نمونه سوالات مربوط به واریانس و انحراف معیار داده‌های واحد

نمونه سوالات و بحث: واریانس و انحراف معیار داده‌های واحد

آمار شاخه‌ای از ریاضیات است که با جمع‌آوری، تحلیل، تفسیر، ارائه و سازماندهی داده‌ها سروکار دارد. دو مفهوم مهم در آمار، واریانس و انحراف معیار هستند. این مقاله به تفصیل نحوه محاسبه واریانس و انحراف معیار یک مجموعه داده واحد را از طریق چندین مثال مسئله مورد بحث قرار خواهد داد.

درک واریانس و انحراف معیار

واریانس معیاری است که میزان پراکندگی اعداد در یک مجموعه داده از میانگین یا میانگین را کمّی می‌کند. واریانس بر حسب واحدهای مربع داده‌های اصلی بیان می‌شود، و تفسیر آن را اغلب دشوار می‌کند.

انحراف معیار، جذر واریانس است. این معیار، معیار شهودی‌تری از میزان انحراف کلی داده‌ها از میانگین ارائه می‌دهد، زیرا واحدهای آن همان واحدهای اصلی داده‌ها هستند.

فرمول عمومی

برای داده‌های تکی، فرمول واریانس (σ^2) و انحراف معیار (σ^2) جامعه به شرح زیر است:

۱. واریانس (σ²):
\( \sigma^2 = \frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2 \)

۲. انحراف معیار (σ):
\( \sigma = \sqrt{\frac{1}{N} \sum_{i=1}^{N} (x_i – \mu)^2} \)

کجا:
- \(N \) تعداد داده‌ها در جامعه آماری است.
- \(x_i \) مقدار داده i ام است.
- \( \mu \) میانگین یا میانگین داده‌ها است.

اگر واریانس و انحراف معیار نمونه را محاسبه کنیم، فرمول بالا کمی تغییر می‌کند:

۱. واریانس نمونه (s²):
\( s^2 = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \)

۲. انحراف معیار نمونه (ها):
\( s = \sqrt{\frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2} \)

کجا:
- \(n \) تعداد داده‌های موجود در نمونه است.
- \( \bar{x} \) میانگین یا میانگین نمونه است.

Contoh Soal Dan Pembahasan

مثال سوال ۱:

با توجه به داده‌های زیر:
8، 10، 10، 10، 12، 14

واریانس و انحراف معیار داده‌ها را محاسبه کنید!

مراحل حل مسئله:

۱. محاسبه میانگین (Mean) \( \mu \):
\[
\mu = \frac{8 + 10 + 10 + 10 + 12 + 14}{6} = \frac{64}{6} = 10.67
\]

۲. اختلاف بین داده‌ها و میانگین را محاسبه کنید، سپس آن را به توان دو برسانید:
\[
(8 - 10.67)^2 = 7.1289
\]
\[
(10 - 10.67)^2 = 0.4489
\]
\[
(10 - 10.67)^2 = 0.4489
\]
\[
(10 - 10.67)^2 = 0.4489
\]
\[
(12 - 10.67)^2 = 1.7689
\]
\[
(14 - 10.67)^2 = 11.1089
\]

۳. جمع کردن تمام نتایج مربع شده:
\[
جمع (x_i – \mu)^2 = 7.1289 + 0.4489 + 0.4489 + 0.4489 + 1.7689 + 11.1089 = 21.3534
\]

۴. محاسبه واریانس (σ²) داده‌های جمعیت:
\[
\sigma^2 = \frac{21.3534}{6} = 3.559
\]

نکته: از آنجایی که این داده‌ها به عنوان داده‌های جمعیتی بیان شده‌اند، آنها را بر ۶ تقسیم می‌کنیم.

۵. محاسبه انحراف معیار (σ):
\[
\sigma = \sqrt{3.559} \تقریباً 1.886
\]

بنابراین، واریانس داده‌ها ۳.۵۵۹ و انحراف معیار ۱.۸۸۶ است.

مثال سوال ۱:

با توجه به داده‌های نمونه زیر:
5، 6، 8، 9، 10، 11

واریانس و انحراف معیار نمونه را محاسبه کنید!

مراحل حل مسئله:

۱. محاسبه میانگین (Mean) \( \bar{x} \) :
\[
\bar{x} = \frac{5 + 6 + 8 + 9 + 10 + 11}{6} = \frac{49}{6} = 8.167
\]

۲. اختلاف بین داده‌ها و میانگین را محاسبه کنید، سپس آن را به توان دو برسانید:
\[
(5 - 8.167)^2 = 10.035
\]
\[
(6 - 8.167)^2 = 4.694
\]
\[
(8 - 8.167)^2 = 0.028
\]
\[
(9 - 8.167)^2 = 0.694
\]
\[
(10 - 8.167)^2 = 3.361
\]
\[
(11 - 8.167)^2 = 7.945
\]

۳. جمع کردن تمام نتایج مربع شده:
\[
\sum (x_i – \bar{x})^2 = 10.035 + 4.694 + 0.028 + 0.694 + 3.361 + 7.945 = 26.757
\]

۴. محاسبه واریانس نمونه (s²):
\[
s^2 = \frac{26.757}{5} = 5.351
\]

نکته: از آنجایی که این داده‌ها نمونه هستند، آنها را بر ۵ تقسیم می‌کنیم (n-1).

۵. محاسبه انحراف معیار (ها):
\[
s = \sqrt{5.351} \تقریباً 2.313
\]

بنابراین، واریانس داده‌های نمونه ۵.۳۵۱ و انحراف معیار ۲.۳۱۳ است.

نتیجه گیری

محاسبه واریانس و انحراف معیار برای درک چگونگی پراکندگی داده‌ها در یک مجموعه معین حیاتی است. در حالی که واریانس یک معیار نظری از پراکندگی در مربعات واحدهای اصلی ارائه می‌دهد، انحراف معیار معیار پراکندگی را بر حسب واحدهای اصلی داده‌ها تفسیر می‌کند و درک آن را آسان‌تر می‌کند. در تجزیه و تحلیل داده‌ها، این دو معیار اغلب برای ارزیابی تغییرپذیری داده‌ها و تصمیم‌گیری‌های آماری استفاده می‌شوند.

با درک مراحل و فرمول‌های لازم، می‌توانیم به راحتی واریانس و انحراف معیار را برای موقعیت‌های مختلفی که در جمع‌آوری و تحلیل داده‌های روزمره با آنها مواجه می‌شویم، محاسبه کنیم. امیدواریم این مقاله درک عمیق‌تری از مفاهیم واریانس و انحراف معیار در مجموعه داده‌های واحد ارائه دهد.