نمونه سوالات مربوط به واریانس و انحراف معیار داده‌های گروهی

نمونه سوالات مربوط به واریانس و انحراف معیار داده‌های گروهی

پنداهولوان
در آمار، واریانس و انحراف معیار دو معیار آماری هستند که برای درک پراکندگی یا پراکندگی داده‌ها از میانگین بسیار مهم هستند. واریانس میزان پراکندگی داده‌ها از میانگین را اندازه‌گیری می‌کند، در حالی که انحراف معیار جذر واریانس است و معیاری را ارائه می‌دهد که در واحدهای مشابه داده‌های اصلی قرار دارد.

تعریف
واریانس (σ² یا S²): میانگین مربعات اختلاف بین هر مقدار داده و میانگین داده‌ها است.
انحراف معیار (σ یا S): جذر واریانس است.

فرمول واریانس و انحراف معیار داده‌های گروهی
برای داده‌های گروهی، از فراوانی داده‌ها در هر کلاس استفاده می‌کنیم. فرمول آن به صورت زیر است:

واریان
\[ S^2 = \frac{ \sum f_i \left( x_i – \bar{x} \right)^2 }{ N-1 } \]

انحراف معیار
\[ S = \sqrt{S^2} \]

کجا:
– \(f_i \) = فراوانی هر دسته.
– \( x_i \) = نقطه میانی هر کلاس.
– \( \bar{x} \) = میانگین داده‌های گروهی.
– \( N \) = تعداد کل داده‌ها.

Contoh Soal Dan Pembahasan
فرض کنید داده‌های وزنی مربوط به گروهی از افراد را داریم که در طبقات مختلف گروه‌بندی شده‌اند.

| بازه وزنی (کیلوگرم) | فراوانی (f) |
|—————————|————–|
| ۷۰ – ۷۴ | ۳ |
| ۷۰ – ۷۴ | ۳ |
| ۷۰ – ۷۴ | ۳ |
| ۷۰ – ۷۴ | ۳ |
| ۷۰ – ۷۴ | ۳ |

اولین قدم تعیین نقطه میانی هر دسته ( x_i ) و سپس محاسبه میانگین ( x ) است.

۱. محاسبه نقطه میانی (x_i)
\[ \text{نقطه میانی} = \frac{\text{حد پایین} + \text{حد بالا}}{2} \]

| بازه وزنی (کیلوگرم) | فراوانی (f) | نقطه میانی (x_i) |
|———————|————–|————————|
| ۷۰ – ۷۴ | ۳ | ۷۲ |
| ۷۰ – ۷۴ | ۳ | ۷۲ |
| ۷۰ – ۷۴ | ۳ | ۷۲ |
| ۷۰ – ۷۴ | ۳ | ۷۲ |
| ۷۰ – ۷۴ | ۳ | ۷۲ |

۲. محاسبه میانگین (\( \bar{x} \))
\[ \bar{x} = \frac{ \sum f_i x_i }{ N } \]

تعداد کل داده‌ها (N):
\[ ن = ۲ + ۵ + ۸ + ۷ + ۳ = ۲۵ \]

\[ \sum f_i x_i = (2 ضربدر 52) + (5 ضربدر 57) + (8 ضربدر 62) + (7 ضربدر 67) + (3 ضربدر 72) \]
\[ = 104 + 285 + 496 + 469 + 216 = 1570 \]

بنابراین، میانگین (\( \bar{x} \)):
\[ \bar{x} = \frac{ 1570 }{ 25 } = 62.8 \]

۳. محاسبه واریانس (\(S^2 \))
ما باید \( \sum f_i ( x_i – \bar{x} )^2 \) را محاسبه کنیم:

\[
\begin{align}
(x_i – \bar{x})^2: و (52 – 62.8)^2 = 118.84 \\
و (۶۷ – ۶۲.۸)^۲ = ۱۷.۶۴
و (۶۷ – ۶۲.۸)^۲ = ۱۷.۶۴
و (۶۷ – ۶۲.۸)^۲ = ۱۷.۶۴
و (۷۲ – ۶۲.۸)^۲ = ۸۴.۶۴
\end{تراز کردن}
\]

ضرب در فرکانس:
\[
\begin{align}
f_i (x_i – \bar{x})^2: و 2 ضربدر 118.84 = 237.68 \\
و ۵ ضربدر ۳۳.۶۴ = ۱۶۸.۲
و ۸ ضربدر ۰.۶۴ = ۵.۱۲
و ۷ ضربدر ۱۷.۶۴ = ۱۲۳.۴۸
و ۳ ضربدر ۸۴.۶۴ = ۲۵۳.۹۲
\end{تراز کردن}
\]

\[
\sum f_i (x_i – \bar{x})^2 = 237.68 + 168.2 + 5.12 + 123.48 + 253.92 = 788.4
\]

اکنون می‌توانیم واریانس (\( S^2 \)) را محاسبه کنیم:
\[ S^2 = \frac{ 788.4 }{ 25 – 1 } = \frac{ 788.4 }{ 24 } \تقریباً 32.85 \]

۴. محاسبه انحراف معیار (S)
انحراف معیار (S):
\[S = \sqrt{S^2 } \]
\[ S = \sqrt{ 32.85 } \تقریباً 5.73 \]

نتیجه گیری
از داده‌های مثال بالا، داریم:
– محاسبه میانگین وزن بدن: ۶۲.۸ کیلوگرم
– محاسبه واریانس: ۳۲.۸۵ کیلوگرم مربع
– محاسبه انحراف معیار: ۵.۷۳ کیلوگرم

تفسیر انحراف معیار این است که میانگین انحراف داده‌های وزن از میانگین تقریباً ۵.۷۳ کیلوگرم است. این نشان دهنده پراکندگی داده‌ها نسبت به میانگین است که می‌تواند به استنباط میزان متغیر بودن داده‌های ما کمک کند.

درک کامل واریانس و انحراف معیار بسیار مهم است، به خصوص برای کسانی که در آمار، تحقیق و آزمایش کار می‌کنند، زیرا آنها تلاش می‌کنند داده‌ها را به شکل گروه‌ها یا توزیع‌ها درک کنند. دانستن نحوه محاسبه و تفسیر این دو معیار می‌تواند به تصمیم‌گیری بهتر بر اساس داده‌های موجود کمک کند.