如何用R计算样本量递增时的累积方差

你可以通过以下几种方式为数据框添加累积方差列，满足“每行记录当前及之前所有variable值的方差”的需求：

方法1：使用purrr包（简洁高效） #

library(purrr)

# 生成可复现的测试数据
set.seed(123)
data <- data.frame(run = 1:10, variable = runif(10))

# 计算累积方差，第一行设为NA（单个值无方差）
data$cum_var <- map_dbl(1:nrow(data), ~var(data$variable[1:.x]))
data$cum_var[1] <- NA

方法2：Base R实现（无需额外包） #

set.seed(123)
data <- data.frame(run = 1:10, variable = runif(10))

# 循环计算每行的累积方差
data$cum_var <- sapply(1:nrow(data), function(i) {
  if (i == 1) NA else var(data$variable[1:i])
})

验证结果 #

运行上述代码后，数据框会新增cum_var列，结果如下：

print(data)
#    run   variable    cum_var
# 1    1 0.28757752         NA
# 2    2 0.78830514 0.12524084
# 3    3 0.40897692 0.06093114
# 4    4 0.88301740 0.06725104
# 5    5 0.94046728 0.07840874
# 6    6 0.04555650 0.15881884
# 7    7 0.52810549 0.13809772
# 8    8 0.89241904 0.13043347
# 9    9 0.55143501 0.12112443
# 10  10 0.45661474 0.11366764

注意事项 #

• var()函数默认计算样本方差（自由度为n-1），如果需要计算总体方差（自由度为n），可以替换为自定义计算式：

  # 总体方差计算示例
  data$cum_pop_var <- sapply(1:nrow(data), function(i) {
    if (i == 1) NA else {
      x <- data$variable[1:i]
      sum((x - mean(x))^2) / length(x)
    }
  })
  

• 加入set.seed(123)是为了让随机生成的variable值固定，方便你验证结果一致性。

内容的提问来源于stack exchange，提问作者ifoxfoot