在統計學中，當我們需要對兩個獨立樣本進行分析時，常常會遇到需要計算它們合并后的方差的問題。這通常發生在我們希望將兩組數據視為一個整體，并且假設它們具有相同的總體方差的情況下。本文將詳細介紹如何從基本原理出發，推導出兩個樣本合并方差的計算公式。

背景知識

首先，回顧一下樣本方差的基本定義。對于一個樣本 \( X = \{x_1, x_2, ..., x_n\} \)，其樣本均值為：

\[ \bar{x} = \frac{\sum_{i=1}^{n} x_i}{n} \]

而樣本方差則定義為：

\[ s^2 = \frac{\sum_{i=1}^{n} (x_i - \bar{x})^2}{n-1} \]

這里分母使用 \( n-1 \) 是為了保證無偏估計。

問題設定

現在假設有兩個獨立樣本 \( A = \{a_1, a_2, ..., a_m\} \) 和 \( B = \{b_1, b_2, ..., b_n\} \)，分別有大小 \( m \) 和 \( n \)。我們想要計算這兩個樣本合并后的方差 \( S^2 \)。

合并均值的計算

合并后的總體均值 \( \bar{X} \) 可以表示為：

\[ \bar{X} = \frac{m\bar{A} + n\bar{B}}{m+n} \]

其中 \( \bar{A} \) 和 \( \bar{B} \) 分別是樣本 \( A \) 和 \( B \) 的均值。

合并方差的推導

根據樣本方差的定義，我們可以寫出合并樣本的方差 \( S^2 \) 如下：

\[ S^2 = \frac{(m-1)s_A^2 + (n-1)s_B^2}{m+n-1} + \frac{mn}{(m+n)(m+n-1)} (\bar{A} - \bar{B})^2 \]

推導過程

1. 加權平均平方和

首先考慮每個樣本內部的平方和，即 \( \sum_{i=1}^{m} (a_i - \bar{A})^2 \) 和 \( \sum_{j=1}^{n} (b_j - \bar{B})^2 \)。這些平方和分別乘以權重 \( \frac{m-1}{m+n-1} \) 和 \( \frac{n-1}{m+n-1} \)，得到加權后的總平方和。

2. 交叉項處理

由于兩個樣本是獨立的，因此在合并時還需要考慮兩者之間的差異貢獻。具體來說，就是 \( (\bar{A} - \bar{B})^2 \) 的部分，這部分需要額外乘以 \( \frac{mn}{m+n} \) 來反映兩組數據規模的影響。

3. 最終公式整合

將上述兩部分相加即可得到最終的合并方差公式。

實際應用

該公式廣泛應用于實驗設計、質量控制以及數據分析等領域。例如，在醫學研究中，當比較兩種治療方法的效果時，可能會收集到不同數量的患者數據，此時就需要用到這種合并方差的方法來評估整體療效。

通過以上推導可以看出，盡管公式看起來復雜，但其邏輯清晰且易于理解。掌握了這一方法后，可以更準確地處理涉及多個樣本的數據集問題。