逆方差加權

統計學中，逆方差加權（英語：inverse-variance weighting）是一種對隨機變量測量值進行加權平均的方法。每個隨機變量被其方差的倒數加權。該方法可使平均值的方差最小。

若隨機變量的一系列獨立測量值為y_i，其方差為σ_i²，則這些測量值的逆方差加權平均為

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

在所有加權平均方法中，逆方差加權平均的方差最小，為

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

若各測量值的方差相等，則逆方差加權平均與簡單平均相同。

逆方差加權通常在元分析中用來整合獨立測量的結果。