python - python 中的 numpy var() 和 statistics variance() 有什么区别？

Question

我正在尝试一个 Dataquest 练习，我发现我得到的方差对于两个包是不同的。

例如 [1,2,3,4]

from statistics import variance
import numpy as np
print(np.var([1,2,3,4]))
print(variance([1,2,3,4]))
//1.25
//1.6666666666666667

练习的预期答案是用np.var()

计算的

编辑我猜它必须这样做，后者是样本方差而不是方差。谁能解释一下区别？

Answer 1

使用这个

print(np.var([1,2,3,4],ddof=1))

1.66666666667

Delta Degrees of Freedom:计算中使用的除数是 N - ddof，其中 N 代表元素的数量。默认情况下，ddof 为零。

平均值通常计算为 x.sum()/N，其中 N = len(x)。但是，如果指定了 ddof，则使用除数 N - ddof。

在标准统计实践中，ddof=1 提供了假设的无限总体方差的无偏估计量。 ddof=0 提供正态分布变量方差的最大似然估计。

像 numpy 这样的统计库使用方差 n 作为他们所说的 var 或方差和标准差

有关更多信息，请参阅此文档:numpy doc