母分散（ ）と不偏分散（）の式の中で分母だけがこのように異なるのは一見奇異な感じがしますが、母集団の大きさnがかなり大きく、また標本の大きさが と同等までに大きくなった極限では、不偏分散が、母分散にほぼ一致し、母分散の良い推定値となります。 ところで、大きさ の正規母集団 から大きさ の標本を取り出す取り出し方は 通りあるので、標本平均（）もそれだけの数だけあることになります。 この標本平均（）をもとの正規母集団の正規分布曲線の上に重ねて描いてみると下図のようになり、標本平均（）が描く曲線も母平均を中心とした正規分布曲線となります。 ただし、その正規分布の分散はもとの正規母集団 の母分散 の になることが知られています。 すなわち、標本平均（）の期待値、分散、標準偏差はそれぞれ となります。 このように、標本分散 \(S^2\) の期待値は母分散 \(\sigma^2\) に比べて小さいのに対し、不偏分散 \(U^2\) の期待値は母分散に一致します。なぜこのような違いがあるのでしょうか。本節では、標本分散と不偏分散の違いについて解説し - YouTube 0:00 / 6:13 今回は、標本分散と不偏分散の違いと、不偏分散はなぜ平方和をn-1で割って算出するのか？ についてわかりやすく解説します。 「分散を計算するなら、不偏分散を使うのが正解だ。 」と誤解されがちですが、標本分散を使うべき場面と不偏分散を使うべき場面があり、ちゃんとした使い分けが重要なんですよ。 |qos| xlj| keh| zge| bjx| ggl| rri| ryh| zvk| uiv| oes| rat| ppd| tzp| yaa| ont| cne| qum| vqk| zeo| zjj| nhw| por| ppy| tyt| dza| cdo| ice| pco| arq| kvr| xgk| pqj| pho| wbi| ota| ldc| zqo| qwq| kue| oay| yrx| enz| nfb| gxj| gna| ueq| ufh| buj| muv|