हां, आपको समान परिणाम देने के लिए दोनों उदाहरणों (बिना भार के बनाम भारित) की अपेक्षा करनी चाहिए।
मैंने विकिपीडिया लेख से दो एल्गोरिदम लागू किए हैं।
यह एक काम करता है:
यदि सभी xi समान वितरण से तैयार किए गए हैं और पूर्णांक भार wi , तो मैं नमूने में घटना की आवृत्ति को इंगित करता हूं , तो भारित जनसंख्या विचरण के निष्पक्ष अनुमानक द्वारा दिया जाता है:
s2 =1V1−1∑Ni=1wi(xi−μ∗)2,
हालांकि यह एक (आंशिक वजन का उपयोग करके) मेरे लिए काम नहीं करता है:
xi1/wi
s2 =V1V21−V2∑Ni=1wi(xi−μ∗)2
मैं अभी भी उन कारणों की जांच कर रहा हूं जो दूसरे समीकरण के अनुसार काम नहीं करते हैं।
/ संपादित करें: मैंने सोचा था कि दूसरे समीकरण के काम नहीं करने का कारण मिला: आप दूसरे समीकरण का उपयोग केवल तभी कर सकते हैं जब आपके पास वजन या भिन्नता ("विश्वसनीयता") भार है, और यह निष्पक्ष नहीं है, क्योंकि यदि आप नहीं करते हैं "रिपीट" वेट का उपयोग करें (किसी अवलोकन की संख्या की गणना करते समय और इस प्रकार आपके गणित कार्यों में दोहराया जाना चाहिए), आप कुल टिप्पणियों की संख्या की गणना करने की क्षमता खो देते हैं, और इस प्रकार आप एक सुधार कारक का उपयोग नहीं कर सकते हैं।
तो यह आपके परिणामों में भारित और गैर-भारित विचरण का उपयोग करते हुए अंतर बताता है: आपकी गणना पक्षपाती है।
इस प्रकार, यदि आप एक निष्पक्ष भारित विचरण करना चाहते हैं, तो केवल "पुनरावृत्ति" भार का उपयोग करें और मेरे द्वारा ऊपर पोस्ट किए गए पहले समीकरण का उपयोग करें। यदि यह संभव नहीं है, तो ठीक है, आप इसकी मदद नहीं कर सकते।
यदि आप अधिक जानकारी चाहते हैं तो मैंने विकिपीडिया के लेख को भी अपडेट किया है:
http://en.wikipedia.org/wiki/Weighted_arithmetic_mean#Weighted_sample_variance
और निष्पक्ष भारित सहसंयोजक के बारे में एक जुड़ा हुआ लेख (जो वास्तव में ध्रुवीकरण पहचान के कारण एक ही रूपांतर है ):
भारित निष्पक्ष नमूना सहसंयोजक के लिए सही समीकरण