逆方差加权

统计学中，逆方差加权（Template:Lang-en）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Template:Math，其方差为Template:Math，则这些测量值的逆方差加权平均为

$\hat{y}=\frac{\sum _i{y}_i/{\sigma }_i^2}{\sum _{i}1/{\sigma }_i^2}.$

在所有加权平均方法中，逆方差加权平均的方差最小，为

$D^2(\hat{y})=\frac{1}{\sum _{i}1/{\sigma }_i^2}.$

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。