查看“︁逆方差加权”︁的源代码

[[统计学]]中，'''逆方差加权'''（{{lang-en|inverse-variance weighting}}）是一种对[[随机变量]]测量值进行加权平均的方法。每个随机变量被其方差的[[倒数]]加权。该方法可使平均值的[[方差]]最小。

若随机变量的一系列独立测量值为{{math|''y<sub>i</sub>''}}，其方差为{{math|''σ<sub>i</sub><sup>2</sup>''}}，则这些测量值的逆方差加权平均为<ref>{{Cite book
 |author1=Joachim Hartung |author2=Guido Knapp |author3=Bimal K. Sinha | title = Statistical meta-analysis with applications
 |url=https://archive.org/details/statisticalmetaa0000hart | year = 2008
 | publisher = John Wiley & Sons
 | isbn = 978-0-470-29089-7
}}</ref>
:<math> \hat{y} = \frac{\sum_i y_i / \sigma_i^2}{\sum_i 1/\sigma_i^2}. </math>

在所有加权平均方法中，逆方差加权平均的方差最小，为
:<math> D^2(\hat{y}) = \frac{1}{\sum_i 1/\sigma_i^2}. </math>

若各测量值的方差相等，则逆方差加权平均与简单平均相同。

逆方差加权通常在[[元分析]]中用来整合独立测量的结果。

== 参考文献 ==
{{Reflist}}

[[Category:統合分析]]
[[Category:估计理论]]