MathLabs
Định lýĐã chứng minh

Ảnh hưởng của phép biến đổi tuyến tính lên trung bình và độ lệch chuẩn

Phát biểu

Nếu một bộ dữ liệu mới được tạo bởi yi=axi+by_i = ax_i+b với các hằng số a,ba,b, thì yˉ=axˉ+b\bar y = a\bar x+b và độ lệch chuẩn mới là sy=∣a∣sxs_y = |a|s_x.

Vì sao đúng?

Dịch mỗi điểm dữ liệu cùng một lượng bb sẽ dịch trung bình đi cùng lượng đó nhưng không thay đổi mức độ phân tán tương đối giữa các điểm; nhân mỗi điểm với aa sẽ nhân cả trung bình và độ phân tán với aa (dùng ∣a∣|a| vì độ phân tán không thể âm).

Phác thảo chứng minh

Với trung bình: yˉ=1n∑i=1nyi=1n∑i=1n(axi+b)=an∑i=1nxi+1n∑i=1nb=axˉ+b\bar y = \frac{1}{n}\sum_{i=1}^{n}y_i = \frac{1}{n}\sum_{i=1}^{n}(ax_i+b) = \frac{a}{n}\sum_{i=1}^{n}x_i + \frac{1}{n}\sum_{i=1}^{n}b = a\bar x + b, dùng 1n∑xi=xˉ\frac{1}{n}\sum x_i = \bar x và 1n∑i=1nb=b\frac{1}{n}\sum_{i=1}^{n}b = b.

Với độ phân tán, trước tiên chú ý yi−yˉ=(axi+b)−(axˉ+b)=a(xi−xˉ)y_i-\bar y = (ax_i+b)-(a\bar x+b) = a(x_i-\bar x): độ dịch hằng số bb triệt tiêu hoàn toàn, chỉ còn lại độ lệch đã được nhân lên.

Bình phương rồi lấy trung bình, sy2=1n∑i=1n(yi−yˉ)2=1n∑i=1na2(xi−xˉ)2=a2sx2s_y^2 = \frac{1}{n}\sum_{i=1}^{n}(y_i-\bar y)^2 = \frac{1}{n}\sum_{i=1}^{n}a^2(x_i-\bar x)^2 = a^2 s_x^2. Lấy căn bậc hai hai vế cho sy=∣a∣sxs_y = |a|s_x, vì căn bậc hai luôn không âm.

Chủ đề chứa định lý này

Chứng minh từng bước

Chưa có chứng minh từng bước cho định lý này.

Tài liệu tham khảo

  1. David Freedman, Robert Pisani, Roger Purves (2007). Statistics
  2. David S. Moore, William I. Notz (2020). The Basic Practice of Statistics