MathLabs
定理已证明

线性变换对平均数与标准差的影响

命题陈述

若用常数 a,ba,b通过 yi=axi+by_i = ax_i+b 构造新数据集,则 yˉ=axˉ+b\bar y = a\bar x+b,新的标准差为 sy=∣a∣sxs_y = |a|s_x。

为什么成立?

把每个数据点都平移相同的量 bb,均值也会平移相同的量,但各点之间的相对分散程度不变;把每个点都乘以 aa,均值和分散程度都会按 aa 缩放(由于分散程度不能为负,所以用 ∣a∣|a|)。

证明思路

关于均值: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,这里用到 1n∑xi=xˉ\frac{1}{n}\sum x_i = \bar x 以及 1n∑i=1nb=b\frac{1}{n}\sum_{i=1}^{n}b = b。

关于分散程度,先注意到 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):常数平移 bb 完全抵消,只剩下经过缩放的偏差。

平方并取平均,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。两边开平方,由于平方根总是非负的,得到 sy=∣a∣sxs_y = |a|s_x。

用到此定理的主题

分步证明

该定理暂无分步证明。

参考文献

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