平均、分散、不偏分散

データ {2, 3, 6, 7, 10}

5つのデータ（2, 3, 6, 7, 10）の平均値や分散について解説します。

$x_i ( i=1, 2, 3, 4, 5 )$

$x_i =\{2, 3, 6, 7, 10\} $

x <- c(2, 3, 6, 7, 10)
View(x)

平均

$\overline{x_i}=\dfrac{\sum_{i=1}^{n}(x_i)}{n}$

sum(x) / length(x)

#Rの関数
mean(x)

二乗平均

$\dfrac{\sum_{i=1}^{n}(x_i^2)}{n}$

mean(x^2) 

分散

$\dfrac{\sum_{i=1}^{n}(x_i-\overline{x_i})^2}{n}$

$\dfrac{\sum_{i=1}^{n}x_i^2}{n}-\overline{x_i}^2$

sum((x - mean(x))^2) / length(x)

sum(x^2) / length(x) - (mean(x))^2

注意）Rの関数varは不偏分散なので、標本分散を求める場合は以下のようになります

var(x)*(length(x)-1)/length(x)

標準偏差

$\sqrt{x_iの分散}$

sqrt((1/length(x))*sum((x-mean(x))^2))

sqrt(sum(x^2) / length(x) - (mean(x))^2)

注意）Rの関数 sd は不偏標準偏差なので、標準偏差を求めるためには以下のようになります

sd(x)*sqrt((length(x)-1)/length(x))

2, 3, 6, 7, 10 が確率変数（離散型）の場合

$x_i =2, 3, 6, 7, 10$ を確率変数と仮定します

袋の中に 2, 3, 6, 7, 10 の数値が書いてある球が入っています

2, 3, 6, 7, 10 を取り出す確率は一定で \dfrac{1}{5}$ となります

確率質量関数　$f(x)＝\dfrac{1}{5}$　（離散一様分布）

期待値 $E[X] = \sum{x}*f(x) $

$= 2\frac{1}{5}+3\frac{1}{5}+6\frac{1}{5}+7\frac{1}{5}+10\frac{1}{5}$

$= \dfrac{1}{5}*sum(x)$

sum(x)/5

サイコロの例をよく見かけます「1, 2, 3, 4, 5, 6」

この場合の期待値は $E[X] = \dfrac{N+1}{2}=3.5$ という公式が本やネットで紹介されています。しかしこの公式は、等間隔で並ぶ一連の整数で構成される離散変数のみに当てはまります。今回の例のように不規則な離散変数の場合、期待値は $E[X] = \sum{x}*f(x) $ となります。これはサイコロにも該当するので、$\dfrac{N+1}{2}$ は覚えなくてもよい、いや覚えない方がよいと思います（私見）。

分散 $V[X]$

$V[X]=E\{(X-E[X])^2\}$

$= \sum\{(x-E[X])^2*f(x)\}$ 

m <- sum(x)/5
sum((x - m)^2)/5

他の求め方

$V[X]=E\{(X-E[X])^2\} = E[X^2]-(E[X])^2$ より

$V[X]　= sum(x^2)*\dfrac{1}{10}-(sum(x)*\dfrac{1}{10})^2$

確認

sum(x^2)/5 - (sum(x)/5)^2

下の袋のように、同じ数字が含まれる場合は、確率が異なります。

3を取り出す確率は1/3、他は1/6となります。

期待値$E[X]$

$E[X] = \sum{x}*f(x) $

exp <- 2*(1/6)+3*(1/3)+6*(1/6)+7*(1/6) + 10*(1/6)
print(exp)

分散$V[X]$

$V[X]=E\{(X-E[X])^2\}$

(2-exp)^2/6 + (3-exp)^2/3 + (6-exp)^2/6 + (7-exp)^2/6 + (10-exp)^2/6 

$V[X]= E[X^2]-(E[X])^2$

2^2/6 + 3^2/3 + 6^2/6 + 7^2/6 + 10^2/6 - exp^2

生成AIも同じ回答ですので、ご安心ください！

2, 3, 6, 7, 10 が標本の場合

 母集団から分析のために選びだされた要素、またはその属性値を標本(サンプル)と呼ぶ．

東京大学出版会;統計学入門,2004,p176

標本平均 $\overline{x}= \dfrac{1}{n}\sum(x_i) = \dfrac{ 2 + 3 + 6 + 7 + 10 }{5} = 5.6$

標本分散 $s^2 = \dfrac{1}{n}\sum((x_i-\overline{x})^2) = 8.24$

サンプルは実際の測定値なのですが、確率変数として捉えて期待値（平均値、予測値など）を推定する場合があります

例えば標本平均 $\overline{x}$ は実際の平均なのですが、母集団の平均の推定値（期待値） $E[X]$ として考えることができます

標本$( 2, 3, 4, 6, 10 )$が、母集団分布（ 母平均 $\mu$ , 母分散 $\sigma^2$ ）に従う独立な確率変数とします

標本平均の期待値

標本平均の期待値 $E[ \overline{x} ] =  E (\dfrac{2 + 3 + 6 + 7 + 10}{5}) $

$=\dfrac{1}{5}(E(2) + E(3) + E(6) + E(7) + E(10))$

$= \dfrac{1}{5}(\mu+\mu+\mu+\mu+\mu+\mu)$

$=  \mu$

つまり 標本平均の期待 $E[\overline{x}] \risingdotseq 母平均 \mu$ ということになります

さらにn → ∞ の場合、$E[標本平均]$  は母平均に収束していきます（大数の法則）

標本平均の分散

$V[ \overline{x}]= V[\dfrac{1}{n}\sum(x_i) ]$

$= V[\dfrac{1}{6}(1 + 2 + 3 + 4 + 5 + 6)]$

$=\dfrac{1}{6^2}(V(1) + V(2) + V(3) + V(4) + V(5) + V(6))$

$=\dfrac{1}{6^2}(\sigma^2 + \sigma^2 + \sigma^2 + \sigma^2 + \sigma^2 + \sigma^2)$

$=\dfrac{\sigma^2}{6}$

$V[ \overline{x}] = \dfrac{\sigma^2}{n}$

標準誤差（SE：Standard Error）

平均値の標準誤差とは「同じ条件で複数回調査と平均値の算出を繰り返した場合の平均値の標準偏差」である

西内啓、統計学が最強の学問である［実践編］データ分析のための思想と方法

つまりサンプル平均の分散の平方根ということになります

$V[ \overline{x}]=\dfrac{\sigma^2}{n}$ より

$SE = \sqrt{\dfrac{\sigma^2}{n}} = \dfrac{\sigma}{\sqrt{n}}$

生成AI様に尋ねる場合は、「母集団平均a, 母集団分布bから抽出された サンプルx={2, 3, 6, 7, 10} があります。xの平均の期待値と分散を求める考え方と標準誤差の関係について教えてください。」というような質問をしてみてください！

不偏分散

$ s^2 = \dfrac{1}{n-1}\sum_{i=1}^{i=n}({x_i-\overline{x})^2}$

$s^2$ を母分散 $\sigma^2$ の不変推定量、あるいは不偏分散（unbiased variance）という

東京大学出版会;統計学入門,2004,p184

Rで不偏分散を求める

var(x)

chatGPTに確認してもらいましょう

間違いないようです

z値とt値

標本ｘが正規分布$N( \mu , \ \sigma^2 )$に従う場合

$Zvalue = \dfrac{標本平均\ – \ 母平均}{\sqrt{母分散}}$

$= \dfrac{\overline{x}\ – \ \mu}{\sigma}$

しかし推定の場合には母分散は未知の場合が多い

そこで・・・

標本平均の$\sqrt{標本不偏分散}$を使用してt値を求めます (不偏標準偏差と呼ばれることもある)

$Tvalue = \dfrac{標本平均\ -\ 母平均}{\sqrt{標本不偏分散}}=\dfrac{\overline{x}\ – \ \mu}{s}$

これは正規分布には従わず、自由度 $n-1$ の t分布 に従います

付録

chat GPTの答え

分散の違いについてChatGPT様にお尋ねしてみました

分散の演算の重要な性質

$V($ 定数 $) = 0$
$V( X +$ 定数$ ) = V(X)$
$V( X + Y ) = V(X)+V(Y)$
$V( cX ) = c^2*V(X)$

証明

なぜ不偏分散はn-1で割るのか？

西内啓、統計学が最強の学問である［実践編］データ分析のための思想と方法　数学的補足p6-12