Differences

This shows you the differences between two versions of the page.

--- mean_and_variance_of_the_sample_mean [2020/12/05 18:29] – [Mean of the sample mean] hkimscil
+++ mean_and_variance_of_the_sample_mean [2025/03/26 03:32] (current) – [Mean of the sample mean] hkimscil
@@ Line 8: / Line 8: @@
 E[X+Y] &=& E[X] + E[Y] \\
 Var[aX] &=& a^{\tiny{2}} Var[X] \\
-Var[X+Y] &=& Var[X] + Var[Y]
+Var[X+Y] &=& Var[X] + Var[Y]  \\
+Var[X-Y] &=& Var[X] + Var[Y]
 \end{eqnarray*}
 </WRAP>
 ====== Mean of the sample mean ======
-평균이 (mean) $\mu$ 이고, 분산이 (variance) $\sigma^{2}$ 인 모집단에서 (population) 독립적으로 추출되어 관촬되는 $X_{1}, X_{2}, . . . , X_{n}$ 이 있다고 하자. 이 샘플링은 아래와 같이 도식화되어 생각될 수 있다.
+평균이 (mean) $\mu$ 이고, 분산이 (variance) $\sigma^{2}$ 인 모집단에서 (population) 독립적으로 추출되어 관찰되는 $X_{1}, X_{2}, . . . , X_{n}$ 이 있다고 하자. 이 샘플링은 아래와 같이 도식화되어 생각될 수 있다.
 \begin{eqnarray*}
 X_{1}, X_{2}, X_{3}, . . . , X_{n} \\
@@ Line 29: / Line 30: @@
 \end{eqnarray*}
-한편, $\overline{X}$ 는
+한편, $\overline{X}$ (평균) 값은
-\begin{eqnarray*}
+\begin{align*}
-\overline{X} = \dfrac {X_{1} + X_{2} + . . . + X_{n}} {n} \\
+\overline{X} & = \dfrac {X_{1} + X_{2} + . . . + X_{n}} {n} \\
-\end{eqnarray*}
+\end{align*}
+이라고 표현할 수 있다. 이에 대한 기대값은 (샘플평균들의 기대값 = 샘플평균들의 평균) 아래처럼 표현 된다.
 \begin{align*}
 E\left[\overline{X}\right] & = E \left[ \dfrac {X_{1} + X_{2} + . . . + X_{n}} {n} \right] \\
 & = \left( \frac{1}{n} \right) E \left[ X_{1} + X_{2} + . . . + X_{n} \right] \\
-& = \left( \frac{1}{n} \right) \left(E \left[ X_{1} + X_{2} + . . . + X_{n} \right] \right)\\
+& = \left( \frac{1}{n} \right) \left(E \left[X_{1} + X_{2} + . . . + X_{n} \right] \right) \\
-& = \left( \frac{1}{n} \right) \left(E[X_{1}] + E[X_{2}] + . . . + E[X_{n}]\right)\\
+& = \left( \frac{1}{n} \right) \left(E[X_{1}] + E[X_{2}] + . . . + E[X_{n}]\right) \\
 & = \left( \frac{1}{n} \right) \left(\mu + \mu + . . . + \mu\right)\\
 & = \left( \frac{1}{n} \right) (n \mu)\\
-& = \mu
+& = \mu \\ \\ \\
-E\left[\overline{X}\right] & = \mu \\
+E\left[\overline{X}\right] & = \mu_{\overline{X}} = \mu \\
-\mu_{\overline{X}} & = \mu
 \end{align*}
+이렇게 샘플 평균들의 기대값은 (샘플 평균들의 평균은) 원래 모집단의 기대값이 된다.
@@ Line 51: / Line 53: @@
 ====== Variance of the sample mean ======
-\begin{eqnarray*}
+\begin{align*}
-Var[\overline{X}] & = & Var \left[ \dfrac {X_{1} + X_{2} + . . . + X_{n}} {n} \right] \\
+Var\left[\overline{X}\right] & = Var \left[ \dfrac {X_{1} + X_{2} + . . . + X_{n}} {n} \right] \\
-& = & (\frac{1}{n})^2 Var \left[ X_{1} + X_{2} + . . . + X_{n} \right] \\
+& = \left(\frac{1}{n}\right)^2 Var \left[ X_{1} + X_{2} + . . . + X_{n} \right] \\
-& = & (\frac{1}{n})^2 (Var[X_{1} + X_{2} + . . . + X_{n}]) \\
+& = \left(\frac{1}{n}\right)^2 \left(Var[X_{1} + X_{2} + . . . + X_{n}]\right) \\
-& = & (\frac{1}{n})^2 (Var[X_{1}] + Var[X_{2}] + . . . + Var[X_{n}])\\
+& = \left(\frac{1}{n}\right)^2 \left(Var[X_{1}] + Var[X_{2}] + . . . + Var[X_{n}]\right)\\
-& = & (\frac{1}{n})^2 (\sigma^2 + \sigma^2 + . . . + \sigma^2) \\
+& = \left(\frac{1}{n}\right)^2 \left(\sigma^2 + \sigma^2 + . . . + \sigma^2\right) \\
-& = & \frac{1}{n^2} n \sigma^2 \\
+& = \frac{1}{n^2} n \sigma^2 \\
-& = & \frac{\sigma^2}{n}
+& = \frac{\sigma^2}{n}  \\
-\end{eqnarray*}
+\\
+\\
+Var\left[\overline{X}\right]  & = \frac{\sigma^2}{n} \\
+\sigma_{\overline{X}}^{2} & = \frac{\sigma^2}{n} \\
+\sigma_{\overline{X}}  & = \frac{\sigma}{\sqrt{n}} \\
+\end{align*}
-\begin{eqnarray*}
+위는 샘플 평균들의 집합에서 나타나는 분산값은 원래 모집단의 (population의) 분산값을 샘플의 크기, n으로 나누어 준 값을 갖는다는 것을 보여준다.
-Var[\overline{X}] & = & \frac{\sigma^2}{n} \\
-\sigma_{\overline{X}}^{2} & = & \frac{\sigma^2}{n} \\
-\sigma_{\overline{X}}  & = & \frac{\sigma}{\sqrt{n}} \\
-\end{eqnarray*}