Kako izračunati standardnu devijaciju
Razumijevanje standardne devijacije
Standardna devijacija je fundamentalni koncept u statistici koji mjeri stepen varijacije ili disperzije u skupu vrijednosti podataka. Jednostavnije rečeno, ona vam govori koliko se pojedinačne tačke podataka u skupu podataka razlikuju od srednje vrijednosti (prosjeka) skupa podataka. Niska standardna devijacija znači da tačke podataka imaju tendenciju da budu blizu srednje vrijednosti, dok visoka standardna devijacija ukazuje na to da su tačke podataka raspoređene u širokom rasponu vrijednosti.
Standardna devijacija se široko koristi u oblastima kao što su finansije, ekonomija, inženjerstvo i prirodne nauke za analizu podataka i donošenje informiranih odluka. U ovom članku ćemo istražiti korak-po-korak proces izračunavanja standardne devijacije, kako ručno tako i pomoću statističkog softvera.
Korak-po-korak izračunavanje standardne devijacije
Da biste izračunali standardnu devijaciju, slijedite ove korake:
1. Odredite srednju vrijednost (prosjek):
– Zbrojite sve podatkovne tačke zajedno.
– Podijelite zbir s brojem podatkovnih tačaka.
– Formula za prosjek (μ za populaciju, \(\bar{x}\) za uzorak) je:
\[
Srednja vrijednost (\mu) = \frac{\sum{X_i}}{N}
\]
gde:
\( \suma \) = zbir,
\( X_i \) = svaka pojedinačna tačka podataka,
\( N \) = ukupan broj podatkovnih tačaka.
2. Oduzmite srednju vrijednost i kvadrirajte rezultat:
– Od svake podatkovne tačke oduzmite srednju vrijednost i kvadrirajte rezultat. Ovaj korak je također poznat kao mjerenje odstupanja svake podatkovne tačke od srednje vrijednosti.
\[
(X_i – \mu)^2
\]
3. Izračunajte srednju vrijednost ovih kvadratnih odstupanja:
– Saberite sve kvadrate odstupanja.
– Podijelite ovaj zbir s brojem podataka ako izračunavate za populaciju ili s brojem podataka minus jedan ako izračunavate za uzorak.
\[
Varijanca populacije (σ²) = N
\]
\[
Varijanca uzorka (s^2) = \frac{\sum{(X_i – \bar{x})^2}}{n-1}
\]
4. Izračunajte kvadratni korijen varijanse:
– Standardna devijacija je kvadratni korijen varijanse, koji neutralizira učinak ranijeg koraka kvadriranja i pruža mjeru disperzije u originalnim jedinicama mjere.
\[
Standardna devijacija populacije (\sigma) = \sqrt{\sigma^2}
\]
\[
Standardna devijacija uzorka (s) = \sqrt{s^2}
\]
Primjer izračuna standardne devijacije
Razmotrimo uzorak rezultata ispita od pet studenata: 85, 90, 92, 88 i 91. Izračunajmo standardnu devijaciju za ovaj uzorak.
1. Izračunajte srednju vrijednost:
\[
\bar{x} = \frac{85 + 90 + 92 + 88 + 91}{5} = \frac{446}{5} = 89.2
\]
2. Izračunajte svako odstupanje od srednje vrijednosti, kvadrirajte ga:
\[
(85 – 89.2)^2 = 17.64
\]
\[
(90 – 89.2)^2 = 0.64
\]
\[
(92 – 89.2)^2 = 7.84
\]
\[
(88 – 89.2)^2 = 1.44
\]
\[
(91 – 89.2)^2 = 3.24
\]
3. Pronađite srednju vrijednost kvadratnih odstupanja:
\[
s^2 = 17.64 + 0.64 + 7.84 + 1.44 + 3.24}{5 – 1} = 30.8}{4} = 7.7
\]
4. Izračunajte kvadratni korijen varijanse:
\[
s = \sqrt{7.7} \approx 2.78
\]
Standardna devijacija rezultata ispita je približno 2.78.
Korištenje statističkog softvera
Iako ručni proračuni pružaju osnovno razumijevanje načina određivanja standardne devijacije, korištenje statističkog softvera može značajno pojednostaviti ovaj proces, posebno za velike skupove podataka. Evo uobičajenih alata i kako ih koristiti za izračunavanje standardne devijacije:
– Microsoft Excel:
– Unesite podatke u kolonu.
– Koristite formulu `=STDEV.S(raspon)` za uzorak ili `=STDEV.P(raspon)` za populaciju.
– R programiranje:
"R"
data <- c(85, 90, 92, 88, 91) sample_sd <- sd(data) ``` - Python : ```python import numpy as np data = [85, 90, 92, 88, 91] sample_sd = np.std(data, ddof=1) ``` Korištenje softvera pruža tačne rezultate sa samo nekoliko naredbi, omogućavajući brzu statističku analizu. Važnost standardne devijacije Standardna devijacija je više od samog broja; ona igra ključnu ulogu u analizi podataka i donošenju odluka: - Finansijska tržišta: Pomaže u procjeni volatilnosti prinosa od imovine. - Kontrola kvaliteta: Mjeri konzistentnost proizvedenih proizvoda. - Naučno istraživanje: Pomaže u razumijevanju varijabilnosti eksperimentalnih podataka. - Obrazovanje: Procjenjuje rasprostranjenost studentskih rezultata oko srednje vrijednosti. Nadalje, standardna devijacija je osnova za različite statističke metode, uključujući intervale pouzdanosti i testiranje hipoteza. Zaključak Razumijevanje i izračunavanje standardne devijacije je ključno za analizu rasprostranjenosti podataka oko srednje vrijednosti. Bez obzira da li to radite ručno za male skupove podataka ili koristite statistički softver za veće, savladavanje ovog koncepta poboljšava vašu sposobnost kritičke analize podataka. Kako se budete osjećali ugodnije s ovim proračunima, otkrit ćete da standardna devijacija nudi vrijedne uvide u konzistentnost i pouzdanost vaših podataka.
