方差分析结果出现的1.586E+005是什么意思

方差怎么算啊 方差是什么东东啊 不太懂 最好有例题和解析 和方差的概念~

在概率论和数理统计中，方差（英文Variance）用来度量随机变量和其数学期望（即均值）之间的偏离程度。在许多实际问题中，研究随机变量和均值之间的偏离程度有着很重要的意义。
目录








概述
公式
方差的定义
方差的计算
方差的几个重要性质
常见随机变量的期望和方差
统计学的应用
切比雪夫不等式
展开
编辑本段概述
如下面的例子：
已知某零件的真实长度为a，现用甲、乙两台仪器各测量10次，将测量结果X用坐标上的点表示如图：
甲仪器测量结果：


乙仪器测量结果：


两台仪器的测量结果的均值都是 a 。但是用上述结果评价一下两台仪器的优劣，很明显，我们会认为乙仪器的性能更好，因为乙仪器的测量结果集中在均值附近。
由此可见,研究随机变量与其均值的偏离程度是十分必要的.那么,用怎样的量去度量这个偏离程度呢?容易看到E(|X-E(X)|)能度量随机变量与其均值E(X)的偏离程度. 但由于上式带有绝对值,运算不方便,通常用量
E{[X-E(X)]^2} 这一数字特征就是方差。
编辑本段公式
方差是实际值与期望值之差平方的期望值，而标准差是方差平方根。 在实际计算中，我们用以下公式计算方差。
方差是各个数据与平均数之差的平方的平均数,即 s^2=(1/n)[(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2] ，其中，x_表示样本的平均数，n表示样本的数量，^2表示平方，xn表示个体，而s^2就表示方差。
而当用(1/n)[(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2]作为总体X的方差的估计时，发现其数学期望并不是X的方差，而是X方差的(n-1)/n倍，[1/(n-1)][(x1-x_)^2+(x2-x_)^2+...+(xn-x_)^2]的数学期望才是X的方差，用它作为X的方差的估计具有“无偏性”，所以我们总是用[1/(n-1)]∑(Xi-X~)^2来估计X的方差，并且把它叫做“样本方差”。
方差，通俗点讲，就是和中心偏离的程度！用来衡量一批数据的波动大小（即这批数据偏离平均数的大小）。 在样本容量相同的情况下，方差越大，说明数据的波动越大，越不稳定 。
编辑本段方差的定义
设X是一个随机变量，若E{[X-E(X)]^2}存在，则称E{[X-E(X)]^2}为X的方差，记为D(X)或DX。
即D(X)=E{[X-E(X)]^2}称为方差，而σ(X)=D(X)^0.5（与X有相同的量纲）称为标准差（或均方差）。即用来衡量一组数据的离散程度的统计量。
方差刻画了随机变量的取值对于其数学期望的离散程度。
若X的取值比较集中，则方差D(X)较小；
若X的取值比较分散，则方差D(X)较大。
因此，D（X）是刻画X取值分散程度的一个量，它是衡量X取值分散程度的一个尺度。
编辑本段方差的计算
由定义知，方差是随机变量 X 的函数
g(X)=∑[X-E(X)]^2 pi
数学期望。即：



由方差的定义可以得到以下常用计算公式：
D(X)=∑xi²pi-E(x)²
D(X)=∑（xi²pi+E(X)²pi-2xipiE(X))
=∑xi²pi+∑E(X)²pi-2E(X)∑xipi
=∑xi²pi+E(X)²-2E(X)²
=∑xi²pi-E(x)²
方差其实就是标准差的平方。
编辑本段方差的几个重要性质
（1）设c是常数，则D(c)=0。
（2）设X是随机变量，c是常数，则有D(cX)=(c^2)D(X)。
（3）设 X 与 Y 是两个随机变量，则
D(X+Y)= D(X)+D(Y)+2E{[X-E(X)][Y-E(Y)]}
特别的，当X，Y是两个相互独立的随机变量，上式中右边第三项为0（常见协方差），
则D(X+Y)=D(X)+D(Y)。此性质可以推广到有限多个相互独立的随机变量之和的情况.
（4）D(X)=0的充分必要条件是X以概率为1取常数值c，即P{X=c}=1，其中E(X)=c。
编辑本段常见随机变量的期望和方差
设随机变量X。
X服从(0—1)分布，则E(X)=p D(X)=p(1-p)
X服从泊松分布，即X~ π(λ),则 E(X)= λ，D(X)= λ
X服从均匀分布，即X~U(a，b),则E(X)=(a+b)/2, D(X)=(b-a)^2/12
X服从指数分布，即X~e(λ), E(X)= λ^(-1)，D(X)= λ^(-2)
X服从二项分布，即X~B(n,p)，则E(x)=np, D(X)=np(1-p)
X 服从正态分布，即X~N(μ,σ^2), 则E(x)=μ, D(X)=σ^2
X 服从标准正态分布，即X~N(0,1), 则E(x)=0, D(X)=1
编辑本段统计学的应用
概念
样本中各数据与样本平均数的差的平方和的平均数叫做样本方差；样本方差的算术平方根叫做样本标准差。


样本方差和样本标准差都是衡量一个样本波动大小的量，样本方差或样本标准差越大，样本数据的波动就越大。
方差和标准差。方差和标准差是测算离散趋势最重要、最常用的指标。方差是各变量值与其均值离差平方的平均数，它是测算数值型数据离散程度的最重要的方法。标准差为方差的平方根，用S表示。标准差相应的计算公式为
标准差与方差不同的是，标准差和变量的计算单位相同，比方差清楚，因此很多时候我们分析的时候更多的使用的是标准差。
高考实例
（甘肃省，2002年）某校初三年级甲、乙两班举行电脑汉字输入速度比赛，两个班参加比赛的学生每分钟输入汉字的个数，经统计和计算后结果如下表所示：

班级 参加人数 平均字数 中位数 方差
甲 55 135 149 191
乙 55 135 151 110
有一位同学根据上表得出如下结论：
①甲、乙两班学生的平均水平相同；
②乙班优秀的人数比甲班优秀的人数多（每分钟输入汉字达150个以上为优秀）；
③甲班学生比赛成绩的波动比乙班学生比赛成绩的波动大．上述结论正确的是________（填序号）．
解：填①、②、③，显然①、③是正确的是．对于第②个结论，因为甲的中位数为149，表明甲班优秀人数未过半，而乙的中位数为151，表明乙班优秀人数在半数以上，故乙班优秀的人数比甲班优秀人数多，∴ ②正确．
编辑本段切比雪夫不等式
切比雪夫（Chebyshev）不等式
对于任一随机变量X ,若EX与DX均存在,则对任意ε＞0,
恒有P{|X-EX|>=ε}=1-DX/ε^2
切比雪夫不等式说明，DX越小，则 P{|X-EX|>=ε}
越小，P{|X-EX|<ε}越大， 也就是说，随机变量X取值基本上集中在EX附近，这进一步说明了方差的意义。
同时当EX和DX已知时，切比雪夫不等式给出了概率P{|X-EX|>=ε}的一个上界，该上界并不涉及随机变量X的具体概率分布，而只与其方差DX和ε有关，因此，切比雪夫不等式在理论和实际中都有相当广泛的应用。需要指出的是，虽然切比雪夫不等式应用广泛，但在一个具体问题中，由它给出的概率上界通常比较保守。
切比雪夫不等式是指在任何数据集中，与平均数超过K倍标准差的数据占的比例至多是1/K^2。
在概率论中，切比雪夫不等式显示了随机变数的「几乎所有」值都会「接近」平均。这个不等式以数量化这方式来描述，究竟「几乎所有」是多少，「接近」又有多接近：
与平均相差2个标准差的值，数目不多於1/4
与平均相差3个标准差的值，数目不多於1/9
与平均相差4个标准差的值，数目不多於1/16
……
与平均相差k个标准差的值，数目不多於1/K^2
举例说，若一班有36个学生，而在一次考试中，平均分是80分，标准差是10分，我们便可得出结论：少於50分（与平均相差3个标准差以上）的人，数目不多於4个（=36*1/9）。
开放分类：

方差分析：根据不同需要把某变量方差分解为不同的部分，比较它们之间的大小并用F检验进行显著性检验的方法。 又称“变异数分析”或“F检验”，是用于两个及两个以上样本均数差别的显著性检验。
F值是两个均方的比值[效应项/误差项]，不可能出现负值。F值越大[与给定显著水平的标准F值相比较]说明处理之间效果[差异]越明显，误差项越小说明试验精度越高。

扩展资料：
方差分析，又称“变异数分析”，是R.A.Fisher发明的，用于两个及两个以上样本均数差别的显著性检验。 由于各种因素的影响，研究所得的数据呈现波动状。造成波动的原因可分成两类，一是不可控的随机因素，另一是研究中施加的对结果形成影响的可控因素。
方差分析的基本原理是认为不同处理组的均数间的差别基本来源有两个：
(1) 实验条件，即不同的处理造成的差异，称为组间差异。用变量在各组的均值与总均值之偏差平方和的总和表示，记作SSb，组间自由度dfb。
(2) 随机误差，如测量误差造成的差异或个体间的差异，称为组内差异，用变量在各组的均值与该组内变量值之偏差平方和的总和表示， 记作SSw，组内自由度dfw。
总偏差平方和 SSt = SSb + SSw。
组内SSw、组间SSb除以各自的自由度(组内dfw =n-m，组间dfb=m-1，其中n为样本总数，m为组数)，得到其均方MSw和MSb，一种情况是处理没有作用，即各组样本均来自同一总体，MSb/MSw≈1。另一种情况是处理确实有作用，组间均方是由于误差与不同处理共同导致的结果，即各样本来自不同总体。那么，MSb>>MSw(远远大于)。
MSb/MSw比值构成F分布。用F值与其临界值比较，推断各样本是否来自相同的总体 。
方差是在概率论和统计方差衡量随机变量或一组数据时离散程度的度量。概率论中方差用来度量随机变量和其数学期望（即均值）之间的偏离程度。统计中的方差（样本方差）是每个样本值与全体样本值的平均数之差的平方值的平均数。在许多实际问题中，研究方差即偏离程度有着重要意义。
方差是衡量源数据和期望值相差的度量值。
1、设C是常数，则D（C）=0
2、设X是随机变量，C是常数，则有
3、设 X 与 Y 是两个随机变量，则
其中协方差 特别的，当X，Y是两个不相关的随机变量则
此性质可以推广到有限多个两两不相关的随机变量之和的情况。
4、D（X）=0的充分必要条件是X以概率1取常数E（X），即
（当且仅当X取常数值E（X）时的概率为1时，D（X）=0。）
注：不能得出X恒等于常数，当x是连续的时候X可以在任意有限个点取不等于常数c的值。
参考资料：百度百科-方差分析

即方差的结果是： D = 1.586×10^(5) = 158600
用科学计数法就是 D = 1.586E+005

---

洱源县18525012347： 在做方差分析时Significance F显示1.60343840957651E - 10什么意思? - ？
谷可牛黄： 这个就是用科学计数法 显示的sig 也就是p的值,所以你这里的值如果不用科学计数法 就是小数点后面有10个0的,很明显就是小于0.05的. 基本思想 方差分析的基本思想是:通过分析研究不同来源的变异对总变异的贡献大小,从而确定可控因...

洱源县18525012347： SPSS单因素方差分析出现这样的问题正常吗?差异性等于0 - ？
谷可牛黄： 很正常,显著性的值小于0.05即可表明差异显著.显示.000说明显著性小于0.001,是非常显著.这里看起来是0,但实际不可能完全是0,你在.000上面三击鼠标,会显示出实际数值.

洱源县18525012347： 单因素方差分析的零假设是什么?用什么统计量检验它 - ？
谷可牛黄： 单因素方差分析是指对单因素试验结果进行分析,检验因素对试验结果有无显著性影响的方法. 1. 单因素方差分析是指对单因素试验结果进行分析,检验因素对试验结果有无显著性影响的方法.单因素方差分析是两个样本平均数比较的引伸,...

洱源县18525012347： 正交设计助手方差分析中S值出现0是甚么情况 - ？
谷可牛黄： 首先你水平数叫1,2,3,因素也用容易混淆,改1下,因素用字母,A(氯化钠),B(EDTA2钠),C(异抗坏血酸钠)和D(草酸)Rj为第j列因素的极差,它越大说明对实验影响越大,所以依照它的大小判断因素的主次顺序.A(氯化钠)D(草酸)...

洱源县18525012347： 方差的取值范围?方差为0的数据有什么特点 - ？
谷可牛黄： 1) 方差的取值范围: [0,+∞) ; 2) 方差为0的数据特点是:所有数据都相等.

洱源县18525012347： 方差分析中弥补缺失数据的原则是什么? ？
谷可牛黄： 数据缺失多,能做重复测量方差分析.数据没有任何问题,是分析方法出了问题,使用单因素方差分析是错误的.单因素方差分析的因变量要求是定量变量,这个数据已经...

洱源县18525012347： 二次函数典型例题 - ？
谷可牛黄： 原发布者:x6190270典型例题-G-方差分析-2某企业准备用三种方法组装一种新的产品,为确定哪种方法每小时生产的产品数量最多,随机抽取了30名工人,并指定每个人使用其中的一种方法.通过对每个工人生产的产品数进行方差分析,得到...

洱源县18525012347： SPSS多因素方差分析中,出现这这样的结果,我是否可以直接看“多个比较”这个表,确定组间方差呢? - ？
谷可牛黄： 先看主效应,两两比较不一定要做

洱源县18525012347： r语言 怎么分析单因素方差分析的结果 - ？
谷可牛黄： 方差分析表中的SS表示平方和,MS表示均方,F是组间均方与组内均方的比例,P-value表示在相应F值下的概率值,F crit是在相应显著水平下的F临界值,在统计分析上可以通过P-value的大小来判断组间的差异显著性,通常情况下,当<=0.01有极显著差异,>0.05时没有显著差异,介于二者之间时有显著差异.也可通过F值来判断差异显著性,当F>=F crit时,有显著(或极显著)差异.顺便说一下,F检验只能在总体上来检验差异显著性,不能判别这些显著差异具体来自哪些处理间,若要分析,需要进行多重比较.

洱源县18525012347： 用spss做单因素方差分析,总是导出这种结果,怎么办? - ？
谷可牛黄： 也就是你的变量3.4.5.6.7中有一个组的样本的数量少于两个,这样系统没有给你进行多重检验,如果你不需要就可以直接用方差分析的结果,如果你需要多重检验的结果,你就需要对你的这些变量进行重新分组.