Talde-datuen bariantza eta desbideratze estandarra
Estatistika datuak biltzeko, antolatzeko, aztertzeko, interpretatzeko eta aurkezteko erabiltzen den matematikaren adarra da. Estatistikan kontzeptu garrantzitsu bat aldakortasuna edo datuen hedapena neurtzea da. Aldakortasunaren bi neurri nagusi bariantza eta desbideratze estandarra dira. Artikulu honek bariantza eta desbideratze estandarra sakon aztertuko ditu, bereziki talde-datuen testuinguruan.
Aldakortasunaren definizioa eta garrantzia
Aldakortasunak datuak zenbateraino hedatzen diren neurtzen du bere batez bestekotik. Aldakortasuna neurtzea garrantzitsua da, joera zentralaren neurrietatik soilik lortu ezin diren informazio gehigarriak ematen dituelako, hala nola batez bestekotik. Aldakortasunaren neurria jakinda, datuen koherentzia zein den uler dezakegu eta balizko muturreko balioak edo anomaliak identifikatu.
Bariantza eta Desbideratze Estandarra Ulertzea
Bariantza datuen banaketaren neurria da, datu-puntu bakoitza bere batez bestekotik zenbateraino dagoen erakusten duena unitate karratuetan. \( \sigma^2 \) ikurraren bidez ematen da populazio batentzat eta \( s^2 \) lagin batentzat. Populazio-datuen bariantzaren formula hau da:
\[ \sigma^2 = \frac{\sum (X_i – \mu)^2}{N} \]
Laginari dagokionez, formula hau da:
\[ s^2 = \frac{\sum (X_i – \bar{X})^2}{n-1} \]
Non:
– \(X_i \) datu bakoitzaren balioa da
– \( \mu \) populazioaren batez bestekoa da
– \( \bar{X} \) laginaren batez bestekoa da
– \(N\) populazioaren tamaina da
– \(n \) laginaren tamaina da
Desbideratze estandarra bariantzaren erro karratua da. Sigma ikurra du populazio batentzat eta s lagin batentzat. Desbideratze estandarrak datu-unitateak jatorrizko formara itzultzen ditu, bariantza baino errazago interpretatuz.
\[ \sigma = \sqrt{\sigma^2} \]
\[ s = \sqrt{s^2} \]
Taldeko datuak
Datu multzokatuak hainbat kategoria edo tartetan sailkatutako datuak dira. Adibidez, ikasleen altuerak 150-155 cm, 155-160 cm eta abar tarteetan banatzen dira. Datu multzokatuetan bariantza eta desbideratze estandarra aztertzeak banakako datuak aztertzea baino ikuspegi apur bat desberdina behar du.
Talde-datuen bariantza eta desbideratze estandarra kalkulatzeko urratsak
Hona hemen talde-datuen bariantza eta desbideratze estandarra kalkulatzeko urratsak:
1. Maiztasun-banaketa taula bat sortu
– Datuak hainbat klase edo tartetan banatzen dira.
– Tarte bakoitzaren maiztasuna (tarte bakoitzeko datu kopurua) erregistratzen da.
2. Klasearen erdigunea zehaztea
– Tarte bakoitzaren erdiko puntua honela kalkulatzen da: \( \text{Erdiko puntua} = \frac{\text{Beheko muga} + \text{Goiko muga}}{2} \)
3. Batez besteko aldi baterakoa kalkulatzea (\( \bar{X} \))
– Batez bestekoa formula hau erabiliz kalkulatzen da: \( \bar{X} = \frac{\sum f_i x_i}{\sum f_i} \)
– Non \(f_i\) maiztasuna den eta \(x_i\) tartearen erdigunea.
4. Batez bestekoaren eta bere karratuaren desbideratzea kalkulatzea
– Tarte bakoitzerako, batez bestekoarekiko desbideratzea honela kalkulatzen da: \( d_i = x_i – \bar{X} \)
– Ondoren, kalkulatu karratua: \( d_i^2 \)
5. Aldakortasuna eta desbideratze estandarra kalkulatzea
– Bariantza formula hau erabiliz kalkulatzen da: \( s^2 = \frac{\sum f_i d_i^2}{\sum f_i – 1} \)
– Desbideratze estandarra bariantzaren erro karratua da: \( s = \sqrt{s^2} \)
Kalkuluaren adibidea
Demagun ikasleen altueraren datuak honela multzokatuta ditugula:
| Tartea (cm) | Maiztasuna (f) |
|——————|——————|
| 150 – 154 | 5 |
| 155 – 159 | 10 |
| 160 – 164 | 15 |
| 165 – 169 | 8 |
| 170 – 174 | 2 |
1. Maiztasun-banaketaren taula:
| Tartea (cm) | Maiztasuna (f) | Erdiko puntua (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 | | | |
| Guztira | 40 | | 6440 | | | |
2. Batez bestekoa kalkulatzea (\( \bar{X} \)):
\[ \bar{X} = \frac{6440}{40} = 161 \]
3. Batez bestekoaren eta bere karratuaren desbideratzea kalkulatzea:
| Tartea (cm) | Maiztasuna (f) | Erdiko puntua (x) | (f ≤ x) | (d = x – 161) | (d^2) | (f ≤ 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 |
| Guztira | 40 | | 6440 | | | 1110 |
4. Aldakortasuna kalkulatzea:
\[s^2 = \frac{1110}{40 – 1} = \frac{1110}{39} \gutxi gorabehera 28.46\]
5. Desbideratze estandarra kalkulatzea:
\[s = \sqrt{28.46} \gutxi gorabehera 5.33\]
Ondorioa
Bariantza eta desbideratze estandarra estatistikan neurri garrantzitsuak dira, datuen batez bestekoaren inguruko banaketa deskribatzen baitute. Kontzeptu hauek banakako datuei aplika dakizkiekeen arren, kalkulu-prozesua apur bat desberdina da datu multzokatuetarako. Goiko adibidetik, datu multzokatuetarako bariantza eta desbideratze estandarra kalkulatzeko urrats zehatzak ikus ditzakegu. Informazio hau hainbat aplikaziotan erabilgarria da, ikerketa akademikotik hasi eta negozio eta ekoizpen analisietaraino.
Bariantzaren eta desbideratze estandarraren ulermen ona izanda, zehatzago interpretatu eta erabakiak har ditzakegu ditugun datuak oinarritzat hartuta. Horri esker, emaitzak zehatzak ez ezik, garrantzitsuak ere mantentzen ditugu.
