Varianco kaj Norma Devio de Grupaj Datumoj
Statistiko estas branĉo de matematiko uzata por kolekti, organizi, analizi, interpreti kaj prezenti datumojn. Unu grava koncepto en statistiko estas mezuri ŝanĝeblecon, aŭ la disvastiĝon de datumoj. Du ĉefaj mezuroj de ŝanĝebleco estas varianco kaj norma devio. Ĉi tiu artikolo esploros variancon kaj norman devion profunde, specife en la kunteksto de grupaj datumoj.
Difino kaj Graveco de Variebleco
Variablo mezuras kiom malproksimen datumoj disvastiĝas de ilia meznombro. Mezuri variablon estas grava ĉar ĝi provizas pliajn komprenojn, kiujn oni ne povas akiri sole per mezuroj de centra tendenco, kiel ekzemple la meznombro. Sciante la mezuron de variablo, ni povas kompreni kiom koheraj la datumoj estas kaj identigi eblajn outlier-ojn aŭ anomaliojn.
Kompreni Variancon kaj Norman Devion
Varianco estas mezuro de la distribuo de datumoj, kiu montras kiom malproksime ĉiu datenpunkto estas de sia meznombro en kvadrataj unuoj. Ĝi estas donita per la simbolo ∫( \sigma^² \) por populacio kaj ∫( s^² \) por specimeno. La formulo por varianco por populaciodatumoj estas:
\[ \sigma^2 = \frac{\sumo (X_i – \mu)^2}{N} \]
Koncerne la specimenon, la formulo estas:
\[ s^2 = \frac{\sumo (X_i – \bar{X})^2}{n-1} \]
Kie:
– \(X_i \) estas la individua datenvaloro
– μ estas la meznombro de la populacio
– \( \bar{X} \) estas la provaĵa meznombro
– \(N \) estas la grandeco de la loĝantaro
– \(n \) estas la specimenaro
Norma devio estas la kvadrata radiko de la varianco. Ĝi estas donita per la simbolo σ por populacio kaj σ por specimeno. Norma devio redonas la datumunuojn al ilia originala formo, faciligante ĝian interpreton ol varianco.
\[ \sigma = \sqrt{\sigma^2} \]
\[ s = \sqrt{s^2} \]
Grupaj Datumoj
Grupigitaj datumoj estas datumoj, kiuj estis klasifikitaj en plurajn kategoriojn aŭ intervalojn. Ekzemple, la altoj de studentoj estas dividitaj en intervalojn de 150-155 cm, 155-160 cm, kaj tiel plu. Analizi variancon kaj norman devion sur grupigitaj datumoj postulas iomete malsaman aliron ol analizi individuajn datumojn.
Paŝoj por Kalkuli Variancon kaj Norman Devion por Grupaj Datumoj
Jen la paŝoj por kalkuli la variancon kaj norman devion de grupaj datumoj:
1. Krei Tablon de Frekvenca Distribuo
– Datumoj estas dividitaj en plurajn klasojn aŭ intervalojn.
– La frekvenco de ĉiu intervalo (la nombro da datumoj en ĉiu intervalo) estas registrita.
2. Determini la Mezpunkton de la Klaso
– La mezpunkto de ĉiu intervalo estas kalkulata jene: \( \text{Mezpunkto} = \frac{\text{Malsupra Limo} + \text{Supra Limo}}{2} \)
3. Kalkulado de la Provizora Mezumo (\( \bar{X} \))
– La averaĝo estas kalkulata per la formulo: \( \bar{X} = \frac{\sum f_i x_i}{\sum f_i} \)
– Kie ∫(f_i) estas la frekvenco kaj ∫(x_i) estas la mezpunkto de la intervalo.
4. Kalkulado de Deviiĝo de la Meznombro kaj ĝia Kvadrato
– Por ĉiu intervalo, la devio de la meznombro estas kalkulata jene: \( d_i = x_i – \bar{X} \)
– Tiam kalkulu la kvadraton: \( d_i^2 \)
5. Kalkulado de Varianco kaj Norma Devio
– Varianco estas kalkulata per la formulo: \( s^2 = \frac{\sum f_i d_i^2}{\sum f_i – 1} \)
– La norma devio estas la kvadrata radiko de la varianco: \(s = \sqrt{s^2} \)
Ekzemplaj Peritoj
Supozu, ke ni havas datumojn pri la alteco de studentoj grupigitaj jene:
| Intervalo (cm) | Frekvenco (f) |
|—————|—————|
| 150 – 154 | 5 |
| 155 – 159 | 10 |
| 160 – 164 | 15 |
| 165 – 169 | 8 |
| 170 – 174 | 2 |
1. Tabelo de frekvenca distribuo:
| Intervalo (cm) | Frekvenco (f) | Mezpunkto (x) | (f ≤ x) | (d = x – X) | (d²) | (f ≤ d²) |
|——————|———————|———————|———————–|———————–|———————-|
| 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 | | | |
| Sume | 40 | | 6440 | | | |
2. Kalkulante la Mezumon (\( \bar{X} \)):
\[ \bar{X} = \frac{6440}{40} = 161 \]
3. Kalkulante Devion de la Meznombro kaj ĝia Kvadrato:
| Intervalo (cm) | Frekvenco (f) | Mezpunkto (x) | (f ≤ x) | (d = x – 161) | (d²) | (f ≤ d²)
|——————|———————|———————|———————–|———————-|———————-|
| 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 |
| Sume | 40 | | 6440 | | | 1110 |
4. Kalkulado de Varianco:
\[ s^2 = \frac{1110}{40 – 1} = \frac{1110}{39} \proksimume 28.46 \]
5. Kalkulante Norman Devion:
\[s = \sqrt{28.46} \proksimume 5.33\]
Konkludo
Varianco kaj norma devio estas gravaj mezuroj en statistiko, kiuj priskribas la distribuon de datumoj ĉirkaŭ ĝia meznombro. Kvankam ĉi tiuj konceptoj povas esti aplikitaj al individuaj datumoj, la kalkulprocezo estas iomete malsama por grupigitaj datumoj. El la ekzemplo supre, ni povas vidi la detalajn paŝojn por kalkuli variancon kaj norman devio por grupigitaj datumoj. Ĉi tiu informo estas utila en diversaj aplikoj, de akademia esplorado ĝis komerca kaj produktada analizo.
Kun bona kompreno pri varianco kaj norma devio, ni povas pli precize interpreti kaj fari decidojn bazitajn sur la datumoj, kiujn ni havas. Tio permesas al ni konservi rezultojn, kiuj estas ne nur precizaj sed ankaŭ gravaj.
