逆方差加权

统计学中，逆方差加权（英语：inverse-variance weighting）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y_i，其方差为σ_i²，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。