        print(f"  数据: {data}")
        print(f"  均值: {mean_val:.2f}")
        print(f"  方差: {variance:.2f}")
        print(f"  标准差: {std_dev:.2f}")
        print(f"  变异系数: {cv:.3f} ({cv:.1%})")
        print(f"  标准差 = √方差: {np.sqrt(variance):.2f}")
        
 # 验证关系
        print(f"  验证 方差 = 标准差²: {abs(variance - std_dev**2) < 0.01}")

variance_relationships()

⚠️ 使用注意事项

🚫 常见误区

1. 单位问题：方差的单位是原数据单位的平方
2. 样本vs总体：注意使用正确的自由度
3. 异常值敏感：方差容易受极端值影响
4. 解释困难：相比标准差，方差的直观性较差

💡 最佳实践

• 报告结果时同时提供标准差
• 识别并处理异常值
• 根据数据性质选择合适的离散度量
• 结合其他统计量综合分析

🔗 相关知识

• 描述性统计
• 离散程度指标
• 标准差
• Python/NumPy数值计算