Hogyan számítsuk ki a szórást
A szórás az egyik leggyakrabban használt statisztikai mérőszám annak meghatározására, hogy az adatok mennyire "szóródnak" az átlaguktól. A való életben a szórás segít megérteni egy jelenség stabilitását vagy varianciáját: például a teszteredmények változásait, az értékesítési ingadozásokat, a magasságbeli különbségeket, sőt még a pénzügyi adatok kockázatait is. Minél kisebb a szórás, annál közelebb van az adat az átlaghoz. Ezzel szemben a nagy szórás azt jelzi, hogy az adat messze van az átlagtól, és nagy a variációja.
Ez a cikk a szórás jelentését, az alkalmazott képletet és a manuális kiszámításának lépéseit tárgyalja könnyen érthető példákon keresztül.
1. A szórás definíciója
A szórás a variancia négyzetgyöke. Maga a variancia az egyes adatpontok és az átlag közötti különbségek négyzetének átlaga. Miért használunk négyzetet? Mert az adatpontok és az átlag közötti különbségek lehetnek negatívak vagy pozitívak is. Ha közvetlenül összeadjuk őket, a negatív és pozitív különbségek kiolthatják egymást, ami félrevezető eredményeket eredményezhet. A különbségek négyzetre emelésével minden érték pozitívvá válik, ami lehetővé teszi az adateloszlás pontosabb mérését.
Egyszerűen:
– Variancia = a szórás mértéke „négyzetes” egységekben.
– Standard eltérés = az eredeti adategységekhez visszatért spread mértéke.
Példa: ha az adatok teszteredmények (pontszámok) formájában vannak, akkor a variancia pontokban lesz megadva, míg a szórás ismét pontokban lesz megadva, ami megkönnyíti az értelmezést.
2. Populáció vs. minta szórása
Számítás előtt fontos tudni, hogy milyen típusú adatokkal rendelkezel:
1. Populáció: az adatok tartalmazzák az összes kutatott tagot.
A populációs szórás képlete az N osztót (adatok száma) használja.
2. Mintavétel: az adat csak a populáció egy részét képezi, általában egy nagyobb populáció reprezentálására szolgál.
A minta szórásképlete egy (n − 1) osztót használ a becslési torzítás korrigálására. Ezt a korrekciót Bessel-korrekciónak nevezik.
A mindennapi gyakorlatban (pl. kutatások, felmérések, osztályelemzés) az adatokat gyakran mintának tekintjük, így az osztó (n − 1).
3. Szórás képlete
A. A populáció szórásának képlete
Tegyük fel, hogy az adatok: \( x_1, x_2, \dots, x_N \)
Népesség átlaga:
\[
\mu = \frac{\sum_{i=1}^{N} x_i}{N}
\]
Populációs variancia:
\[
∫πρ² = ∫πρ²(x_i – ∫μ)^2(N)
\]
Populációs szórás:
\[
∫πρ = ∫πρ²²
\]
B. Minta szórásképlet
Mintaátlag:
\[
\bar{x} = \frac{\sum_{i=1}^{n} x_i}{n}
\]
Minta variancia:
\[
s^2 = ∫(x_i – ∫(x))^2}{n – 1}
\]
Minta szórása:
\[
s = ∈{s^2}
\]
4. A szórás manuális kiszámításának lépései
A könnyebb megértés érdekében 5 diák vizsgaeredményeinek adatait használjuk példának:
Adatok: 60, 70, 70, 80, 90
Tegyük fel, hogy ezek az adatok egy minta (gyakori a tanulási példákban).
1. lépés: Az átlag kiszámítása
\[
η = 60 + 70 + 70 + 80 + 90}{5} = 370}{5} = 74
\]
Tehát az átlagpontszám 74.
2. lépés: Számítsa ki az egyes adatok és az átlag közötti különbséget
Hozz létre egy különbségoszlopot ((x_i – \bar{x}) \):
– 60 − 74 = −14
– 70 − 74 = −4
– 70 − 74 = −4
– 80 − 74 = 6
– 90 − 74 = 16
3. lépés: Négyzetesítsd a különbséget
Számítsa ki a \(x_i – \bar{x})^2 \) értéket:
– (−14)² = 196
– (−4)² = 16
– (−4)² = 16
– 6² = 36
– 16² = 256
4. lépés: Add össze a különbségek négyzeteit
\[
∫(x_i – ∫(x))^2 = 196 + 16 + 16 + 36 + 256 = 520
\]
5. lépés: Számítsd ki a varianciát (egy mintát oszd el n − 1-gyel)
Mivel n = 5, akkor n − 1 = 4:
\[
s^2 = ∫\frac{520}{4} = 130
\]
Tehát a minta varianciája 130.
6. lépés: A variancia négyzetgyökének vonása a szórás meghatározásához
\[
s = ∫qrt{130} \approx 11{,}40
\]
Tehát az adatok szórása körülbelül 11,40. Ez azt jelenti, hogy átlagosan a diákok pontszámai körülbelül 11 ponttal térnek el a 74-es átlagtól.
5. Gyors módszer: Alternatív képlet (számítás)
A fenti manuális módszeren kívül van egy számítási képlet, amelyet gyakran használnak a számítások felgyorsítására, különösen, ha sok adat van:
Minta variancia:
\[
s^2 = ∫\sum x_i^2 – ∫\sum{(x_i)^2}{n}}{n – 1}
\]
Ez a képlet elkerüli a különbségek egyenkénti kiszámítását, de az adatok négyzetösszegének kiszámításakor továbbra is pontosságot igényel.
A fogalmi megértés szempontjából azonban a lépésről lépésre történő módszer (különbség → négyzet → összeg) általában egyszerűbb és hibamentesebb.
6. A szórás értelmezése
A szórás nem csak számoknál áll meg, hanem értelmezni is kell:
– Kis szórás: az adatok az átlag közelében csoportosulnak, a variancia alacsony, az eredmények konzisztensebbek.
– Nagy szórás: az adatok messze eltérnek az átlagtól, a variáció magas, az eredmények kevésbé konzisztensek.
Például tegyük fel, hogy két osztály azonos átlagpontszámmal, 74-gyel rendelkezik. Ha az A osztály szórása 5, a B osztályé pedig 15, akkor az A osztály pontszámai egyenletesebbek és stabilabbak. A B osztályban nagyobb a variáció: némelyik nagyon alacsony, némelyik pedig nagyon magas.
7. Gyakori hibák
Néhány gyakori hiba a szórás kiszámításakor:
1. Elfelejtettem különbséget tenni a minta és a populáció között, ezért az osztó rossz (N vs n − 1).
2. Az átlag hibás kiszámítása, aminek következtében minden további lépés hibás lesz.
3. Elfelejti a különbséget négyzetre emelni, vagy hibázik a négyzetgyök vonásánál a végén.
4. Számtani hibák a számok összeadásakor vagy négyzetszámításakor.
A hibák elkerülése egy számítási táblázat létrehozásával és az eredmények kétszeres ellenőrzésével történhet.
Záró
A szórás kiszámítása valójában nem nehéz, ha helyesen követed a lépéseket: számítsd ki az átlagot, keresd meg az egyes adathalmazok közötti különbséget, emeld négyzetre a különbségeket, add össze őket, oszd el (n-nel vagy n − 1-gyel), majd vonj négyzetgyököt. A szórás megértésével felmérheted, mennyire konzisztensek az adataid, és mekkora a variancia.
Ha szeretnéd, további példákat is készíthetek több adattal, csoportosított adatok példáit (gyakorisági táblázatok), vagy bemutatom, hogyan kell kiszámítani a szórást Excel/Google Táblázatok használatával.
