Varianz (Stochastik)
In der Stochastik ist die Varianz eine wichtige Kenngröße der Wahrscheinlichkeitsverteilung einer reellen Zufallsvariablen. Sie beschreibt die erwartete quadratische Abweichung der Zufallsvariablen von ihrem Erwartungswert. Damit stellt die Varianz das zweite zentrale Moment der Zufallsvariablen dar. Die Quadratwurzel der Varianz wird Standardabweichung der Zufallsvariablen genannt.
Die Varianz ist translationsinvariant und eine homogene Funktion zweiten Grades. Die Varianz einer Summe unkorrelierter Zufallsvariablen ist gleich der Summe ihrer Varianzen. Ein wichtiges Hilfsmittel zur Berechnung der Varianz stellt der Verschiebungssatz dar. Die Varianz kann mit einem Varianzschätzer, etwa ihrer empirischen Entsprechung, der Stichprobenvarianz, geschätzt werden.
Definition
Es sei eine reelle Zufallsvariable, die integrierbar ist, das heißt, es gilt . Dann existiert ihr Erwartungswert , und man definiert die Varianz von wie folgt:
Ist quadratisch integrierbar, gilt also , so ist die Varianz endlich. Die Varianz wird auch als , oder einfach als notiert.
Berechnung bei diskreten Zufallsvariablen
Eine reelle Zufallsvariable mit einem endlichen oder abzählbar unendlichen Wertebereich wird diskret genannt. Ihre Varianz berechnet sich dann als
Hierbei ist die Wahrscheinlichkeit, dass den Wert annimmt, und
der Erwartungswert von . Die Summen erstrecken sich jeweils über alle Werte, die die Zufallsvariable annehmen kann.
Berechnung bei stetigen Zufallsvariablen
Wenn eine Zufallsvariable eine Wahrscheinlichkeitsdichtefunktion hat, gilt
wobei
Rechenregeln
Verschiebungssatz
Varianzen lassen sich oft einfacher mit Hilfe des Verschiebungssatzes
berechnen, da hierzu außer dem Erwartungswert von
nur noch der Erwartungswert von
bestimmt werden muss.
Diskret bedeutet das:
Am Computer ist diese Art der Berechnung aber zu vermeiden, da es bei der Verwendung von Fließkommazahlen leicht zu katastrophaler Auslöschung kommen kann.
Lineare Transformation
Für reelle Zahlen und gilt
Dies kann mittels des Verschiebungssatzes hergeleitet werden:
Insbesondere für und folgt
Varianz von Summen von Zufallsvariablen
Für die Varianz einer beliebigen Summe von Zufallsvariablen gilt allgemein
Hierin bezeichnet die Kovarianz der Zufallsvariablen und und es wurde verwendet, dass gilt. Speziell für zwei Zufallsvariablen und ergibt sich beispielsweise
Sind die Zufallsvariablen paarweise unkorreliert, das heißt ihre Kovarianzen sind alle gleich Null, dann folgt:
Dieser Satz wird auch als Gleichung von Bienaymé bezeichnet. Er gilt insbesondere dann, wenn die Zufallsvariablen unabhängig sind, denn aus Unabhängigkeit folgt Unkorreliertheit.
Charakteristische Funktion
Die Varianz einer Zufallsvariablen lässt sich auch mit Hilfe ihrer charakteristischen Funktion darstellen. Wegen und folgt nämlich mit dem Verschiebungssatz
Momenterzeugende Funktion
Da für die momenterzeugenden Funktion der Zusammenhang
gilt, lässt sich die Varianz damit auf folgende Weise berechnen:
Wahrscheinlichkeitserzeugende Funktion
Auch mit der wahrscheinlichkeitserzeugenden Funktion
lässt sich für diskrete die Varianz berechnen. Es gilt dann
- ,
falls der linksseitige Grenzwert existiert.
Kumulantenerzeugende Funktion
Die kumulantenerzeugende Funktion einer Zufallsvariable ist definiert als
- .
Leitet man sie zweimal ab und wertet sie an der Stelle 0 aus, so erhält man die Varianz:
- .
Die zweite Kumulante ist also die Varianz.
Varianz einer zusammengesetzten Zufallsvariable
Ist eine zusammengesetzte Zufallsvariable, sprich sind unabhängige Zufallsvariablen und sind die identisch verteilt und ist auf definiert, so lässt sich darstellen als
- .
Existieren die zweiten Momente von , so gilt
- .
Diese Aussage ist auch als Blackwell-Girshick-Gleichung bekannt.
Beziehung zur Kovarianz
Die Kovarianz steht mit der Varianz in folgender Beziehung:
- .
Die folgt direkt aus den Definitionen. Des Weiteren gilt die Cauchy-Schwarzsche Ungleichung
- ,
da die Kovarianz eine positiv semidefinite Bilinearform ist.
Beispiele
Diskrete Zufallsvariable
Gegeben ist eine diskrete Zufallsvariable , welche die Werte , und mit je den Wahrscheinlichkeiten , und annimmt. Der Erwartungswert beträgt
und die Varianz ist demnach
Mit dem Verschiebungssatz erhält man ebenfalls
Für die Standardabweichung ergibt sich damit
Stetige Zufallsvariable
Eine stetige Zufallsvariable habe die Dichtefunktion
- .
Mit dem Erwartungswert von
und dem Erwartungswert von
berechnet sich die Varianz mit Hilfe des Verschiebungssatzes als
Verwandte Begriffe
Fasst man die Varianz als Streumaß der Verteilung einer Zufallsvariable auf, so ist sie mit den folgenden Streumaßen verwandt:
- Der Variationskoeffizient ist eine normierte Variante der Varianz und damit ein dimensionsloses Streuungsmaß.
- Der Quantilabstand zum Parameter gibt an, wie weit das - und das -Quantil voneinander entfernt sind.
- Die mittlere absolute Abweichung als erstes zentriertes Moment.
In der Statistik gibt es noch weitere empirische Streumaße, die sich aber nicht alle sinnvoll für Verteilungen definieren lassen.
Verallgemeinerungen
Im Falle eines reellen Zufallsvektors mit quadratisch integrierbaren Komponenten verallgemeinert sich die Varianz zu der Kovarianzmatrix eines Zufallsvektors:
Dabei ist der Vektor der Erwartungswerte. Der Eintrag der -ten Zeile und -ten Spalte der Kovarianzmatrix ist . In der Diagonale stehen also die Varianzen der einzelnen Komponenten.
Analog zu bedingten Erwartungswerten lassen sich beim Vorliegen von Zusatzinformationen, wie beispielsweise den Werten einer weiteren Zufallsvariablen, bedingte Varianzen betrachten.
Basierend auf einem Artikel in: Wikipedia.de Seite zurück© biancahoegel.de
Datum der letzten Änderung: Jena, den: 28.11. 2019