Дисперсия - это второй момент минус квадрат первого момента, поэтому достаточно вычислить моменты смесей.
В общем случае, учитывая распределения с PDF-файлами и постоянными (неслучайными) весами , PDF-смесь представляет собойп яеяпя
е( х ) = ∑япяея( х ) ,
из которого немедленно следует в любой момент чтоК
μ( к )= Eе[ хК] = ∑япяЕея[ хК] = ∑япяμ( к )я,
Я написал для момента и для момента . k t h f μ ( k ) i k t h f iμ( к )Кт чеμ( к )яКт чея
Используя эти формулы, дисперсию можно записать
Вар ( ф) = μ( 2 )- ( μ( 1 ))2= ∑япяμ( 2 )я- ( ∑япяμ( 1 )я)2,
Эквивалентно, если дисперсии заданы как , то , позволяя записать дисперсию смеси в терминах дисперсий и средних значений ее компонентов какσ 2 i μ ( 2 ) i = σ 2 i + ( μ ( 1 ) i ) 2 fеяσ2яμ( 2 )я= σ2я+ ( μ( 1 )я)2е
Вар ( ф)= ∑япя( σ2я+ ( μ( 1 )я)2) - ( ∑япяμ( 1 )я)2= ∑япяσ2я+ ∑япя( μ( 1 )я)2- ( ∑япяμ( 1 )я)2,
На словах это (средневзвешенная) средняя дисперсия плюс среднее значение в квадрате минус квадрат среднего значения. Поскольку квадрат является выпуклой функцией, неравенство Дженсена утверждает, что среднее значение в квадрате может быть не меньше, чем квадрат среднего значения. Это позволяет нам понять формулу как утверждение, что дисперсия смеси представляет собой смесь дисперсий плюс неотрицательный термин, учитывающий (взвешенную) дисперсию средних.
В вашем случае дисперсия
пAσ2A+ рВσ2В+ [ pAμ2A+ рВμ2В- ( рAμA+ рВμВ)2] .
Мы можем интерпретировать, что это взвешенная смесь двух дисперсий, , плюс (обязательно положительный) поправочный член, чтобы учесть сдвиги от индивидуальных средних относительно общего среднего значения смеси.пAσ2A+ рВσ2В
Полезность этой дисперсии для интерпретации данных, таких как приведенные в вопросе, сомнительна, потому что распределение смеси не будет нормальным (и может существенно отличаться от него в степени проявления бимодальности).