Varijanca i standardna devijacija grupnih podataka
Statistika je grana matematike koja se koristi za prikupljanje, organiziranje, analizu, tumačenje i prezentiranje podataka. Jedan važan koncept u statistici je mjerenje varijabilnosti ili rasprostranjenosti podataka. Dvije primarne mjere varijabilnosti su varijanca i standardna devijacija. Ovaj članak će detaljno istražiti varijansu i standardnu devijaciju, posebno u kontekstu grupnih podataka.
Definicija i važnost varijabilnosti
Varijabilnost mjeri koliko se podaci razlikuju od svoje srednje vrijednosti. Mjerenje varijabilnosti je važno jer pruža dodatne uvide koji se ne mogu dobiti isključivo iz mjera centralne tendencije, kao što je srednja vrijednost. Poznavanjem mjere varijabilnosti možemo razumjeti koliko su podaci konzistentni i identificirati potencijalne izuzetke ili anomalije.
Razumijevanje varijanse i standardne devijacije
Varijanca je mjera distribucije podataka koja pokazuje koliko je svaka podatkovna tačka udaljena od svoje srednje vrijednosti u kvadratnim jedinicama. Data je simbolom \( \sigma^2 \) za populaciju i \( s^2 \) za uzorak. Formula za varijansu za podatke populacije je:
\[ \sigma^2 = \frac{\suma (X_i – \mu)^2}{N} \]
Što se tiče uzorka, formula je sljedeća:
\[s^2 = \frac{\suma (X_i – \bar{X})^2}{n-1} \]
Gdje:
– \( X_i \) je pojedinačna vrijednost podataka
– \( \mu \) je prosjek populacije
– \( \bar{X} \) je prosjek uzorka
– \( N \) je veličina populacije
– \(n \) je veličina uzorka
Standardna devijacija je kvadratni korijen varijanse. Daje se simbolom \( \sigma \) za populaciju i \( s \) za uzorak. Standardna devijacija vraća jedinice podataka u njihov prvobitni oblik, što je čini lakšom za tumačenje nego varijansu.
\[ \sigma = \sqrt{\sigma^2} \]
\[s = \sqrt{s^2} \]
Grupni podaci
Grupirani podaci su podaci koji su klasificirani u nekoliko kategorija ili intervala. Na primjer, visina učenika je podijeljena u intervale od 150-155 cm, 155-160 cm i tako dalje. Analiza varijanse i standardne devijacije na grupiranim podacima zahtijeva malo drugačiji pristup od analize pojedinačnih podataka.
Koraci za izračunavanje varijanse i standardne devijacije za grupne podatke
Slijede koraci za izračunavanje varijanse i standardne devijacije grupnih podataka:
1. Kreirajte tabelu distribucije frekvencija
– Podaci su podijeljeni u nekoliko klasa ili intervala.
– Zapisuje se frekvencija svakog intervala (broj podataka u svakom intervalu).
2. Određivanje srednje tačke klase
– Sredina svakog intervala se izračunava kao: \( \text{Sredina} = \frac{\text{Donja granica} + \text{Gornja granica}}{2} \)
3. Izračunavanje privremenog prosjeka (\( \bar{X} \))
– Prosjek se izračunava pomoću formule: \( \bar{X} = \frac{\sum f_i x_i}{\sum f_i} \)
– Gdje je \( f_i \) frekvencija, a \( x_i \) sredina intervala.
4. Izračunavanje odstupanja od srednje vrijednosti i njegovog kvadrata
– Za svaki interval, odstupanje od srednje vrijednosti se izračunava kao: \( d_i = x_i – \bar{X} \)
– Zatim izračunajte kvadrat: \( d_i^2 \)
5. Izračunavanje varijanse i standardne devijacije
– Varijanca se izračunava pomoću formule: \( s^2 = \frac{\sum f_i d_i^2}{\sum f_i – 1} \)
– Standardna devijacija je kvadratni korijen varijanse: \( s = \sqrt{s^2} \)
Primjer izračuna
Pretpostavimo da imamo podatke o visini učenika grupirane na sljedeći način:
| Interval (cm) | Frekvencija (f) |
|—————|—————|
| 150 – 154 | 5 |
| 155 – 159 | 10 |
| 160 – 164 | 15 |
| 165 – 169 | 8 |
| 170 – 174 | 2 |
1. Tabela distribucije frekvencija:
| Interval (cm) | Frekvencija (f) | Srednja tačka (x) | \( f \cdot x \) | \( d = x – \bar{X} \) | \( d^2 \) | \( f \cdot d^2 \) |
|——————|——————|———————|———————–|———————–|———————-|
| 150 – 154 | 5 | 152 | 760 | | | |
| 155 – 159 | 10 | 157 | 1570 | | | |
| 160 – 164 | 15 | 162 | 2430 | | | |
| 165 – 169 | 8 | 167 | 1336 | | | |
| 170 – 174 | 2 | 172 | 344 | | | |
| Ukupno | 40 | | 6440 | | | |
2. Izračunavanje prosjeka (\( \bar{X} \)):
\[ \bar{X} = \frac{6440}{40} = 161 \]
3. Izračunavanje odstupanja od srednje vrijednosti i njegovog kvadrata:
| Interval (cm) | Frekvencija (f) | Srednja tačka (x) | \( f \cdot x \) | \( d = x – 161 \) | \( d^2 \) | \( f \cdot d^2 \) |
|——————|——————|———————|———————–|———————-|———————-|
| 150 – 154 | 5 | 152 | 760 | -9 | 81 | 405 |
| 155 – 159 | 10 | 157 | 1570 | -4 | 16 | 160 |
| 160 – 164 | 15 | 162 | 2430 | 1 | 1 | 15 |
| 165 – 169 | 8 | 167 | 1336 | 6 | 36 | 288 |
| 170 – 174 | 2 | 172 | 344 | 11 | 121 | 242 |
| Ukupno | 40 | | 6440 | | | 1110 |
4. Izračunavanje varijanse:
\[s^2 = \frac{1110}{40 – 1} = \frac{1110}{39} \približno 28.46 \]
5. Izračunavanje standardne devijacije:
\[s = \sqrt{28.46} \približno 5.33 \]
Zaključak
Varijanca i standardna devijacija su važne mjere u statistici koje opisuju distribuciju podataka oko njihove srednje vrijednosti. Iako se ovi koncepti mogu primijeniti na pojedinačne podatke, proces izračuna se malo razlikuje za grupisane podatke. Iz gornjeg primjera možemo vidjeti detaljne korake za izračunavanje varijanse i standardne devijacije za grupisane podatke. Ove informacije su korisne u raznim primjenama, od akademskih istraživanja do poslovnih i proizvodnih analiza.
Dobrim razumijevanjem varijanse i standardne devijacije možemo preciznije interpretirati i donositi odluke na osnovu podataka koje imamo. To nam omogućava da održimo rezultate koji su ne samo tačni već i relevantni.
