01 标准差(Standard deviation)
简单来说,标准差是一组数值自平均值分散程度的一种测量观念.一个较大的标准差,代表大部分的数值和其平均值之间差异较大,一个较小的标准差,代表这些数值较接近平均值.
例如：
两组数的集合 {0, 5, 9, 14} 和 {5, 6, 8, 9} 其平均值都是7,但第二个集合具有较小的标准差.
公式：
标准差可以当作不确定性的一种测量.在物理科学中,做重复性测量时,测量数值集合的标准差代表这些测量的精确度.当要决定测量值是否符合预测值,测量值的标准差占有决定性重要角色.如果测量平均值与预测值相差太远(同时与标准差数值做比较)
则认为测量值与预测值互相矛盾.这很容易理解,因为如果测量值都落在一定数值范围之外,可以合理推论预测值是否正确.
标准差应用于投资上,可作为量度回报稳定性的指标.标准差数值越大,代表回报远离过去平均数值,回报较不稳定故风险越高.相反,标准差数值越小,代表回报较为稳定,风险亦较小.
例如:
A,B两组各有6位学生参加同一次语文测验,A组的分数为95,85,75,65,55,45
B组的分数为73,72,71,69,68,67.
这两组的平均数都是70,但A组的标准差为17.078分,B组的标准差为2.160分,说明A组学生之间的差距要比B组学生之间的差距大得多.
02
方差
两人的5次测验成绩如下:
A:50,100,100,60,50 -->Average(A) = 72
B:73,70,75,72,70 -->Average(B) = 72
平均成绩相同,但A不稳定,对平均值偏大.
方差描述随机变量对于数学期望的偏离程度.
方差公式:
可以看到方差是标准差的平方.
除了期望，方差(variance)是另一个常见的分布描述量。如果说期望表示的是分布的中心位置，那么方差就是分布的离散程度。方差越大，说明随机变量取值越离散。
比如射箭时，一个优秀的选手能保持自己的弓箭集中于目标点附近，而一个经验不足的选手，他弓箭的落点会更容易散落许多地方。
上面的靶上有两套落点。尽管两套落点的平均中心位置都在原点 (即期望相同），但两套落点的离散程度明显有区别。蓝色的点离散程度更小。
数学上，我们用方差来代表一组数据或者某个概率分布的离散程度。可见，方差是独立于期望的另一个对分布的度量。两个分布，完全可能有相同的期望，而方差不同，正如我们上面的箭靶。
对于一个随机变量XX来说，它的方差为:
Var(X)=E[(X−μ)2]Var(X)=E[(X−μ)2]
其中，μμ表示XX的期望值，即μ=E(X)μ=E(X)。
我们可以代入期望的数学表达形式。
比如连续随机变量：
Var(X)=E[(X−μ)2]=∫+∞−∞(x−μ)2f(x)dxVar(X)=E[(X−μ)2]=∫−∞+∞(x−μ)2f(x)dx
方差概念背后的逻辑很简单。一个取值与期望值的“距离”用两者差的平方表示。该平方值表示取值与分布中心的偏差程度。平方的最小取值为0。当取值与期望值相同时，此时不离散，平方为0，即“距离”最小；当随机变量偏离期望值时，平方增大。由于取值是随机的，不同取值的概率不同，我们根据概率对该平方进行加权平均，也就获得整体的离散程度——方差。
方差的平方根称为标准差(standard deviation, 简写std)。我们常用σσ表示标准差.
σ=Var(X)−−−−−−√σ=Var(X)
标准差也表示分布的离散程度。
01 正态分布的方差
根据上面的定义，可以算出正态分布:
E(X)=1σ2π−−√∫+∞−∞xe−(x−μ)2/2σ2dxE(X)=1σ2π∫−∞+∞xe−(x−μ)2/2σ2dx的方差为
Var(X)=σ2Var(X)=σ2
正态分布的标准差正等于正态分布中的参数σσ。这正是我们使用字母σσ来表示标准差的原因！
可以预期到，正态分布的σσ越大，分布离散越大，正如我们从下面的分布曲线中看到的:
当方差小时，曲线下的面积更加集中于期望值0附近。当方差大时，随机变量更加离散。此时分布曲线的“尾部”很厚，即使在取值很偏离0时，比如x=4x=4时，依然有很大的概率可以取到。
代码如下:
# By Vamei
from scipy.stats import normimport numpy as npimport matplotlib.pyplot as plt
# Note the difference in "scale", which is stdrv1 = norm(loc=0, scale = 1)rv2 = norm(loc=0, scale = 2)
x = np.linspace(-5, 5, 200)
plt.fill_between(x, rv1.pdf(x), y2=0.0, color="coral")plt.fill_between(x, rv2.pdf(x), y2=0.0, color="green", alpha = 0.5)
plt.plot(x, rv1.pdf(x), color="red", label="N(0,1)")plt.plot(x, rv2.pdf(x), color="blue", label="N(0,2)")
plt.legendplt.grid(True)
plt.xlim([-5, 5])plt.ylim([-0.0, 0.5])
plt.title("normal distribution")plt.xlabel("RV")plt.ylabel("f(x)")
plt.show
02 指数分布的方差
指数分布的表达式为:
f(x)={λe−λx0ififx≥0x<0f(x)={λe−λxifx≥00ifx<0
它的方差为:
Var(X)=1λ2Var(X)=1λ2
如下图所示:
03 Chebyshev不等式
我们一直在强调，标准差(和方差)表示分布的离散程度。标准差越大，随机变量取值偏离平均值的可能性越大。如何定量的说明这一点呢？我们可以计算一个随机变量与期望偏离超过某个量的可能性。比如偏离超过2个标准差的可能性。即
P(|X−μ|>2σ)P(|X−μ|>2σ)
这个概率依赖于分布本身的类型。比如正态分布N(0,1)N(0,1)，这一概率即为x大于2，或者x小于-2的部分对应的曲线下面积：
实际上，无论μμ和σσ如何取值，对于正态分布来说，偏离期望超过两个标准差的概率都相同，约等于0.0455 (可以根据正态分布的表达式计算)。随机变量的取值有约95.545%的可能性落在正负两个标准差的区间内，即从-2到2。如果我们放大区间，比如正负三个标准差，这一概率超过99%。我们可以相当有把握的说，随机变量会落正负三个标准差之内。上面的论述并不依赖于标准差的具体值。这里可以看到标准差所衡量的“离散”的真正含义：如果取相同概率的极端值区间，比如上面的0.0455，标准差越大，该极端值区间距离中心值越远。
然而，上面的计算和表述依赖于分布的类型（正态分布）。如何将相似的方差含义套用在其它随机变量身上呢？
Chebyshev不等式让我们摆脱了对分布类型的依赖。它的叙述如下：
对于任意随机变量X，如果它的期望为μμ，方差为σ2σ2，那么对于任意t>0t>0，
P(|X−μ|>t)≤σ2tP(|X−μ|>t)≤σ2t
无论X是什么分布，上述不等式成立。我们让t=2σt=2σ，那么
P(|X−μ|>2σ)≤0.25P(|X−μ|>2σ)≤0.25
也就是说，X的取值超过两个正负标准差的可能性最多为25%。换句话说，随机变量至少有75%的概率落在正负两个标准差的范围内。（显然这是最“坏”的情况下。正态分布显然不是”最坏“的）
绘图代码如下：
from scipy.stats import normimport numpy as npimport matplotlib.pyplot as plt
# Note the difference in "scale", which is stdrv1 = norm(loc=0, scale = 1)
x1 = np.linspace(-5, -1, 100)x2 = np.linspace(1, 5, 100)x = np.linspace(-5, 5, 200)plt.fill_between(x1, rv1.pdf(x1), y2=0.0, color="coral")plt.fill_between(x2, rv1.pdf(x2), y2=0.0, color="coral")plt.plot(x, rv1.pdf(x), color="black", linewidth=2.0, label="N(0,1)")
plt.legendplt.grid(True)
plt.xlim([-5, 5])plt.ylim([-0.0, 0.5])
plt.title("normal distribution")plt.xlabel("RV")plt.ylabel("f(x)")
plt.show
03 MAD绝对中位值
中位数:统计学名词,是指将统计总体中的各个变量值按大小顺序排列起来形成一个数列,处于变量数列中间位置的变量值就称为中位数.
MAD:就是先求出给定数据的中位数(注意并非均值)然后原数列的每个值与这个中位数求出绝对差,然后新数列的中位值就是MAD
例如：
数据A:8,5,9,6,3,2,4,9 2,3,4,5,6,8,9
中位数 = 5
A - 5 = 3,0,4,1,2,3,1,4 0,1,1,2,3,3,4
MAD = 2.
04
总结
我们引入了一个新的分布描述量:方差-->它用于表示分布的离散程度.
标准差为方差的平方根!!!
方差越大,“极端区间”偏离中心越远!!!
