Varijanca i standardna devijacija grupnih podataka
Statistika je grana matematike koja se koristi za prikupljanje, organiziranje, analizu, tumačenje i prezentiranje podataka. Jedan važan koncept u statistici je mjerenje varijabilnosti ili rasprostranjenosti podataka. Dvije primarne mjere varijabilnosti su varijanca i standardna devijacija. Ovaj članak će detaljno istražiti varijancu i standardnu devijaciju, posebno u kontekstu grupnih podataka.
Definicija i važnost varijabilnosti
Varijabilnost mjeri koliko se podaci razlikuju od svoje srednje vrijednosti. Mjerenje varijabilnosti je važno jer pruža dodatne uvide koji se ne mogu dobiti isključivo iz mjera centralne tendencije, kao što je srednja vrijednost. Poznavanjem mjere varijabilnosti možemo razumjeti koliko su podaci konzistentni i identificirati potencijalne outliere ili anomalije.
Razumijevanje varijance i standardne devijacije
Varijanca je mjera distribucije podataka koja pokazuje koliko je svaka podatkovna točka udaljena od svoje srednje vrijednosti u kvadratnim jedinicama. Dan je simbolom \( \sigma^2 \) za populaciju i \( s^2 \) za uzorak. Formula za varijancu podataka populacije je:
\[ \sigma^2 = \frac{\suma (X_i – \mu)^2}{N} \]
Što se tiče uzorka, formula je sljedeća:
\[s^2 = \frac{\suma (X_i – \bar{X})^2}{n-1} \]
Gdje:
– \( X_i \) je pojedinačna vrijednost podataka
– \( \mu \) je prosjek populacije
– \( \bar{X} \) je prosjek uzorka
– \( N \) je veličina populacije
– \(n \) je veličina uzorka
Standardna devijacija je kvadratni korijen varijance. Dan je simbolom \( \sigma \) za populaciju i \( s \) za uzorak. Standardna devijacija vraća podatkovne jedinice u njihov izvorni oblik, što je čini lakšom za tumačenje nego varijance.
\[ \sigma = \sqrt{\sigma^2} \]
\[s = \sqrt{s^2} \]
Grupni podaci
Grupirani podaci su podaci koji su klasificirani u nekoliko kategorija ili intervala. Na primjer, visine učenika podijeljene su u intervale od 150-155 cm, 155-160 cm i tako dalje. Analiza varijance i standardne devijacije grupiranih podataka zahtijeva malo drugačiji pristup od analize pojedinačnih podataka.
Koraci za izračun varijance i standardne devijacije za grupne podatke
Slijede koraci za izračun varijance i standardne devijacije grupnih podataka:
1. Izradite tablicu distribucije frekvencija
– Podaci su podijeljeni u nekoliko klasa ili intervala.
– Zapisuje se učestalost svakog intervala (broj podataka u svakom intervalu).
2. Određivanje sredine klase
– Sredina svakog intervala izračunava se kao: \( \text{Sredina} = \frac{\text{Donja granica} + \text{Gornja granica}}{2} \)
3. Izračun privremenog prosjeka (\( \bar{X} \))
– Prosjek se izračunava pomoću formule: \( \bar{X} = \frac{\sum f_i x_i}{\sum f_i} \)
– Gdje je \( f_i \) frekvencija, a \( x_i \) središte intervala.
4. Izračunavanje odstupanja od srednje vrijednosti i njegovog kvadrata
– Za svaki interval, odstupanje od srednje vrijednosti izračunava se kao: \( d_i = x_i – \bar{X} \)
– Zatim izračunajte kvadrat: \( d_i^2 \)
5. Izračun varijance i standardne devijacije
– Varijanca se izračunava pomoću formule: \( s^2 = \frac{\sum f_i d_i^2}{\sum f_i – 1} \)
– Standardna devijacija je kvadratni korijen varijance: \( s = \sqrt{s^2} \)
Primjer izračuna
Pretpostavimo da imamo podatke o visini učenika grupirane na sljedeći način:
| Interval (cm) | Frekvencija (f) |
|—————|—————|
| 150 – 154 | 5 |
| 155 – 159 | 10 |
| 160 – 164 | 15 |
| 165 – 169 | 8 |
| 170 – 174 | 2 |
1. Tablica distribucije frekvencija:
| Interval (cm) | Frekvencija (f) | Središnja točka (x) | \( f \cdot x \) | \( d = x – \bar{X} \) | \( d^2 \) | \( f \cdot d^2 \) |
|——————|———————|———————|———————–|———————–|———————-|
| 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 | | | |
| Ukupno | 40 | | 6440 | | | |
2. Izračun prosjeka (\( \bar{X} \)):
\[ \bar{X} = \frac{6440}{40} = 161 \]
3. Izračunavanje odstupanja od srednje vrijednosti i njegovog kvadrata:
| Interval (cm) | Frekvencija (f) | Središnja točka (x) | \( f \cdot x \) | \( d = x – 161 \) | \( d^2 \) | \( f \cdot d^2 \) |
|——————|———————|———————|———————–|———————-|———————-|
| 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 |
| Ukupno | 40 | | 6440 | | | 1110 |
4. Izračunavanje varijance:
\[s^2 = \frac{1110}{40 – 1} = \frac{1110}{39} \približno 28.46 \]
5. Izračun standardne devijacije:
\[ s = \sqrt{28.46} \približno 5.33 \]
Zaključak
Varijanca i standardna devijacija važne su mjere u statistici koje opisuju raspodjelu podataka oko njihove srednje vrijednosti. Iako se ovi koncepti mogu primijeniti na pojedinačne podatke, postupak izračuna malo se razlikuje za grupirane podatke. Iz gornjeg primjera možemo vidjeti detaljne korake za izračunavanje varijance i standardne devijacije za grupirane podatke. Ove su informacije korisne u raznim primjenama, od akademskih istraživanja do poslovnih i proizvodnih analiza.
Dobrim razumijevanjem varijance i standardne devijacije možemo točnije interpretirati i donositi odluke na temelju podataka koje imamo. To nam omogućuje održavanje rezultata koji su ne samo točni već i relevantni.
