أمثلة على أسئلة تناقش التباين والانحراف المعياري للبيانات الفردية

أمثلة على الأسئلة والمناقشة: التباين والانحراف المعياري للبيانات الفردية

الإحصاء فرع من فروع الرياضيات يهتم بجمع البيانات وتحليلها وتفسيرها وعرضها وتنظيمها. ومن أهم مفاهيم الإحصاء التباين والانحراف المعياري. ستتناول هذه المقالة بالتفصيل كيفية حساب التباين والانحراف المعياري لمجموعة بيانات واحدة من خلال عدة أمثلة تطبيقية.

فهم التباين والانحراف المعياري

التباين هو مقياس يحدد مدى تباعد الأرقام في مجموعة بيانات عن المتوسط. يُعبّر عن التباين بوحدات مربعة من البيانات الأصلية، مما يجعل تفسيره صعباً في كثير من الأحيان.

الانحراف المعياري هو الجذر التربيعي للتباين. وهو يوفر مقياسًا أكثر سهولة لفهم مدى انحراف البيانات بشكل عام عن المتوسط، لأن وحداته هي نفسها وحدات البيانات الأصلية.

الصيغة العامة

بالنسبة للبيانات الفردية، تكون صيغة التباين \( \sigma^2 \) والانحراف المعياري \( \sigma \) للمجتمع كما يلي:

1. التباين (σ²):
\( \sigma^2 = \frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \)

2. الانحراف المعياري (σ):
\( \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2} \)

دي مانا:
- يمثل \( N \) عدد البيانات في المجتمع الإحصائي.
- \( x_i \) هي قيمة البيانات رقم i.
- \( \mu \) هو المتوسط ​​أو المعدل للبيانات.

إذا قمنا بحساب التباين والانحراف المعياري للعينة، فسيتم تعديل الصيغة المذكورة أعلاه قليلاً:

1. تباين العينة (s²):
\( s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \)

2. الانحراف المعياري للعينة (الانحرافات المعيارية):
\( s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2} \)

دي مانا:
- يمثل \( n \) عدد البيانات في العينة.
- \( \bar{x} \) هو المتوسط ​​أو المعدل للعينة.

Contoh Soal dan Pembahasan

مثال على السؤال 1:

بالنظر إلى البيانات التالية:
8، 10، 10، 10، 12، 14

احسب التباين والانحراف المعياري للبيانات!

خطوات الحل:

1. حساب المتوسط ​​(المعدل) \( \mu \):
\[
\mu = \frac{8 + 10 + 10 + 10 + 12 + 14}{6} = \frac{64}{6} = 10.67
\]

2. احسب الفرق بين البيانات والمتوسط، ثم قم بتربيعه:
\[
(8 – 10.67)^2 = 7.1289
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(10 – 10.67)^2 = 0.4489
\]
\[
(12 – 10.67)^2 = 1.7689
\]
\[
(14 – 10.67)^2 = 11.1089
\]

3. جمع جميع النتائج المربعة:
\[
\sum (x_i – \mu)^2 = 7.1289 + 0.4489 + 0.4489 + 0.4489 + 1.7689 + 11.1089 = 21.3534
\]

4. حساب التباين (σ²) لبيانات المجتمع:
\[
σ² = (21.3534)/6 = 3.559
\]

ملاحظة: بما أن هذه البيانات مذكورة كبيانات سكانية، فإننا نقسم على 6.

5. حساب الانحراف المعياري (σ):
\[
σ = √3.559 ≈ 1.886
\]

إذن، تباين البيانات هو 3.559 والانحراف المعياري هو 1.886.

مثال على السؤال 2:

بالنظر إلى بيانات العينة التالية:
5، 6، 8، 9، 10، 11

احسب التباين والانحراف المعياري للعينة!

خطوات الحل:

1. حساب المتوسط ​​(المعدل) \( \bar{x} \) :
\[
\bar{x} = \frac{5 + 6 + 8 + 9 + 10 + 11}{6} = \frac{49}{6} = 8.167
\]

2. احسب الفرق بين البيانات والمتوسط، ثم قم بتربيعه:
\[
(5 – 8.167)^2 = 10.035
\]
\[
(6 – 8.167)^2 = 4.694
\]
\[
(8 – 8.167)^2 = 0.028
\]
\[
(9 – 8.167)^2 = 0.694
\]
\[
(10 – 8.167)^2 = 3.361
\]
\[
(11 – 8.167)^2 = 7.945
\]

3. جمع جميع النتائج المربعة:
\[
\sum (x_i – \bar{x})^2 = 10.035 + 4.694 + 0.028 + 0.694 + 3.361 + 7.945 = 26.757
\]

4. حساب تباين العينة (s²):
\[
s^2 = \frac{26.757}{5} = 5.351
\]

ملاحظة: بما أن هذه بيانات عينة، فإننا نقسم على 5 (n-1).

5. حساب الانحراف المعياري (الانحرافات المعيارية):
\[
s = √5.351 ≈ 2.313
\]

إذن، فإن تباين بيانات العينة هو 5.351 والانحراف المعياري هو 2.313.

استنتاج

يُعدّ حساب التباين والانحراف المعياري أمرًا بالغ الأهمية لفهم مدى تشتت البيانات ضمن مجموعة بيانات معينة. فبينما يُقدّم التباين مقياسًا نظريًا للتشتت بوحدات مربعة من الوحدات الأصلية، يُفسّر الانحراف المعياري مقياس التشتت بدلالة الوحدات الأصلية للبيانات، مما يُسهّل فهمه. وفي تحليل البيانات، يُستخدم هذان المقياسان غالبًا لتقييم تباين البيانات واتخاذ القرارات الإحصائية.

بفهم الخطوات والصيغ اللازمة، يُمكننا بسهولة حساب التباين والانحراف المعياري لمختلف الحالات التي نواجهها في جمع البيانات وتحليلها يوميًا. نأمل أن تُسهم هذه المقالة في تعميق فهمنا لمفهومي التباين والانحراف المعياري في مجموعات البيانات الفردية.