Kako izračunati standardnu devijaciju
Standardna devijacija jedna je od najčešće korištenih statističkih mjera za određivanje koliko su podaci "raspršeni" u odnosu na svoju srednju vrijednost. U stvarnom životu, standardna devijacija nam pomaže razumjeti stabilnost ili varijaciju fenomena: na primjer, varijacije u rezultatima testova, fluktuacije prodaje, razlike u visini, pa čak i rizike u financijskim podacima. Što je standardna devijacija manja, to su podaci bliži srednjoj vrijednosti. Suprotno tome, velika standardna devijacija ukazuje na to da su podaci daleko od srednje vrijednosti i imaju veliku varijaciju.
Ovaj članak će raspravljati o značenju standardne devijacije, korištenoj formuli i koracima za njezin ručni izračun kroz lako razumljive primjere.
1. Definicija standardne devijacije
Standardna devijacija je kvadratni korijen varijance. Sama varijanca je prosjek kvadrata razlika između svake podatkovne točke i srednje vrijednosti. Zašto koristiti kvadrat? Zato što razlike između podatkovnih točaka i srednje vrijednosti mogu biti negativne ili pozitivne. Ako se izravno zbroje, negativne i pozitivne razlike mogu se međusobno poništiti, što rezultira obmanjujućim rezultatima. Kvadriranjem razlika sve vrijednosti postaju pozitivne, što omogućuje točnije mjerenje distribucije podataka.
Jednostavno:
– Varijanca = mjera raspršenosti u "kvadratnim" jedinicama.
– Standardna devijacija = mjera raspršenosti koja se vratila na izvorne jedinice podataka.
Primjer: ako su podaci u obliku rezultata testova (bodovnih jedinica), varijanca će biti u bodovima, dok će standardna devijacija opet biti u bodovima, što olakšava tumačenje.
2. Standardna devijacija populacije u odnosu na uzorak
Prije izračuna, važno je znati koje vrste podataka imate:
1. Broj stanovnika: podaci uključuju sve članove koji će se istraživati.
Formula standardne devijacije populacije koristi djelitelj N (broj podataka).
2. Uzorak: podaci su samo dio populacije, obično se koriste za predstavljanje veće populacije.
Formula standardne devijacije uzorka koristi djelitelj (n − 1) za korekciju pristranosti procjene. Ova korekcija naziva se Besselova korekcija.
U svakodnevnoj praksi (npr. istraživanja, ankete, analiza razreda), podaci se često smatraju uzorkom, pa je djelitelj (n − 1).
3. Formula standardne devijacije
A. Formula standardne devijacije populacije
Pretpostavimo da su podaci: \( x_1, x_2, \dots, x_N \)
Prosječna populacija:
\[
\mu = \frac{\suma_{i=1}^{N} x_i}{N}
\]
Varijanca populacije:
\[
σ² = (suma i=1)^{N}(x_i – μ)²(N)
\]
Standardna devijacija populacije:
\[
σ = σ²
\]
B. Primjer formule za standardnu devijaciju
Prosječna vrijednost uzorka:
\[
\bar{x} = \frac{\sum_{i=1}^{n} x_i}{n}
\]
Varijanca uzorka:
\[
s^2 = \frac{\sum_{i=1}^{n}(x_i – \bar{x})^2}{n – 1}
\]
Standardna devijacija uzorka:
\[
s = \sqrt{s^2}
\]
4. Koraci za ručni izračun standardne devijacije
Radi lakšeg razumijevanja, koristimo primjer podataka o rezultatima ispita 5 studenata:
Podaci: 60, 70, 70, 80, 90
Pretpostavimo da su ovi podaci uzorak (uobičajeno u primjerima učenja).
Korak 1: Izračunajte prosjek
\[
\bar{x} = \frac{60 + 70 + 70 + 80 + 90}{5} = \frac{370}{5} = 74
\]
Dakle, prosječan rezultat je 74.
Korak 2: Izračunajte razliku između svakog podatka i prosjeka
Kreirajte stupac razlike \( (x_i – \bar{x}) \):
– 60 − 74 = −14
– 70 − 74 = −4
– 70 − 74 = −4
– 80 − 74 = 6
– 90 − 74 = 16
Korak 3: Kvadrirajte razliku
Izračunaj ((x_i – x)^2):
– (−14)² = 196
– (−4)² = 16
– (−4)² = 16
– 6² = 36
– 16² = 256
Korak 4: Zbrojite kvadrate razlika
\[
\sum (x_i – \bar{x})^2 = 196 + 16 + 16 + 36 + 256 = 520
\]
Korak 5: Izračunajte varijancu (za uzorak, podijelite s n − 1)
Budući da je n = 5, tada je n − 1 = 4:
\[
s^2 = \frac{520}{4} = 130
\]
Dakle, varijanca uzorka je 130.
Korak 6: Izračunavanje kvadratnog korijena varijance za dobivanje standardne devijacije
\[
s = \sqrt{130} \approx 11{,}40
\]
Dakle, standardna devijacija podataka je približno 11,40. To znači da se rezultati učenika u prosjeku razlikuju za približno 11 bodova od prosjeka od 74.
5. Brzi način: Alternativna formula (izračun)
Osim gore navedene ručne metode, postoji računalna formula koja se često koristi za ubrzavanje izračuna, posebno ako postoji puno podataka:
Varijanca uzorka:
\[
s^2 = \frac{\suma x_i^2 – \frac{(\suma x_i)^2}{n}}{n – 1}
\]
Ova formula izbjegava izračunavanje razlika jednu po jednu, ali i dalje zahtijeva preciznost pri izračunavanju zbroja kvadrata podataka.
Međutim, za konceptualno razumijevanje, metoda korak po korak (razlika → kvadrat → zbroj) obično je lakša i sigurnija od pogrešaka.
6. Interpretacija standardne devijacije
Standardna devijacija ne zaustavlja se samo na brojkama, već se mora interpretirati:
– Mala standardna devijacija: podaci su grupirani blizu srednje vrijednosti, varijacija je mala, rezultati su konzistentniji.
– Velika standardna devijacija: podaci su raspršeni daleko od prosjeka, varijacija je velika, rezultati su manje konzistentni.
Na primjer, pretpostavimo da dva razreda imaju isti prosječni rezultat, 74. Ako razred A ima standardnu devijaciju od 5, a razred B standardnu devijaciju od 15, tada su rezultati u razredu A ujednačeniji i stabilniji. Razred B ima veće varijacije: neki su vrlo niski, a neki vrlo visoki.
7. Uobičajene pogreške
Neke uobičajene pogreške pri izračunavanju standardne devijacije:
1. Zaboravio sam razlikovati uzorak od populacije, pa je djelitelj pogrešan (N vs n − 1).
2. Pogrešno izračunavanje prosjeka, što rezultira time da su svi sljedeći koraci pogrešni.
3. Zaboravljanje kvadriranja razlike ili pogreška pri izračunavanju kvadratnog korijena na kraju.
4. Aritmetičke pogreške pri zbrajanju ili izračunavanju kvadrata brojeva.
Sprječavanje pogrešaka može se postići izradom tablice izračuna i dvostrukom provjerom rezultata.
Zatvaranje
Izračunavanje standardne devijacije zapravo nije teško ako ispravno slijedite korake: izračunajte srednju vrijednost, pronađite razliku između svakog skupa podataka, kvadrirajte razlike, zbrojite ih, podijelite (s n ili n − 1) i zatim izvucite kvadratni korijen. Razumijevanjem standardne devijacije možete procijeniti koliko su vaši podaci konzistentni i koliko postoji varijacija.
Ako želite, mogu izraditi i dodatne primjere s više podataka, primjere grupiranih podataka (tablice frekvencija) ili kako izračunati standardnu devijaciju pomoću Excela/Google tablica.
