Wikipedia makalesinde "Varyans hesaplama algoritmaları" başlıklı bir bölüm , gözlemlerinize öğeler eklenirse varyansın nasıl hesaplanacağını gösterir. (Standart sapmanın varyansın karekökü olduğunu unutmayın.) Dizinize eklediğinizi varsayalım , ardındanxn+1
σ2new=σ2old+(xn+1−μnew)(xn+1−μold).
DÜZENLEME : Yukarıdaki formül yanlış görünüyor, açıklamaya bakın.
Şimdi, bir öğeyi değiştirmek, gözlem eklemek ve başka bir öğeyi kaldırmak anlamına gelir; her ikisi de yukarıdaki formülle hesaplanabilir. Ancak, sayısal kararlılık sorunlarının ortaya çıkabileceğini unutmayın; alıntılanan ürün aynı zamanda sayısal olarak kararlı varyantlar da önermektedir.
Formülü kendiniz türetmek için , örnek varyans tanımını kullanarak değerini hesaplayın ve uygun olduğunda verdiğiniz formülle μ n e w yerine koyun . Bu verir σ 2 n- e ağırlık - σ 2 O l d , böylece bir formül sonunda ve σ n e ağırlık verilen σ o L d ve(n−1)(σ2new−σ2old)μnewσ2new−σ2oldσnewσold . Benim gösterimde, sana eleman yerine varsayalım x n tarafından x ' n :μoldxnx′n
σ2(n−1)(σ2new−σ2old)===(n−1)−1∑k(xk−μ)2∑k=1n−1((xk−μnew)2−(xk−μold)2)+ ((x′n−μnew)2−(xn−μold)2)∑k=1n−1((xk−μold−n−1(x′n−xn))2−(xk−μold)2)+ ((x′n−μold−n−1(x′n−xn))2−(xn−μold)2)
Toplamdaki , μ o l d' ye bağımlı bir şeye dönüşür , ancak düzgün bir sonuç elde etmek için denklemi biraz daha çalıştırmanız gerekir. Bu size genel bir fikir vermelidir.xkμold