نحوه محاسبه واریانس: یک راهنمای کامل
واریانس یک آماره اساسی است که در زمینههای مختلف، از اقتصاد و مهندسی گرفته تا روانشناسی و خود آمار، مورد استفاده قرار میگیرد. این آماره اطلاعاتی در مورد میزان پراکندگی مقادیر در یک مجموعه داده حول میانگین ارائه میدهد. در این مقاله، نحوه محاسبه واریانس را به طور عمیق، از تعریف تا مراحل عملی، بررسی خواهیم کرد.
پنداهولوان
برای درک واریانس، باید برخی از مفاهیم اساسی در آمار را درک کنیم. واریانس معیاری است که نشان میدهد مقادیر یک مجموعه داده تا چه حد از میانگین انحراف دارند. واریانس به عنوان میانگین مربعات اختلاف بین هر مقدار و میانگین محاسبه میشود. واریانس نشاندهندهی «تغییرپذیری» در دادهها است.
تعریف واریانس
از نظر ریاضی، واریانس عبارت است از:
\[ واریانس (σ^2) = 1^N \sum_{i=1}^{N} (x_i – μ)^2 \]
کجا:
– \( \sigma^2 \) واریانس جمعیت است.
- \(N \) تعداد کل مقادیر در جمعیت است.
- \(x_i \) مقدار فرد i ام است.
- \( \mu \) میانگین جمعیت است.
برای نمونهها، فرمول واریانس کمی متفاوت است:
\[ واریانس نمونه (s^2) = \frac{1}{n-1} \sum_{i=1}^{n} (x_i – \bar{x})^2 \]
کجا:
- \( s^2 \) واریانس نمونه است.
- \(n \) تعداد کل مقادیر موجود در نمونه است.
- \(x_i \) مقدار فرد i ام در نمونه است.
- \( \bar{x} \) میانگین نمونه است.
مراحل محاسبه واریانس
بیایید مراحل عملی محاسبه واریانس را از طریق یک مثال ملموس مرور کنیم.
مثال: محاسبه واریانس جمعیت
فرض کنید یک مجموعه داده کوچک شامل مقادیر زیر داریم: ۲، ۴، ۶، ۸، ۱۰.
۱. مرحله ۱: محاسبه میانگین (میانگین)
\[ \mu = \frac{2 + 4 + 6 + 8 + 10}{5} = 6 \]
۲. مرحله ۲: اختلاف هر مقدار را از میانگین محاسبه کرده و آن را به توان دو برسانید
\[
\begin{align}
(2 – 6)^2 و = (-4)^2 = 16 \\
(4 – 6)^2 و = (-2)^2 = 4 \\
(6 – 6)^2 و = 0^2 = 0 \\
(8 – 6)^2 و = 2^2 = 4 \\
(10 – 6)^2 و = 4^2 = 16 \\
\end{تراز کردن}
\]
۳. مرحله ۳: تمام مربعهای اختلافها را جمع کنید
\[ ۵ + ۸ + ۱۲ + ۱۵ + ۲۰ = ۶۰ \]
۴. مرحله ۴: مجموع مربعات تفاضلها را بر تعداد مقادیر (N) تقسیم کنید
\[ \sigma^2 = \frac{40}{5} = 8 \]
بنابراین، واریانس جمعیت این دادهها ۸ است.
مثال: محاسبه واریانس نمونه
حال، فرض کنید یک نمونه کوچک از مجموعه دادههای بالا میگیریم: ۲، ۴، ۶.
۱. مرحله ۱: محاسبه میانگین نمونه
\[ \bar{x} = \frac{2 + 4 + 6}{3} = 4 \]
۲. مرحله ۲: اختلاف هر مقدار را از میانگین محاسبه کرده و آن را به توان دو برسانید
\[
\begin{align}
(2 – 4)^2 و = (-2)^2 = 4 \\
(4 – 4)^2 و = 0^2 = 0 \\
(6 – 4)^2 و = 2^2 = 4 \\
\end{تراز کردن}
\]
۳. مرحله ۳: تمام مربعهای اختلافها را جمع کنید
\[۳ + ۲ + ۵ = ۱۰ \]
۴. مرحله ۴: مجموع مربعات تفاضلها را بر (n-1) تقسیم کنید
\[ s^2 = \frac{8}{3-1} = \frac{8}{2} = 4 \]
بنابراین، واریانس نمونه این دادهها ۴ است.
واریانس در جامعه و نمونه
درک تفاوت بین واریانس جمعیت و واریانس نمونه مهم است. واریانس جمعیت، پراکندگی دادهها را در کل جمعیت اندازهگیری میکند، در حالی که واریانس نمونه، پراکندگی را در یک زیرمجموعه (نمونه) از جمعیت اندازهگیری میکند. در بسیاری از موارد، از واریانس نمونه برای تخمین واریانس جمعیت استفاده میشود. تقسیم بر (n-1) در محاسبه واریانس نمونه، سوگیری در تخمین واریانس جمعیت را کاهش میدهد.
کاربرد واریانس
واریانس در کاربردهای متنوعی مانند موارد زیر استفاده میشود:
۱. تحلیل ریسک مالی: در امور مالی، از واریانس برای اندازهگیری ریسک و مدیریت پرتفویهای سرمایهگذاری استفاده میشود. واریانس بالاتر به معنای سرمایهگذاری پرخطرتر است.
۲. علوم اجتماعی: در تحقیقات روانشناسی یا جامعه شناسی، از واریانس برای سنجش تفاوتهای بین گروههای جمعیتی استفاده میشود.
۳. کنترل کیفیت: در تولید، از واریانسها برای نظارت و کنترل کیفیت محصول استفاده میشود.
۴. آمار تجربی: برای تحلیل نتایج تجربی و تعیین معناداری تفاوتها به کار میرود.
واریانس و انحراف معیار
واریانس اغلب همراه با انحراف معیار استفاده میشود که جذر واریانس است. انحراف معیار، معیاری مستقیمتر و با تفسیر آسانتر از پراکندگی نسبت به واریانس ارائه میدهد. معادله بین این دو به صورت زیر است:
\[ \text{انحراف معیار} (\sigma) = \sqrt{\text{واریانس} (\sigma^2)} \]
نتیجه گیری
محاسبه واریانس بخش مهمی از تحلیل آماری است که معیاری از پراکندگی یا پراکندگی در یک مجموعه داده را ارائه میدهد. با درک مفاهیم اساسی و نحوه محاسبه واریانس، میتوانیم دادهها را بهتر تجزیه و تحلیل کنیم، ریسک را ارزیابی کنیم و تصمیمات آگاهانهتری بگیریم.
چه از واریانس جمعیت برای تحلیل علمیتر استفاده کنیم و چه از واریانس نمونه برای تخمین از زیرمجموعهای از دادهها، درک کامل واریانس به ما کمک میکند تا تنوع دادهها را درک کنیم و آن را در موقعیتهای مختلف دنیای واقعی به کار ببریم. امیدواریم این مقاله راهنمای عملی و مفیدی برای درک و محاسبه واریانس ارائه دهد.
