1.样本方差
#样本方差，考虑自由度
def f_sigma(x):
# 通过Python定义一个计算变量波动率的函数
# x：代表变量的样本值，可以用列表的数据结构输入
n = len(x)
u_mean = sum(x)/n #计算变量样本值的均值
z = [] #生成一个空列表
for t in range(n):
z.append((x[t]-u_mean)**2)
return (sum(z)/(n-1))**0.5 # n-1 自由度
a = f_sigma(x = [1,2,3])
print('样本方差：', a)
2.总体方差
#总体方差，总体个数
def f_sigma(x):
# 通过Python定义一个计算变量波动率的函数
# x：代表变量的样本值，可以用列表的数据结构输入
n = len(x)
u_mean = sum(x)/n #计算变量样本值的均值
z = [] #生成一个空列表
for t in range(n):
z.append((x[t]-u_mean)**2)
return (sum(z)/n)**0.5 # n 总体个数
a = f_sigma([1,2,3])
print('总体方差：', a)
3.两者区别
#样本方差，考虑自由度
def f_sigma(x):
# 通过Python定义一个计算变量波动率的函数
# x：代表变量的样本值，可以用列表的数据结构输入
n = len(x)
u_mean = sum(x)/n #计算变量样本值的均值
z = [] #生成一个空列表
for t in range(n):
z.append((x[t]-u_mean)**2)
return (sum(z)/(n-1))**0.5 # n-1 自由度
a = f_sigma(x = [1,2,3])
print('样本方差：', a)
#总体方差，总体个数
def f_sigma(x):
# 通过Python定义一个计算变量波动率的函数
# x：代表变量的样本值，可以用列表的数据结构输入
n = len(x)
u_mean = sum(x)/n #计算变量样本值的均值
z = [] #生成一个空列表
for t in range(n):
z.append((x[t]-u_mean)**2)
return (sum(z)/n)**0.5 # n 总体个数
a = f_sigma([1,2,3])
print('总体方差：', a)
