Es ist nicht, zumindest nicht im statistischen Sinne. Was Sie tun, ist die (linear angenäherte) Änderung in zu findenj
erhalten, indem die Eingaben um ihre Standardabweichungen geändert werden. Das ist als grobe Annäherung in Ordnung, aber Sie können es fast ohne zusätzliche Arbeit besser machen.
Wenn Sie die tatsächliche Varianz und Standardabweichung von möchtenj
, die Formel ist anders. Vermuten
j= f(x1, … ,xn) =f0+∑ich = 1naichxich+∑ich = 1n∑j = ichnbich jxichxj+ O (x3) .
Zuerst können wir den Erwartungswert von berechnen
j
,
E( J) ≡j^
, ganz einfach:
j^=f0+∑ich = 1naichx^ich+ 2∑ich = 1n∑j = ich + 1nbich jx^ichx^j+∑ich = 1nbich ichE(x2ich) + Ö (x3) .
Dies folgt aus der Tatsache, dass die Erwartungen linear sind. Beachten Sie hier, dass wir davon ausgehen
xich
ist unabhängig von
xj
, es sei denn natürlich
ich = j
; So verteilt sich die Erwartung auf das Produkt. Wenn Ihre Eingaben korrelieren, schlägt diese einfache Analyse fehl. Beachten Sie auch, dass dies sehr nahe an dem liegt, was Sie als "Mittelwert" erraten würden
j
ist, aber nicht ganz. In zweiter Ordnung müssen Sie berücksichtigen, dass die Erwartungen der Quadrate der Eingaben nicht mit den Quadraten der Erwartungen übereinstimmen. Zumindest die Maxime „steck die besten Werte an
x
um den besten Wert zu erhalten
j
"funktioniert einwandfrei auf erste bestellung rein
x
.
Wir können dieses Ergebnis quadrieren und ergeben
j^2=f20+ 2f0∑ich = 1naichx^ich+ 4f0∑ich = 1n∑j = ich + 1nbich jx^ichx^j+ 2f0∑ich = 1nbich ichE(x2ich) +∑ich = 1n∑j = 1naichajx^ichx^j+ O (x3) .
In ähnlicher Weise haben wir
E(j2)= E(f20+ 2f0∑ich = 1naichxich+ 2f0∑ich = 1n∑j = ichnbich jxichxj+∑ich = 1n∑j = 1naichajxichxj) + Ö (x3)=f20+ 2f0∑ich = 1naichx^ich+ 4f0∑ich = 1n∑j = ich + 1nbich jx^ichx^j+ 2f0∑ich = 1nbich ichE(x2ich)+ 2∑ich = 1n∑j = ich + 1naichajx^ichx^j+∑ich = 1na2ichE(x2ich) + Ö (x3) .
Schließlich sind wir in der Lage, die Varianz von zu berechnenj
. Das ist einfach
( Δ y)2≡E _(j2) −j^2=∑ich = 1na2ich( E(x2ich) −x^2ich) + Ö (x3) .
Tatsächlich kann dieses Ergebnis vollständig in Bezug auf die ersten Ableitungen geschrieben werden,
aich
, und die Varianzen der Eingaben,
( Δxich)2
:
( Δ y)2≈∑ich = 1n(∂f∂xich)2( Δxich)2.
Die Standardabweichung
Δy _
, was Sie erwarten, wenn Sie es sehen
j=j^± Δy _
, ist einfach die Quadratwurzel davon:
Δy _≈(∑ich = 1n(∂f∂xich)2( Δxich)2)1/2 _ _.
Es ist diese Formel, die Menschen im Sinn haben, wenn sie Dinge sagen wie „Wir haben die Unsicherheiten in Quadratur addiert“, da dieses Ergebnis sehr allgemein anwendbar ist – es gilt immer dann, wenn wir eine kontinuierlich differenzierbare Funktion unabhängiger Eingaben mit bekannten Mittelwerten und Standardabweichungen haben.