Kuidas arvutada dispersiooni: täielik juhend
Dispersioon on põhiline statistika, mida kasutatakse erinevates valdkondades, alates majandusest ja inseneriteadusest kuni psühholoogia ja statistikani välja. See annab teavet selle kohta, mil määral andmekogumi väärtused on keskmise ümber hajutatud. Selles artiklis uurime põhjalikult, kuidas dispersiooni arvutada, alates definitsioonist kuni praktiliste sammudeni.
Pendahuluan
Dispersiooni mõistmiseks peame mõistma mõningaid statistika põhimõisteid. Dispersioon on mõõt, mis näitab, kui palju andmekogumi väärtused keskmisest kõrvale kalduvad. Dispersioon arvutatakse iga väärtuse ja keskmise ruutude erinevuste keskmisena. Dispersioon annab märku andmete "varieeruvusest".
Variatsiooni definitsioon
Matemaatiliselt on dispersioon:
\[ \text{Dispersioon} ( \sigma^2 ) = \frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \]
Kus:
– \( \sigma^2 \) on populatsiooni dispersioon.
– \(N \) on populatsiooni väärtuste koguarv.
– \(x_i \) on i-nda isendi väärtus.
– \( \mu \) on populatsiooni keskmine.
Proovide puhul on dispersioonivalem veidi erinev:
\[ \text{Valimi dispersioon} (s^2) = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \]
Kus:
– \(s^2 \) on valimi dispersioon.
– \(n \) on valimi väärtuste koguarv.
– \(x_i \) on valimisse kuuluva i-nda isendi väärtus.
– \( \bar{x} \) on valimi keskmine.
Dispersiooni arvutamise sammud
Vaatame dispersiooni arvutamise praktilisi samme konkreetse näite abil.
Näide: Populatsiooni dispersiooni arvutamine
Oletame, et meil on väike andmestik, mis koosneb järgmistest väärtustest: 2, 4, 6, 8, 10.
1. 1. samm: arvutage keskmine (keskmine)
\[ \mu = \frac{2 + 4 + 6 + 8 + 10}{5} = 6 \]
2. 2. samm: Arvutage iga väärtuse erinevus keskmisest ja ruutige see
\[
\begin{align }
(2 – 6)^2 &= (-4)^2 = 16 \\
(4 – 6)^2 &= (-2)^2 = 4 \\
(6 – 6)^2 &= 0^2 = 0 \\
(8 – 6)^2 &= 2^2 = 4 \\
(10 – 6)^2 &= 4^2 = 16 \\
\end{align }
\]
3. 3. samm: liida kõik erinevuste ruudud
\[16 + 4 + 0 + 4 + 16 = 40 \]
4. 4. samm: jagage erinevuste ruutude summa väärtuste arvuga (N)
\[ \sigma^2 = \frac{40}{5} = 8 \]
Seega on nende andmete populatsiooni dispersioon 8.
Näide: valimi dispersiooni arvutamine
Oletame nüüd, et võtame ülaltoodud andmestikust väikese valimi: 2, 4, 6.
1. 1. samm: arvutage valimi keskmine
\[ \bar{x} = \frac{2 + 4 + 6}{3} = 4 \]
2. 2. samm: Arvutage iga väärtuse erinevus keskmisest ja ruutige see
\[
\begin{align }
(2 – 4)^2 &= (-2)^2 = 4 \\
(4 – 4)^2 &= 0^2 = 0 \\
(6 – 4)^2 &= 2^2 = 4 \\
\end{align }
\]
3. 3. samm: liida kõik erinevuste ruudud
\[4 + 0 + 4 = 8 \]
4. 4. samm: jagage erinevuste ruutude summa arvuga (n – 1)
\[s^2 = \frac{8}{3-1} = \frac{8}{2} = 4 \]
Seega on nende andmete valimi dispersioon 4.
Populatsiooni ja valimi dispersioon
Oluline on mõista populatsiooni dispersiooni ja valimi dispersiooni erinevust. Populatsiooni dispersioon mõõdab andmete levikut kogu populatsiooni ulatuses, valimi dispersioon aga mõõdab levikut populatsiooni alamhulga (valimi) piires. Paljudel juhtudel kasutatakse valimi dispersiooni populatsiooni dispersiooni hindamiseks. Valimi dispersiooni arvutamisel jagamine arvuga \( (n-1) \) vähendab populatsiooni dispersiooni hinnangu kallutatust.
Variatsioonitaotlus
Variatsiooni kasutatakse erinevates rakendustes, näiteks:
1. Finantsriski analüüs: Rahanduses kasutatakse dispersiooni riski mõõtmiseks ja investeerimisportfellide haldamiseks. Suurem dispersioon tähendab riskantsemat investeeringut.
2. Sotsiaalteadused: Psühholoogias või sotsioloogias kasutatakse dispersiooni rahvastikurühmade vaheliste erinevuste mõõtmiseks.
3. Kvaliteedikontroll: Tootmises kasutatakse toote kvaliteedi jälgimiseks ja kontrollimiseks hälbeid.
4. Eksperimentaalne statistika: Kasutatakse eksperimentaalsete tulemuste analüüsimiseks ja erinevuste olulisuse määramiseks.
Dispersioon ja standardhälve
Dispersiooni kasutatakse sageli koos standardhälbega, mis on dispersiooni ruutjuur. Standardhälve annab hajuvuse kohta otsesema ja kergemini tõlgendatavama mõõdu kui dispersioon. Nende kahe vaheline võrrand on:
\[ \text{Standardhälve} (\sigma) = \sqrt{\text{Dispersioon} (\sigma^2)} \]
Järeldus
Dispersiooni arvutamine on statistilise analüüsi oluline osa, mis annab mõõte andmekogumi hajuvusele või hajuvusele. Põhimõistete ja dispersiooni arvutamise mõistmise abil saame andmeid paremini analüüsida, riski hinnata ja teha teadlikumaid otsuseid.
Olenemata sellest, kas populatsiooni dispersiooni kasutatakse teaduslikumaks analüüsiks või valimi dispersiooni andmete alamhulga hindamiseks, aitab dispersiooni põhjalik mõistmine meil mõista andmete mitmekesisust ja rakendada seda mitmesugustes reaalsetes olukordades. Loodetavasti pakub see artikkel praktilist ja kasulikku juhendit dispersiooni mõistmiseks ja arvutamiseks.
